Утопать в данных не значит использовать большие данные. Ниже приводятся подлинное определение больших данных и показательный пример того, как они используются для осуществления цифровой трансформации.

Возможно, вы слышали выражение «данные — это новая нефть». Это действительно неплохая метафора, поскольку нефть сама по себе не представляет ценности, она должна быть переработана в нечто вроде бензина или пластмассы. Аналогичным образом все мы утопаем в данных, но эти данные должны быть переработаны в бизнес-знания, чтобы приобрести реальную ценность. В результате мы видим, как большие данные стимулируют цифровую трансформацию.

Маркетологи используют словосочетание «большие данные» слишком часто и не к месту. Речь не о том, чтобы просто иметь массу данных. Большие данные — это объединение структурированных и неструктурированных данных для получения новых знаний, которые прежде невозможно было получить.

Структурированные данные — это все то, что включается в традиционные электронные таблицы и базы данных: ваш отчет о прибылях и убытках, список ваших клиентов, информация о ваших продуктах и бизнес-процессах и т. д. Неструктурированные данные — это все то новое, что часто слишком велико, чтобы включаться в базу данных: необработанные записи в Twitter, данные Google Trends, общедоступные API-интерфейсы правительств и потоки данных от датчиков Интернета вещей. Когда вы накладываете неструктурированные данные поверх структурированных, тут и начинается волшебство.

Рассмотрим один небольшой пример.

Компания, имеющая вековую историю, обратилась к своим специалистам по данным с просьбой использовать большие данные, чтобы найти более интеллектуальный способ прогнозирования продаж. На протяжении десятилетий компания просто смотрела, сколько продуктов она продала в прошлом месяце и сколько в том же месяце годом раньше, и на этой основе делала прогнозы.

Но специалисты по данным приступили к анализу эмоций в Twitter и просмотру, что люди говорят о продуктах и брендах компании. Они также посмотрели в Google Trends, какие продукты и бренды люди ищут чаще всего. Затем они скоррелировали эти данные с фактическими продажами, чтобы увидеть, могут ли такие данные использоваться для прогнозирования. И убедились, что безусловно могут.

И теперь, прогнозируя продажи, компания берет эти структурированные данные (сколько автомашин она продала в прошлом месяце и в том же месяце год назад), накладывает на них неструктурированные данные (анализ эмоций из Twitter и Google Trends) и получает гораздо более интеллектуальный прогноз. А если бы она захотела стать еще более интеллектуальной, она могла бы также провести анализ эмоций, вызываемых брендами и продуктами всех своих конкурентов. Итоговый вывод состоит в том, что такое использование больших данных позволяет компании быть значительно более эффективной при планировании продаж, продвижении продуктов и проведении маркетинговых кампаний.