Σπίτι Ήχος Ανάλυση Hadoop: ακόμα πιο δύσκολη με εξωτερικές πηγές

Ανάλυση Hadoop: ακόμα πιο δύσκολη με εξωτερικές πηγές

Πίνακας περιεχομένων:

Anonim

Στη δημοσίευσή μου, το Hadoop Analytics: Όχι τόσο εύκολο στις πολλαπλές πηγές δεδομένων, συζήτησα τα θέματα που αντιμετωπίζουν οι οργανισμοί όταν προσπαθούν να χρησιμοποιήσουν τον Hadoop για την αποθήκευση και ανάλυση δεδομένων από πολλές εσωτερικές πηγές. Σε αυτή τη θέση, θα μιλήσω για τις προκλήσεις και τα οφέλη της προσθήκης εξωτερικών δεδομένων στο μίγμα.

Η προσθήκη εξωτερικών δεδομένων βελτιώνει το προγνωστικό Analytics

Οι οργανισμοί θέλουν όλο και περισσότερο να αναλύουν τα δεδομένα τρίτου μέρους, επειδή αυτές οι πηγές αυξάνουν την προβολή τους στην ευρύτερη αγορά, βοηθούν τους να προβλέψουν μελλοντικές ενέργειες και να δημιουργήσουν πρόσθετους οδηγούς πωλήσεων. Η ανάλυση μόνο των εσωτερικών δεδομένων παρέχει ιστορική προοπτική για τους πελάτες και τις αγορές τους, η οποία είναι χρήσιμη για την ανάλυση των τάσεων και των προτύπων, αλλά έχει περιορισμένη προγνωστική αξία. Αυτές οι εσωτερικές πηγές παρέχουν δεδομένα συχνά αναφερόμενα ως δείκτες καθυστέρησης επειδή ακολουθούν παρελθόντα γεγονότα. Αν και οι δείκτες καθυστέρησης μπορούν να επιβεβαιώσουν ότι ένα πρότυπο συμβαίνει ή πρόκειται να συμβεί, δεν μπορούν εύκολα να προβλέψουν τι θα συμβεί ή ανιχνεύσει μετατοπίσεις στην αγορά.

Οι οργανισμοί θέλουν να συνδυάσουν κορυφαίους δείκτες της αγοράς από εξωτερικές πηγές με εσωτερικά ιστορικά δεδομένα και πληροφορίες για το κανάλι πωλήσεων. Αυτός ο συνδυασμός τους παρέχει καλύτερες γνώσεις σχετικά με τα πρότυπα και τις τάσεις και συμβάλλει στη βελτίωση της εμπιστοσύνης τους στα προγνωστικά μοντέλα που χρησιμοποιούν για προγράμματα πωλήσεων και μάρκετινγκ, ανίχνευση απάτης, ανάλυση κινδύνου και πολλά άλλα.

Ανάλυση Hadoop: ακόμα πιο δύσκολη με εξωτερικές πηγές