Τον τελευταίο καιρό πληθαίνουν ολοένα και περισσότερο οι συζητήσεις αλλά και τα σεμινάρια γύρω από ορολογίες όπως Big Data, Data Science, Data Driven strategies. Τι είναι όμως όλα τα παραπάνω;
Τα Big Data ή αλλιώς «Μεγάλα Δεδομένα», είναι ο τεράστιος όγκος δεδομένων που είναι σχεδόν αδύνατον να επεξεργαστεί με τις παραδοσιακές μεθόδους. Οι ανάγκες της εποχής και η στροφή ολοένα και περισσότερων επιχειρήσεων στο ηλεκτρονικό εμπόριο, ενισχύει ακόμα περισσότερο την παραγωγή δεδομένων. Οι μεγαλύτερες εταιρείς e-commerce, δέχονται μόλις σε λίγα λεπτά χιλιάδες συναλλαγές από πελάτες. Φανταστείτε επομένως τι όγκο δεδομένων καλούνται να χειριστούν να καθημερινά.
Τα «Μεγάλα Δεδομένα» προσδιορίζονται από 6 βασικά χαρακτηριστικά.
Όγκος
Το μέγεθος των δεδομένων καθορίζει αν θα χαρακτηριστούν «μεγάλα» και εννοείται πως εδώ δεν μιλάμε για κάποια δείγμα αλλά για το σύνολο των δεδομένων. Φανταστείτε εδώ εταιρίες όπως το Facebook τι όγκο δεδομένων καλούνται να αποθηκεύουν και να επεξεργάζονται. Μόνο στην Ελλάδα το Facebook έχει πλέον 5 εκατομμύρια χρήστες οι οποίοι μοιράζονται από φωτογραφίες και βίντεο μέχρι ενημερώσεις και δημογραφικά στοιχεία.
Ταχύτητα
Η ταχύτητα δηλαδή με την οποία παράγονται, αποθηκεύονται και επεξεργάζονται προκειμένου να αντιμετωπίσουν τις προκλήσεις ενός ολοένα αναπτυσσόμενου περιβάλλοντος. Εδώ μάλιστα η δυνατότητα να μπορέσουν να αναλυθούν σε πραγματικό χρόνο (Real time), ανοίγει για παράδειγμα ένα νέο τοπίο στη διαφήμιση: ο πελάτης που είδε ένα προϊόν στο website μιας εταιρίας αλλά δεν το αγόρασε και εγκατέλειψε το site, θα μπορέσει να στοχευτεί άμεσα από την ίδια την εταιρία βλέποντας σε διαφήμιση το προϊόν που σκεφτόταν μόλις πριν να αγοράσει.
Ποικιλία
Ανταλλάσουμε καθημερινά από κείμενα μέχρι ηχητικά μηνύματα και live video. Θέλουμε στα social media να δημοσιεύσουμε μία σκέψη αλλά και μία φωτογραφία για να μοιραστούμε μία στιγμή με τους φίλους μας. Πλέον, στο Facebook δίνεται η δυνατότητα να δεις σε ένα παγκόσμιο χάρτη, ποιοι χρήστες είναι σε live video broadcasting αυτή τη στιγμή με δυνατότητα να παρακολουθήσεις και εσύ τι λένε
Μεταβλητότητα
Τα δεδομένα αλλά και το νόημά τους διαρκώς αλλάζει. Αυτό σημαίνει ότι μπορεί μία λέξη που κατά βάση έχει θετική σημασία, μπορεί να χρησιμοποιηθεί με τρόπο που να υποδηλώνει μία αρνητική έκφραση. Για παράδειγμα η φράση «Τέλεια τα πήγες σήμερα!» υποδηλώνει θετική στάση ενώ η φράση «Τέλεια... έχασα ένα διήμερο να προσπαθώ για κάτι που δεν το χρησιμοποίησες ποτέ» υποδηλώνει κάτι το αρνητικό. Επομένως το «τέλεια» δεν αρκεί μόνο του για να καταλάβουμε αν η άποψη που διατυπώνεται είναι θετική αλλά χρειάζεται να διαβάσουμε όλη τη φράση για να καταλάβουμε το νόημα. Με την «έκρηξη» των social media, η «ανάλυση συναισθήματος» είναι μία νέα πρόκληση για τις εταιρίες αλλά και για τα πολιτικά πρόσωπα, που προσπαθούν να καταλάβουν μέσα σε εκατομμύρια αναρτήσεις αν η γνώμη που εκφράζεται ερμηνεύεται ως αρνητική, θετική ή ως ουδέτερη μέσα από αυτόματο εντοπισμό. Παρά τη δυσκολία, ήδη κάποιες εταιρίες προσπαθούν να εφαρμόσουν μηχανισμούς ανάλυσης των απόψεων των χρηστών που θέτονται καθημερινά στα social media.
Ακρίβεια
Τα μεγάλα δεδομένα δεν έχουν νοήμα αν δεν είναι ακριβή τα στοιχεία. Η ποιότητα των δεδομένων θα επηρεάσει επομένως την ανάλυση. Φανταστείτε να είχατε με κάποιο τρόπο τα στοιχεία συμπεριφοράς ενός χρήστη και να θέλατε να βγάλετε αυτόματα μία απόφαση για την πρόθεση αγοράς του. Αν τα στοιχεία που είχατε ήταν ανακριβή, τότε και η ανάλυση που θα γινόταν, δεν θα ήταν ποιοτική και ακριβής.
Αξία
Τα δεδομένα δεν έχουν αξία αν δεν μπορούμε να τα μετατρέψουμε σε αξία. ΄Ηδη κάποιοι από εμάς έχουμε δει την αξία τους, μιας και θα έχουμε χρησιμοποιήσει την εφαρμογή της κίνησης στους δρόμους σε πραγματικό χρόνο.
- Στη formula 1 σε κάθε όχημα μπορεί να υπάρχουν αισθητήρες που παράγουν χιλιάδες δεδομένα: από την πίεση στα λάστιχα μέχρι και από την αποδοτικότητα του καύσιμου. Τα δεδομένα αυτά μεταφέρονται στους κατάλληλους ανθρώπους οι οποίοι τα αναλύουν και κρίνουν τι προσαρμογές θα χρειαστεί να γίνουν στο όχημα για να μπορέσει να έχει περισσότερες πιθανότητες να κερδίσει ο οδηγός τον αγώνα.
- Στο χέρι μας, μπορεί να φοράμε smartwatches με αισθητήρα που μπορεί να μετράει τους παλμούς μας ακόμα και τα βήματα που κάνουμε κάθε μέρεα.
- Πολλά online sites γνωριμιών χρησιμοποιούν αλγόριθμους για να μπορέσουν να βρουν ποιο θα ήταν το προφίλ που θα ταίριαζε περισσότερο στον χρήστη να γνωρίσει.
- Στον αθλητισμό μέσα από κάποιους αισθητήρες, τα big data μπορούν να χρησιμοποιηθούν για να βελτιωθεί η εξάσκηση των παιχτών αλλά ακόμα και να καταλάβουν τους αντιπάλους τους. Μπορεί ακόμα να γίνει και πρόβλεψη του νικητή σε ένα παιχνίδι ή ακόμα και να μπορέσει να προβλεφθεί η μελλοντική απόδοση. Έτσι ακόμα και ο μισθός ενός παίχτη μπορεί να βασιστεί πάνω στη συλλογή των δεδομένων μιας χρονιάς.
Χρειάζονται επομένως καινοτόμες και αποδοτικές μορφές επεξεργασίας των μεγάλων δεδομένων αφού ο όγκος είναι τεράστιος και για εμάς σημασία έχει να μπορέσουμε να ξεχωρίσουμε τη χρήσιμη πληροφορία. Εδώ επεμβαίνει ο Data Scientist - που είναι πλέον μία από τις πιο περιζήτητες ειδικότητες - αφού η δουλειά του είναι να αναλύσει τα Big Data και να βγάλει χρήσιμα συμπεράσματα. Ο Data Scientist θα χρειαστεί να έχει ένα συνδυασμό προγραμματιστικής γνώσης, στατιστικής γνώσης αλλά και θα πρέπει να μπορεί να μεταφέρει τα χρήσιμα συμπεράσματα με τρόπο που θα γίνει κατανοητό και σε άλλα τμήματα πέραν του IT.
Επομένως, η υιοθέτηση μιας ολοκληρωμένης στρατηγικής γύρω από τα Big Data, θα δώσει σημαντικό πλεονέκτημα σε μία επιχείρηση αφού θα μπορεί να διαχειρίζεται τα δεδομένα της με ένα πολύ αποτελεσματικό τρόπο και να λάβει σημαντικές αποφάσεις πάνω σε data driven στρατηγικές οι οποίες στηρίζονται σε συμπεράσματα που έχουν εξαχθεί πάνω στον όγκο δεδομένων και οι οποίες θα οδηγήσουν σε ακόμα μεγαλύτερη βελτιστοποίηση των διάφορων πρακτικών marketing.
Σχόλια