22.03.2018

5 распространенных мифов о Big Data, с которыми пора распрощаться в 2018 году

Новости

Несмотря на то, что термин «Big Data» появился в СМИ ровно 10 лет назад, далеко не каждый интернет-пользователь сегодня понимает, какие технологии сбора и обработки информации скрываются за ним. Всеобщий интерес к большим данным и попытки использовать их для развития своего бизнеса без соответствующих знаний привели к зарождению мифов о Big Data. Аналитики ResearchMe комментируют самые распространенные заблуждения.

  1. Все вокруг успешно используют Big Data

Обилие журналистских материалов о Big Data, реклама онлайн-курсов, обещающая сделать вас специалистом по анализу цифровой информации за пару дней, и описания успешных кейсов по работе с большими данными заставляют думать, что их давно используют абсолютно все компании на рынке –  от небольших интернет-магазинов до гигантских технологических корпораций.

По мнению бизнес-консультанта и автора книги «Big Data in Practice» Бернарда Марра, несмотря на шумиху вокруг больших данных, эффективно использовать цифровую информацию для решения бизнес-задач на сегодняшний день удается лишь немногим коммерческим организациям. «Актуальные исследования показывают, что количество компаний, грамотно использующих Big Data, по-прежнему невелико. Для большинства игроков рынка использование информации такого рода –  не более, чем амбиция. Но то, что они могут использовать данные, еще не означает, что они научились использовать их правильно».

Боязнь «отстать» от конкурентов по уровню технологического развития заставляет руководство небольших компании начинать работу с Big Data без достаточного понимания целей сбора или покупки данных. В результате интерес к Big Data проявляют многие, но реальную пользу от обработки цифровой информации получают единицы. И до тех пор, пока руководство компании не поймет, как применять полученные в результате анализа сведения, работа с большими данными не даст ощутимых результатов.

  1. Big Data помогает точно предсказывать будущее

Нередко, затевая работу с большими данными, руководитель стремится получить быстрый и максимально точный прогноз грядущих перемен. Способность обработанной цифровой информации быть источником простых и однозначных «предсказаний» будущего –  наиболее распространенный миф о Big Data.

Анализ массивов данных сам по себе не может дать готовых ответов на вопросы о «будущем» компании или продукта. При обработке цифровой информации машина исследует сведения об уже свершившихся событиях, вычленяет в них закономерности и на основе экстраполяции, формирует прогностические модели.  Важно понимать, что эти модели не являются 100% предсказанием будущих событий: на поведение потенциальных клиентов компании и ее положение на рынке могут влиять сотни факторов, которые невозможно полностью учесть даже при самом глубоком анализе. Кроме того, качество «прогноза» сильно зависит от объема и «свежести» полученных данных и количества их источников – если поступающая информациях обрабатывается медленно или ее немного, прогноз может оказаться неточным.

Тем не менее, при профессиональном анализе необходимых объемов цифровой информации, прогностические модели описывают самые вероятные варианты развития событий. Несмотря на то, что эта информация не является «идеальным» предсказанием будущего, она способна подсказать руководству компании, как изменить маркетинговую концепцию, чтобы избежать возможных потерь и получить максимальную прибыль.

  1. Big Data требует огромных затрат

Крупные правительственные организации и международные корпорации действительно тратят колоссальные средства на обработку данных и хранят полученные сведения в data-центрах, занимающих площади размером с футбольные поля. Услуги высококвалифицированных специалистов по работе с big data также обходятся им недешево. Однако, речь идет о компаниях, заинтересованных в масштабнейших исследованиях и разработке новых –  сверхбыстрых механизмов обработки информации.

Вопреки расхожему мнению, доступ к большим данным не потребует половины бюджета рядовой компании –  сегодня big data доступна даже небольшим организациям. Но для того, чтобы любые затраты на информацию окупились, необходимо иметь штатных специалистов по data-аналитике и грамотных маркетологов. Даже самостоятельный сбор цифровой информации может оказаться неоправданной тратой в том случае, если данные просто хранятся и не используются для построения прогностических моделей и поиска эффективных маркетинговых решений.

Купить необходимые данные на бирже –  наиболее простой и дешевый метод получения информации. Однако, если в организации нет грамотных специалистов по работе с big data, обращение в компанию, специализирующуюся на обогащении данных и маркетинговых исследованиях будет более выгодным решением.

  1. Чем больше данных мы сможем проанализировать, тем лучше

Сам термин «большие данные» подразумевает, что речь идет об обработке гигантских массивов цифровой информации. На сегодняшний день в технологическом сообществе нет единого мнения о том, какие данные могут считаться «большими», но ряд ведущих экспертов предполагает, что речь должна идти о потоке сведений объемом не менее 100 ГБ в день. Впрочем, ориентация только на объем информации –  еще одна популярная ошибка в работе с Big Data. Объем –  значимая характеристика больших данных, однако скорость их обработки и вариативность источников цифровой информации не менее важны.

Сегодня большие данные поступают к аналитикам с невиданной прежде скоростью. Чем быстрее удастся обработать прибывающие массивы, тем актуальнее будут знания об интернет-поведении потенциальных клиентов. Кроме того, необходимые данные можно получать из абсолютно разных источников –  с интернет-сайтов, из социальных сетей и приложений. Чем к большему количеству платформ для сбора сведений имеет доступ компания, тем с большего количества «ракурсов» она может взглянуть на интересующую руководство проблему.

Зацикленность на объеме цифровой информации может усложнить решение бизнес-задач. Обрабатывать и хранить огромные массивы данных внутри компании дорого и сложно –   в том случае, если собранные сведения окажутся устаревшими или неполными, они станут почвой для неверных выводов маркетологов, и убытки компании лишь возрастут.

  1. Big Data – это то, с чем должен работать только ИТ-отдел компании

Обязательная машинная обработка цифровых сведений заставляет большинство сотрудников думать, что работа с большими данными является компетенцией ИТ-специалистов. На сегодняшний день под термином «big data» отечественные специалисты понимают все методы получения, хранения и обработки массивов цифровой информации. И если с задачами получения и хранения сведений ИТ-специалисты могут справиться самостоятельно, то обработка больших данных требует не только вычленения общих закономерностей машиной, но и анализа этих закономерностей «живым» специалистом по маркетингу. ИТ-отдел выполняет лишь «техническую» часть работы, которая не имела бы смысла без вмешательства сотрудников отдела продвижения.

Big Data –  это не только сложные технические механизмы обработки информации, но и творческая деятельность человека по разработке рекламных и маркетинговых концепций на основе выявленных закономерностей.

 

 

СВЯЗАТЬСЯ С НАМИ