Что такое big data (большие данные) в маркетинге: проблемы, алгоритмы, методы анализа

Posted on by riasevastopol

Громадные эти (Big Data) — достаточно распространенное понятие в IT и интернет-маркетинге. По сути, определение термина лежит на поверхности: «громадные эти» свидетельствует анализ и управление больших количеств данных. В случае если наблюдать шире, то это информация, которая не поддается обработке хорошими методами по обстоятельству громадных количеств.

Содержание

Big Data — что это такое?
Неприятность Big Data
История громадных данных
Big Data в маркетинге
Вместо заключения

Big Data — что это такое?

Цифровые разработки присутствуют во всех областях судьбы человека. Количество записываемых в мировые хранилища данных за одну секунду растет, а это указывает, что такими же темпами должны изменяться условия хранения информации и оказаться новые возможности для наращивания ее количества.

Специалисты в области IT высказывают вывод, что расширение Big Data и ускорение темпа роста стало объективной действительностью. За одну секунду огромные количества контента генерируют такие источники, как соцсети, информационные сайты, файлообменники — и это только сотая часть поставщиков.

В соответствии с изучению IDC Digital Universe, в ближайшие пять лет количество данных на планете вырастет до 40 зеттабайтов, другими словами к 2020 году на каждого живущего на Земле человека будет приходиться по 5200 Гб.Что такое big data (большие данные) в маркетинге: проблемы, алгоритмы, методы анализа

Рост Big Data к 2020 году, прогноз IDC Digital Universe от 2012 года Источник:www.emc.com.

Как мы знаем, что главный поток информации генерируют не люди. Источником помогают роботы, находящиеся в постоянном сотрудничестве между собой. Это устройства для мониторинга, сенсоры, совокупности наблюдения, операционные совокупности персональных устройств, смартфоны, интеллектуальные совокупности, датчики и другое.

Все они задают свирепый темп роста количества данных, что ведет к появлению потребности наращивать количество рабочих серверов (и настоящих, и виртуальных) — как следствие, расширять и внедрять новые data-центры.

По сути, громадные эти — достаточно условное и относительное понятие. Самое популярное его определение — это комплект информации, по количеству превосходящей жесткий диск одного персонального устройства и не поддающейся обработке хорошими инструментами, используемыми для меньших количеств.

Наглядная иллюстрация роста количеств с 1986 до 2007 годов. Источник: www.martinhilbert.net.

Разработка Big Data — что это? Обобщенно говоря, разработку обработки громадных разрешённых можно свести к трем главным направлениям, решающим три типа задач:

  • перевод и Хранение направляться информации в гигабайты, терабайты и зеттабайты для их хранения, практического применения и обработки.
  • Структурирование разрозненного контента: текстов, фотографий, видео, аудио и всех иных видов данных.
  • Анализ Big Data и внедрение разных способов обработки неструктурированной информации, создание разных аналитических отчетов.

В сущности, использование Big Data подразумевает все направления работы с огромным количеством самой разрозненной информации, неизменно обновляемой и разбросанной по различным источникам. Цель предельна несложна — большая эффективность работы, внедрение новых продуктов и рост конкурентоспособности.

  • 17 статистических данных, каковые обязан знать любой маркетолог

Назад к содержанию

Неприятность Big Data

Неприятности совокупности Big Data возможно свести к трем главным группам: количество, скорость обработки, неструктурированность. Это три V — Volume, Velocity и Variety.

Хранение громадных количеств информации требует особых условий, и это вопрос возможностей и пространства. Скорость связана не только с торможением и возможным «замедлением», вызываемом ветхими способами обработок, это еще и вопрос интерактивности: чем стремительнее процесс, тем больше отдача, тем продуктивнее итог.

Неприятность неоднородности и неструктурированности появляется по обстоятельству разрозненности источников, качества и форматов. Дабы объединить эти и действенно их обрабатывать, требуется не только работа по приведению их в пригодный для работы вид, но и определенные аналитические инструменты (совокупности).

Но это еще не все. Существует неприятность предела «величины» данных. Ее тяжело установить, соответственно тяжело предугадать, какие конкретно технологии и какое количество денежных вливаний потребуется для предстоящих разработок.

Но для конкретных количеств данных (терабайт, к примеру) уже используются действующие инструменты обработки, каковые к тому же и деятельно развиваются.

Существует неприятность, которая связана с отсутствием четких принципов работы с таким количеством данных. Неоднородность потоков лишь усугубляет обстановку. Как именно доходить к их применимости, дабы вынести из них что-то полезное?

Тут требуется разработка для того чтобы направления, как новые способы анализа Big Data, дабы данный поток стал нужным источником информации. Быть может, по заявлениям представителей университетов США (Нью-Йоркского, Вашингтонского и Калифорнийского), сейчас пришло время ввести и развивать новую дисциплину — науку о Big Data.

Фактически, это и есть основной обстоятельством отсрочки внедрения в компании проектов Big Data (если не брать во внимание еще один фактор — достаточно большую цена).

Подбор данных для обработки и метод анализа может стать не меньшей проблемой, поскольку отсутствует познание, какие конкретно эти направляться собирать и хранить, а какие конкретно возможно проигнорировать. Делается очевидной еще одна «болевая точка» отрасли — дефицит опытных экспертов, которым возможно было бы доверить глубинный анализ, создание отчетов для ответа бизнес-задач и как следствие извлечение прибыли (возврат инвестиций) из Big Data.

Еще одна неприятность Big Data носит этический темперамент. В частности: чем сбор данных (особенно без ведома пользователя) отличается от нарушения границ личной судьбе? Так, информация, сохраняемая в поисковых совокупностях Гугл и Яндекс, разрешает им всегда дорабатывать собственные сервисы, делать их удобными для пользователей и создавать новые интерактивные программы.

Поисковые машины записывают любой клик пользователя в сети, им известен его IP-адрес, геолокация, интересы, онлайн-приобретения, индивидуальные эти, почтовые сообщения и другое, что, например, разрешает демонстрировать контекстную рекламу в соответствии с поведением пользователя в сети. Наряду с этим согласия на это не спрашивается, а возможности выбора, какие конкретно сведения о себе предоставлять, не дается. Другими словами по умолчанию в Big Data планирует все, что после этого будет храниться на серверах данных сайтов.

Тут возможно затронуть дргую проблему — использования безопасности и обеспечение хранения данных. К примеру, сведения о вероятных клиентах и их история переходов на сайтах вебмагазинов конкретно применимы для ответа многих бизнес-задач. Но надёжна ли аналитическая платформа, которой потребители в автоматическом режиме (легко вследствие того что зашли на сайт) передают собственные эти, — это приводит к множеству споров.

Современную хакерские атаки и вирусную активность не сдерживают кроме того супер-защищенные серверы правительственных разведслужб.

  • Гугл зашифрует информацию о поиске по главным словам, либо Прощай, бесплатная аналитика!

Назад к содержанию

История громадных данных

Сами по себе методы Big Data появились при внедрении первых высокопроизводительных серверов (мэйнфреймов), владеющих достаточными ресурсами для своевременной обработки информации и пригодных для компьютерных вычислений и для предстоящего анализа..

Сам термин Big Data в первый раз был озвучен в 2008 году на страницах спецвыпуска издания Nature в статье главреда Клиффорда Линча. Данный номер издания был посвящен взрывному росту глобальных количеств данных и их роли в науке.

Эксперты утверждают, что громадными разрешёнными допустимо называть каждые потоки информации количеством более 100 Гб в день.

Но в последние 2-3 года ученые отмечают, что термин Big Data стал лишком популяризирован, его употребляют фактически везде, где упоминаются потоки данных, и как следствие он начал восприниматься через чур обобщенно и размыто. Виной тому не совсем малоопытные предприниматели и сведущие журналисты, каковые попусту злоупотребляют данным понятием. Согласно точки зрения западных специалистов, термин в далеком прошлом скомпрометировал себя и пришло время от него отказаться.

Сейчас мировое сообщество снова заговорило о громадных данных. Обстоятельства — в отсутствии и объемов неизменном росте информации какой-либо структуры в ней. учёных и Предпринимателей тревожат вопросы качественной интерпретации данных, разработки инструментов для работы с ними и развитие разработок хранения.

Этому содействует внедрение и активное применению облачных вычислений и моделей хранения.

Назад к содержанию

Big Data в маркетинге

Информация – это основной нюанс составления и успешного прогнозирования роста маркетинговой стратегии в умелых руках маркетолога. Анализ громадных данных в далеком прошлом и удачно используется для определения: целевой аудитории, заинтересованностей, спроса, активности потребителей. Так, Big Data есть правильнейшим инструментом маркетолога для предсказания будущего компании.

К примеру, анализ громадных разрешённых позволяет выводить рекламу (на базе известной модели RTB-аукциона — Real Time Bidding) лишь тем потребителям, каковые заинтересованы в товаре либо услуге.

Использование Big Data в маркетинге разрешает предпринимателям:

  • лучше выяснять собственных потребителей, завлекать подобную аудиторию в сети;
  • оценивать уровень удовлетворенности клиентов;
  • осознавать, соответствует ли предлагаемый сервис потребностям и ожиданиям;
  • обнаружить и внедрять новые методы, увеличивающие доверие клиентов;
  • создавать проекты, пользующиеся популярностью.

К примеру, сервис Гугл.trends весьма совершенно верно укажет маркетологу прогноз сезонной активности спроса на конкретный продукт, колебания и географию кликов. Достаточно сопоставить эти сведения со статистическими данными собственного сайта и возможно разработать качественный замысел по распределению рекламного бюджета с указанием региона и месяца.

  • Эволюция маркетинговых данных

Вместо заключения

Сейчас, в пик высоких разработок и огромных потоков информации, у компаний показалось значительно больше шансов с целью достижения отличных показателей в ведении бизнеса благодаря применению Big Data.

Высоких вам конверсий!

Назад к содержанию

Image source: Ron Mader

Случайные статьи:

Business Intelligence, Big Data и человеческое чутье: как строить системы бизнес-аналитики


Подборка похожих статей:

riasevastopol

More Posts