Управление данными

Жизненный цикл данных

Управление данными включает в себя все дисциплины, связанные с обработкой данных как ценного ресурса. Это практика управления данными организации, позволяющая их анализировать для принятия решений . ^[1]

Концепция

Концепция управления данными возникла в 1980-х годах, когда технология отошла от последовательной обработки. ^[2] (сначала перфокарты , затем магнитная лента ) в оперативное запоминающее устройство .

Поскольку теперь стало возможным хранить дискретный факт и быстро получать к нему доступ с помощью технологии дисков с произвольным доступом , те, кто предполагал, что управление данными более важно, чем управление бизнес-процессами, использовали такие аргументы, как «домашний адрес клиента хранится в 75 (или в каком-то другом большом количество) мест в наших компьютерных системах». ^{[ нужна ссылка ]} Однако в этот период обработка произвольного доступа не была конкурентоспособной по скорости, поэтому те, кто считал, что «управление процессами» важнее «управления данными», использовали время пакетной обработки в качестве основного аргумента.

использование в режиме реального времени Поскольку прикладное программное обеспечение превратилось в интерактивное , стало очевидно, что оба процесса управления важны. Если данные не были четко определены, они будут неправильно использованы в приложениях. Если бы процесс не был четко определен, было бы невозможно удовлетворить потребности пользователей.

Узоры

Ниже приведены распространенные шаблоны управления данными: ^[3]

Кэш в сторону
разделение ответственности за командный запрос (CQRS)
Поиск событий
Индексная таблица
Материализованный вид
Шардинг
Ключ камердинера
Хостинг статического контента

Темы

Темы управления данными включают в себя:

Управление данными
- Актив данных
- Управление данными
- Доверенное лицо данных
- данных Хранитель или опекун
- Распорядитель данных
- Субъект данных
- Этика данных
Архитектура данных
- Потоки данных
данных Моделирование и проектирование
Управление базой данных и хранилищем
- Обслуживание данных
- Администрирование базы данных
- Система управления базой данных
- Планирование непрерывности бизнеса
- Иерархическое управление хранилищем
- данных Подмножество
Безопасность данных
Справочные и основные данные
Интеграция данных и совместимость
- Перемещение данных ( ETL , ELT )
- Совместимость данных
Документы и контент
Хранилище данных, бизнес-аналитика и аналитика
Метаданные
Качество данных

Использование

В современном управленческом использовании термин «данные» все чаще заменяется информацией или даже знаниями в нетехническом контексте. Таким образом, управление данными превратилось в управление информацией или управление знаниями . Эта тенденция затрудняет обработку необработанных данных и делает интерпретацию неявной. Различие между данными и производной ценностью иллюстрируется информационной лестницей.Однако данные вернулись с популяризацией термина « большие данные» , который относится к сбору и анализу огромных наборов данных. Хотя большие данные являются недавним явлением, потребность в данных для принятия решений восходит к началу 1970-х годов, когда появились системы поддержки принятия решений (DSS). Эти системы можно рассматривать как начальную версию управления данными для поддержки принятия решений. ^[4]

Некоторые организации создали для своей деятельности центры управления данными (DMC). ^[5]

Источники данных

Маркетологи и маркетинговые организации используют сбор и анализ данных для совершенствования своей деятельности в течение последних нескольких десятилетий. Отделы маркетинга в организациях и маркетинговых компаниях проводят сбор и анализ данных, собирая данные из различных источников данных и анализируя их, чтобы получить ценные данные, которые они могут использовать для принятия стратегических решений (Baier et al., 2012). В современной бизнес-среде данные превратились в важнейший актив для бизнеса, поскольку предприятия используют данные как стратегический актив, который регулярно используется для создания конкурентного преимущества и улучшения качества обслуживания клиентов. Среди наиболее важных форм данных — информация о клиентах, которая является важнейшим активом, используемым для оценки поведения и тенденций клиентов и использования ее для разработки новых стратегий улучшения качества обслуживания клиентов (Ахмед, 2004). Однако данные должны быть высокого качества, чтобы их можно было использовать в качестве бизнес-актива для создания конкурентного преимущества. Таким образом, управление данными является важнейшим элементом сбора и анализа данных, поскольку оно определяет качество данных, а ограничения целостности гарантируют надежность информации, собранной из источников данных. Различные технологии, включая большие данные, используются предприятиями и организациями, чтобы позволить пользователям искать конкретную информацию из необработанных данных, группируя ее на основе предпочтительных критериев, которые отделы маркетинга в организациях могут применять для разработки целевых маркетинговых стратегий (Ахмед, 2004). По мере развития технологий в маркетинговых организациях и предприятиях вводятся новые формы данных для целей анализа и классификации. Появление новых гаджетов, таких как смартфоны и ПК нового поколения, также привело к появлению новых источников данных, из которых организации могут собирать, анализировать и классифицировать данные при разработке маркетинговых стратегий. Розничный бизнес — это категория бизнеса, которая использует данные о клиентах со смарт-устройств и веб-сайтов, чтобы понять, как текущие и целевые клиенты воспринимают их услуги, прежде чем использовать эту информацию для улучшения и повышения удовлетворенности клиентов (Cerchiello and Guidici, 2012). Анализ данных о клиентах имеет решающее значение для бизнеса, поскольку он позволяет маркетинговым командам понимать поведение и тенденции клиентов, что имеет существенное значение при разработке новых маркетинговых кампаний и стратегий. Розничные торговцы, использующие данные о клиентах из различных источников, получают преимущество на рынке, поскольку они могут разрабатывать основанные на данных стратегии для привлечения и удержания клиентов в чрезмерно конкурентной бизнес-среде. На основе информации о преимуществах сбора и анализа данных предлагаются следующие гипотезы: Источники данных, используемые в качестве основы для сбора и анализа данных, оказывают значительное влияние на инструменты анализа данных, используемые для анализа и классификации данных.

Инструменты анализа данных

Организации используют различные инструменты анализа данных для обнаружения неизвестной информации и идей из огромных баз данных; это позволяет организациям обнаруживать новые закономерности, которые им были неизвестны, или извлекать скрытую информацию, прежде чем использовать ее для выявления новых закономерностей и связей (Ахмед, 2004). Существует две основные категории инструментов анализа данных: инструменты интеллектуального анализа данных и инструменты профилирования данных. Кроме того, большинство коммерческих инструментов анализа данных используются организациями для извлечения, преобразования и загрузки ETL в хранилища данных таким образом, чтобы ни один элемент не был упущен в ходе процесса (Turban et al., 2008). Таким образом, инструменты анализа данных используются для поддержки трех V в больших данных : объема, разнообразия и скорости. Факторная скорость возникла в 1980-х годах как одна из наиболее важных процедур в инструментах анализа данных, которая широко использовалась организациями для исследования рынка. Инструменты, используемые для выбора основных переменных из данных, собранных из различных источников, и их анализа; если бы объем данных был слишком велик для людей, чтобы их можно было понять с помощью ручного наблюдения, был бы введен факторный анализ, чтобы различать качественные и количественные данные (Stewart, 1981). Организации собирают данные из многочисленных источников, включая веб-сайты, электронную почту и устройства клиентов, прежде чем проводить анализ данных. Сбор данных из многочисленных источников и их анализ с использованием различных инструментов анализа данных имеет свои преимущества, включая преодоление риска систематической ошибки метода; Использование данных из разных источников и их анализ с использованием нескольких методов анализа гарантирует предприятиям и организациям надежные и надежные результаты, которые они могут использовать при принятии решений. С другой стороны, исследователи используют современные технологии для анализа и группировки данных, полученных от респондентов в виде изображений, аудио- и видеофайлов, применяя алгоритмы и другое программное обеспечение для анализа (Berry et al., 1997). Затем исследователи и маркетологи могут использовать информацию, полученную с помощью инструментов и методов анализа нового поколения, для прогнозирования, поддержки принятия решений и оценки для принятия решений. Например, информация из разных источников данных о прогнозах спроса может помочь розничному бизнесу определить объем запасов, необходимый в предстоящем сезоне, в зависимости от данных предыдущих сезонов. Анализ может позволить организациям принимать решения на основе данных, чтобы получить конкурентное преимущество в эпоху, когда все предприятия и организации извлекают выгоду из новых технологий и инструментов бизнес-аналитики для получения конкурентных преимуществ. Несмотря на то, что на рынке существует множество инструментов анализа, аналитика больших данных является наиболее распространенной и передовой технологией, которая привела к следующей гипотезе: инструменты анализа данных, используемые для анализа данных, собранных из многочисленных источников данных, определяют качество и надежность анализа данных.

Безопасность данных и конфиденциальность данных

Хотя организациям необходимо использовать качественные инструменты сбора и анализа данных, чтобы гарантировать качество и надежность собираемых ими данных о клиентах, они должны внедрять стратегии безопасности и конфиденциальности для защиты данных и информации о клиентах от утечек конфиденциальности (Ван Тилль, 2013). Исследование, проведенное PWC, показало, что более двух третей розничных клиентов предпочитают приобретать продукты и услуги у компаний, у которых есть планы защиты данных и конфиденциальности для защиты информации о клиентах. Кроме того, исследование показало, что клиенты доверяют компаниям, которые могут доказать, что не могут использовать данные клиентов для каких-либо других целей, кроме маркетинга. Поскольку технологии и Интернет продолжают совершенствоваться, успех предприятий, использующих его в качестве платформы для маркетинга своей продукции, будет зависеть от того, насколько эффективно они смогут завоевать и сохранить доверие клиентов и пользователей. Таким образом, предприятиям придется внедрить и реализовать эффективные стратегии защиты данных и конфиденциальности для защиты бизнес-данных и конфиденциальности клиентов. Хотя развитие доверия между клиентами и предприятиями влияет на покупательские намерения клиентов, оно также оказывает значительное влияние на долгосрочное покупательское поведение, в том числе на то, как часто клиенты совершают покупки, что может повлиять на прибыльность бизнеса в долгосрочной перспективе. Таким образом, приведенная выше информация приводит к следующей гипотезе: реализация планов обеспечения безопасности и конфиденциальности данных оказывает положительное влияние на экономические и финансовые результаты.

Финансово-экономические результаты

Исследования показывают, что транзакции клиентов приводят к увеличению объема собираемых ежегодно данных на 40%, а это означает, что финансовые данные оказывают значительное влияние на бизнес-решения. Поэтому современные организации используют аналитику больших данных для выявления от 5 до 10 новых источников данных, которые могут помочь им собирать и анализировать данные для более эффективного принятия решений. Йонсен (2013) объясняет, что организации, использующие средние аналитические технологии, на 20% чаще получают более высокую прибыль по сравнению со своими конкурентами, которые не внедрили какие-либо аналитические возможности в свою деятельность. Кроме того, IRI сообщил, что отрасль розничной торговли может ежегодно увеличиваться более чем на 10 миллиардов долларов в результате внедрения современных аналитических технологий. Таким образом, можно предложить следующую гипотезу: Экономические и финансовые результаты могут повлиять на то, как организации используют инструменты анализа данных.

См. также

Ссылки

^ «Что такое управление данными? Важность и проблемы | Таблица» . www.tableau.com . Проверено 4 декабря 2023 г.
^ Хоар, ЦАР (2004) [1985]. Коммуникация последовательных процессов . Прентис Холл Интернэшнл. ISBN 978-0-13-153271-7 .
^ Освоение облачных микросервисов. Проектирование и внедрение облачных микросервисов для приложений следующего поколения . 2023. ISBN 9789355518699 .
^ Уотсон, Хью Дж.; Марьянович, Оливера (2013). «Большие данные: четвертое поколение управления данными». Журнал деловой разведки; Сиэтл . 18 (3): 4–8.
^ Например: Кумар, Сангит; Рамеш, Маниша Винодини (2010). «Облегченная структура управления (LMF) для гетерогенной беспроводной сети для обнаружения оползней». В Меганатане — Натараджан; Бумердасси, Сельма; Чаки, Набенду; Нагамалай, Динахаран (ред.). Последние тенденции в сетях и коммуникациях: международные конференции, NeCoM 2010, WiMoN 2010, WeST 2010, Ченнаи, Индия, 23-25 июля 2010 г. Материалы . Коммуникации в компьютерной и информатике. Том. 90. Спрингер. п. 466. ИСБН 9783642144936 . Проверено 16 июня 2016 г. 4.4 Центр управления данными (DMC)[:] Центр управления данными — это центр обработки данных для всех развернутых кластерных сетей. Через DMC LMF позволяет пользователю составить список служб в любом члене кластера, принадлежащем любому кластеру [...].
^ «Data Mesh: предоставление ценности, основанной на данных, в масштабе» .

Внешние ссылки

СМИ, связанные с управлением данными, на Викискладе?
Управление данными в Curlie

[1] «Что такое управление данными? Важность и проблемы | Таблица» . www.tableau.com . Проверено 4 декабря 2023 г.

[2] Хоар, ЦАР (2004) [1985]. Коммуникация последовательных процессов . Прентис Холл Интернэшнл. ISBN 978-0-13-153271-7 .

[3] Освоение облачных микросервисов. Проектирование и внедрение облачных микросервисов для приложений следующего поколения . 2023. ISBN 9789355518699 .

[4] Уотсон, Хью Дж.; Марьянович, Оливера (2013). «Большие данные: четвертое поколение управления данными». Журнал деловой разведки; Сиэтл . 18 (3): 4–8.

[5] Например: Кумар, Сангит; Рамеш, Маниша Винодини (2010). «Облегченная структура управления (LMF) для гетерогенной беспроводной сети для обнаружения оползней». В Меганатане — Натараджан; Бумердасси, Сельма; Чаки, Набенду; Нагамалай, Динахаран (ред.). Последние тенденции в сетях и коммуникациях: международные конференции, NeCoM 2010, WiMoN 2010, WeST 2010, Ченнаи, Индия, 23-25 июля 2010 г. Материалы . Коммуникации в компьютерной и информатике. Том. 90. Спрингер. п. 466. ИСБН 9783642144936 . Проверено 16 июня 2016 г. 4.4 Центр управления данными (DMC)[:] Центр управления данными — это центр обработки данных для всех развернутых кластерных сетей. Через DMC LMF позволяет пользователю составить список служб в любом члене кластера, принадлежащем любому кластеру [...].

[6] «Data Mesh: предоставление ценности, основанной на данных, в масштабе» .

[1]

[2]

[3]

[4]

[5]

[6]