אָננעמען ווי דאַטן: ווי געשעפטן לערנען צו נוץ פון גרויס דאַטן

דורך אַנאַלייזינג גרויס דאַטן, קאָמפּאַניעס לערנען צו ופדעקן פאַרבאָרגן פּאַטערנז, ימפּרוווינג זייער געשעפט פאָרשטעלונג. דער ריכטונג איז מאָדערן, אָבער ניט אַלעמען קענען נוץ פון גרויס דאַטן ווייַל פון די פעלן פון אַ קולטור פון ארבעטן מיט זיי

"די מער געוויינטלעך אַ מענטש 'ס נאָמען איז, די מער מסתּמא זיי זענען צו באַצאָלן אין צייט. די מער פלאָרז דיין הויז האט, די מער סטאַטיסטיש איר זענט אַ בעסער באַראָוער. דער צייכן פון די זאָדיאַק האט כּמעט קיין ווירקונג אויף די ליקעליהאָאָד פון אַ צוריקצאָל, אָבער די סייקאָוטיפּע איז באטייטיק, "זאגט סטאַניסלאַוו דוזשינסקי, אַן אַנאַליסט אין היים קרעדיט באַנק, וועגן אומגעריכט פּאַטערנז אין די נאַטור פון באַראָוערז. ער טוט נישט ונטערנעמענ זיך צו דערקלערן פילע פון ​​די פּאַטערנז - זיי זענען אנטפלעקט דורך קינסטלעך סייכל, וואָס פּראַסעסט טויזנטער פון קונה פּראָופיילז.

דאָס איז די מאַכט פון גרויס דאַטן אַנאַליטיקס: דורך אַנאַלייזינג אַ ריזיק סומע פון ​​​​אַנסטראַקטשערד דאַטן, די פּראָגראַם קענען אַנטדעקן פילע קאָראַליישאַנז וואָס דער ווייזאַסט מענטש אַנאַליסט קען נישט אפילו וויסן וועגן. יעדער פירמע האט אַ ריזיק סומע פון ​​​​אַנסטראַקטשערד דאַטן (גרויס דאַטן) - וועגן עמפּלוייז, קאַסטאַמערז, פּאַרטנערס, קאָמפּעטיטאָרס, וואָס קענען זיין געוויינט פֿאַר געשעפט נוץ: פֿאַרבעסערן די ווירקונג פון פּערמאָושאַנז, דערגרייכן פארקויפונג וווּקס, רעדוצירן שטעקן ויסקער, אאז"ו ו.

דער ערשטער צו אַרבעטן מיט גרויס דאַטן זענען גרויס טעכנאָלאָגיע און טעלעקאָממוניקאַטיאָנס קאָמפּאַניעס, פינאַנציעל אינסטיטוציעס און לאַכאָדימ - באַמערקונגען Rafail Miftachov, דירעקטאָר פון די דעלאָיטטע טעכנאָלאָגיע ינטעגראַטיאָן גרופע, סיס. איצט עס איז אינטערעס אין אַזאַ סאַלושאַנז אין פילע ינדאַסטריז. וואָס האָבן קאָמפּאַניעס אַטשיווד? און טוט גרויס דאַטן אַנאַליסיס שטענדיק פירן צו ווערטפול קאַנקלוזשאַנז?

באַנקס נוצן גרויס דאַטן אַלגערידאַמז בפֿרט צו פֿאַרבעסערן קונה דערפאַרונג און אַפּטאַמייז קאָס, ווי געזונט ווי צו פירן ריזיקירן און קאַמבאַט שווינדל. "אין די לעצטע יאָרן, אַ פאַקטיש רעוואָלוציע איז פארגעקומען אין די פעלד פון גרויס דאַטן אַנאַליסיס," זאגט דוזשינסקי. "די נוצן פון מאַשין לערנען אַלאַוז אונדז צו פאָרויסזאָגן די מאַשמאָעס פון אַנטלייַען פעליקייַט פיל מער אַקיעראַטלי - דילינגוואַנס אין אונדזער באַנק איז בלויז 3,9%." פֿאַר פאַרגלייַך, ווי פון 1 יאנואר 2019, די טיילן פון לאָונז מיט אָוווערדו פּיימאַנץ איבער 90 טעג אויף לאָונז ארויס צו מענטשן איז געווען, לויט די סענטראַל באַנק, 5%.

אפילו מיקראָפינאַנס אָרגאַנאַזיישאַנז זענען פּאַזאַלד דורך די לערנען פון גרויס דאַטן. "צושטעלן פינאַנציעל סערוויסעס אָן אַנאַלייזינג גרויס דאַטן הייַנט איז ווי צו טאָן מאַט אָן נומערן," זאגט אַנדריי פּאָנאָמאַרעוו, סעאָ פון וועבבאַנקיר, אַן אָנליין לענדינג פּלאַטפאָרמע. "מיר אַרויסגעבן געלט אָנליין אָן זען דעם קליענט אָדער זיין פּאַס, און ניט ענלעך טראדיציאנעלן לענדינג, מיר מוזן נישט בלויז אַססעסס די סאָלוואַנסי פון אַ מענטש, אָבער אויך ידענטיפיצירן זיין פּערזענלעכקייט."

איצט די פירמע 'ס דאַטאַבייס סטאָרז אינפֿאָרמאַציע אויף מער ווי 500 טויזנט קאַסטאַמערז. יעדער נייַע אַפּלאַקיישאַן איז אַנאַלייזד מיט די דאַטן אין וועגן 800 פּאַראַמעטערס. די פּראָגראַם נעמט אין חשבון ניט בלויז דזשענדער, עלטער, מעראַטאַל סטאַטוס און קרעדיט געשיכטע, אָבער אויך די מיטל פון וואָס אַ מענטש איז אריין אין דער פּלאַטפאָרמע, ווי ער ביכייווד אויף דעם פּלאַץ. פֿאַר בייַשפּיל, עס קען זיין אַלאַרמינג אַז אַ פּאָטענציעל באַראָוער האט נישט נוצן אַ אַנטלייַען קאַלקולאַטאָר אָדער האט נישט פרעגן וועגן די טערמינען פון אַ אַנטלייַען. "מיט די ויסנעם פון עטלעכע סטאָפּ סיבות - זאָגן מיר טאָן ניט אַרויסגעבן לאָונז צו מענטשן אונטער 19 יאָר אַלט - קיין פון די פּאַראַמעטערס אין זיך איז אַ סיבה פֿאַר אָפּזאָגן אָדער שטימען צו אַרויסגעבן אַ אַנטלייַען," פּאָנאָמאַרעוו דערקלערט. עס איז די קאָמבינאַציע פון ​​סיבות וואָס איז וויכטיק. אין 95% פון קאַסעס, דער באַשלוס איז געמאכט אויטאָמאַטיש, אָן די אָנטייל פון ספּעשאַלאַסץ פון די אַנדעררייטינג אָפּטיילונג.

גרויס דאַטן אַנאַליסיס אַלאַוז אונדז צו באַקומען טשיקאַווע פּאַטערנז, פּאָנאָמאַרעוו שאַרעס. פֿאַר בייַשפּיל, iPhone יוזערז זענען מער דיסאַפּלאַנד באַראָוערז ווי אָונערז פון אַנדרויד דעוויסעס - די ערשטע באַקומען האַסקאָמע פון ​​אַפּלאַקיישאַנז 1,7 מאל מער אָפט. "דער פאַקט אַז מיליטעריש פּערסאַנעל טאָן ניט צוריקצאָלן לאָונז כּמעט אַ פערטל ווייניקער אָפט ווי די דורכשניטלעך באַראָוער איז נישט אַ יבערראַשן," זאגט פּאָנאָמאַרעוו. "אָבער סטודענטן זענען יוזשאַוואַלי ניט דערוואַרט צו זיין אַבלאַגייטיד, אָבער דערווייַל, קאַסעס פון קרעדיט דיפאָלץ זענען 10% ווייניקער פּראָסט ווי די דורכשניטלעך פֿאַר די באַזע."

די לערנען פון גרויס דאַטן אַלאַוז אויך כעזשבן פֿאַר ינשורערז. IDX, געגרינדעט אין 2016, איז פאַרקנאַסט אין ווייַט לעגיטימאַציע און אָנליין וועראַפאַקיישאַן פון דאָקומענטן. די סערוויסעס זענען אין מאָנען צווישן פרייט ינשורערז וואָס זענען אינטערעסירט אין די אָנווער פון סכוירע ווי קליין ווי מעגלעך. איידער ינשורינג די טראַנספּערטיישאַן פון סכוירע, די ינשורער, מיט די צושטימען פון די שאָפער, טשעקס פֿאַר רילייאַבילאַטי, דערקלערט Jan Sloka, געשעפט דירעקטאָר פון IDX. צוזאַמען מיט אַ שוטעף - די פעטערבורג פירמע "ריזיק קאָנטראָל" - IDX האט דעוועלאָפּעד אַ דינסט וואָס אַלאַוז איר צו קאָנטראָלירן די אידענטיטעט פון די שאָפער, פּאַס דאַטן און רעכט, אָנטייל אין ינסאַדאַנץ שייַכות צו די אָנווער פון לאַסט, אאז"ו ו נאָך אַנאַליסיס. די דאַטאַבייס פון דריווערס, די פירמע יידענאַפייד אַ "ריזיקירן גרופּע": רובֿ אָפט, לאַסט איז פאַרפאַלן צווישן דריווערס אַלט 30-40 יאר מיט אַ לאַנג דרייווינג דערפאַרונג, וואָס האָבן אָפט טשיינדזשד דזשאָבס לעצטנס. עס אויך פארקערט אויס אַז די לאַסט איז רובֿ אָפט סטאָלען דורך דריווערס פון קאַרס, די דינסט לעבן פון וואָס יקסידז אַכט יאר.

רעטאַילערס האָבן אַ אַנדערש אַרבעט - צו ידענטיפיצירן קאַסטאַמערז וואָס זענען גרייט צו קויפן און באַשליסן די מערסט עפעקטיוו וועגן צו ברענגען זיי צו די פּלאַץ אָדער קראָם. פֿאַר דעם צוועק, די מגילה אַנאַלייז די פּראָפיל פון קאַסטאַמערז, דאַטן פון זייער פערזענלעכע חשבון, די געשיכטע פון ​​פּערטשאַסאַז, זוכן פֿראגן און די נוצן פון באָנוס פונקטן, די אינהאַלט פון עלעקטראָניש קערב וואָס זיי סטאַרטעד צו פּלאָמבירן און פארלאזן. דאַטאַ אַנאַליטיקס אַלאַוז איר צו סעגמענט די גאנצע דאַטאַבייס און ידענטיפיצירן גרופּעס פון פּאָטענציעל בויערס וואָס קען זיין אינטערעסירט אין אַ באַזונדער פאָרשלאָג, זאגט Kirill Ivanov, דירעקטאָר פון די דאַטן אָפיס פון די M.Video-Eldorado גרופּע.

פֿאַר בייַשפּיל, די פּראָגראַם יידענאַפייד גרופּעס פון קאַסטאַמערז, יעדער פון וואָס לייקס פאַרשידענע פֿאַרקויף מכשירים - אַן אינטערעס-פֿרייַ אַנטלייַען, קאַשבאַקק אָדער אַ אַראָפּרעכענען פּראָמאָ קאָד. די בויערס באַקומען אַן E- בריוו נוזלעטער מיט די קאָראַספּאַנדינג העכערונג. די מאַשמאָעס אַז אַ מענטש, וואָס האט געעפנט דעם בריוו, וועט גיין צו די פירמע 'ס וועבזייַטל, אין דעם פאַל ינקריסיז באטייטיק, יוואַנאָוו הערות.

דאַטאַ אַנאַליסיס אויך אַלאַוז איר צו פאַרגרעסערן פארקויפונג פון פֿאַרבונדענע פּראָדוקטן און אַקסעסעריז. די סיסטעם, וואָס האט פּראַסעסט די סדר געשיכטע פון ​​אנדערע קאַסטאַמערז, גיט די קוינע רעקאַמאַנדיישאַנז אויף וואָס צו קויפן צוזאַמען מיט די אויסגעקליבן פּראָדוקט. טעסטינג פון דעם אופֿן פון אַרבעט, לויט יוואַנאָוו, געוויזן אַ פאַרגרעסערן אין די נומער פון אָרדערס מיט אַקסעסעריז מיט 12% און אַ פאַרגרעסערן אין די ויסקער פון אַקסעסעריז מיט 15%.

רעטאַילערס זענען נישט די בלויז אָנעס וואָס שטרעבונג צו פֿאַרבעסערן די קוואַליטעט פון דינסט און פאַרגרעסערן פארקויפונג. לעצטע זומער, MegaFon לאָנטשט אַ "קלוג" פאָרשלאָג דינסט באזירט אויף די פּראַסעסינג פון דאַטן פון מיליאַנז פון אבאנענטן. נאָך געלערנט זייער נאַטור, קינסטלעך סייכל האט געלערנט צו פאָרעם פערזענלעכע אָפפערס פֿאַר יעדער קליענט אין די טעראַפס. פֿאַר בייַשפּיל, אויב די פּראָגראַם הערות אַז אַ מענטש איז אַקטיוולי וואַטשינג ווידעא אויף זיין מיטל, די דינסט וועט פאָרשלאָגן אים צו יקספּאַנד די סומע פון ​​רירעוודיק פאַרקער. גענומען אין חשבון די פּרעפֿערענצן פון יוזערז, די פירמע גיט אבאנענטן אַנלימאַטאַד פאַרקער פֿאַר זייער באַליבסטע טייפּס פון אינטערנעט פרייַע צייַט - למשל, ניצן רעגע שליחים אָדער צוגעהערט מוזיק אויף סטרימינג באַדינונגס, שמועסן אויף געזעלשאַפטלעך נעטוואָרקס אָדער וואַטשינג טעלעוויזיע שאָוז.

"מיר אַנאַלייז די נאַטור פון אבאנענטן און פֿאַרשטיין ווי זייער אינטערעסן זענען טשאַנגינג," דערקלערט וויטאַלי שטשערבאַקאָוו, דירעקטאָר פון גרויס דאַטן אַנאַליטיקס אין MegaFon. "למשל, דעם יאָר, AliExpress פאַרקער איז געוואקסן 1,5 מאל קאַמפּערד מיט לעצטע יאָר, און אין אַלגעמיין, די נומער פון וויזיץ צו אָנליין קליידער סטאָרז איז גראָוינג: 1,2-2 מאל, דיפּענדינג אויף די ספּעציפיש מיטל."

אן אנדער ביישפּיל פון די אַרבעט פון אַ אָפּעראַטאָר מיט גרויס דאַטן איז די MegaFon Poisk פּלאַטפאָרמע פֿאַר זוכן פֿאַר פעלנדיק קינדער און אַדאַלץ. די סיסטעם אַנאַליזירט וועלכע מענטשן קענען זיין נעבן דעם ארט פונעם פארפעלטן, און שיקט זיי אינפארמאציע מיט א פאָטאָ און סימנים פונעם פארפעלטן. דער אָפּעראַטאָר דעוועלאָפּעד און טעסטעד די סיסטעם צוזאַמען מיט דער מיניסטעריום פון אינערלעכער אַפפאַירס און די ליסאַ אַלערט אָרגאַניזאַציע: אין צוויי מינוט פון אָריענטירונג צו די פעלנדיק מענטש באַקומען מער ווי 2 טויזנט אבאנענטן, וואָס באטייטיק ינקריסיז די גיכער פון אַ מצליח זוכן רעזולטאַט.

גרויס דאַטן אַנאַליסיס האט אויך געפֿונען אַפּלאַקיישאַן אין אינדוסטריע. דאָ עס אַלאַוז איר צו פאָרויסזאָגן פאָדערונג און פּלאַן פארקויפונג. אַזוי, אין די טשערקיזאָוואָ גרופּע פון ​​קאָמפּאַניעס, מיט דריי יאָר צוריק, אַ לייזונג באזירט אויף SAP BW איז ימפּלאַמענאַד, וואָס אַלאַוז איר צו קראָם און פּראָצעס אַלע פארקויפונג אינפֿאָרמאַציע: פּרייסאַז, סאָרטירונג, פּראָדוקט וואַליומז, פּערמאָושאַנז, פאַרשפּרייטונג טשאַנאַלז, זאגט וולאַדיסלאַוו בעליאַעוו, סי.איי.עי. פון דער גרופּע "טשערקיזאָוואָ. די אַנאַליסיס פון די אַקיומיאַלייטיד 2 טב פון אינפֿאָרמאַציע ניט בלויז געמאכט עס מעגלעך צו יפעקטיוולי פאָרעם די סאָרטירונג און אַפּטאַמייז די פּראָדוקט פּאָרטפעל, אָבער אויך פאַסילאַטייטיד די אַרבעט פון עמפּלוייז. פֿאַר בייַשפּיל, פּריפּערינג אַ טעגלעך פארקויפונג באַריכט וואָלט דאַרפן אַ טאָג אַרבעט פון פילע אַנאַליס - צוויי פֿאַר יעדער פּראָדוקט אָפּשניט. איצט דעם באַריכט איז צוגעגרייט דורך די ראָבאָט, ספּענדינג בלויז 30 מינוט אויף אַלע סעגמאַנץ.

"אין אינדוסטריע, גרויס דאַטן אַרבעט יפעקטיוולי אין קאַנדזשאַנגקשאַן מיט די אינטערנעט פון טינגז," זאגט סטאַניסלאַוו מעשקאָוו, סעאָ פון Umbrella IT. "באַזירט אויף די אַנאַליסיס פון דאַטן פון די סענסאָרס וואָס די ויסריכט איז יקוויפּט מיט, עס איז מעגלעך צו ידענטיפיצירן דיווייישאַנז אין זייַן אָפּעראַציע און פאַרמייַדן ברייקדאַונז און פאָרויסזאָגן פאָרשטעלונג."

אין סעווערסטאַל, מיט די הילף פון גרויס דאַטן, זיי זענען אויך טריינג צו סאָלווע גאַנץ ניט-ניט-ניטוויאַל טאַסקס - למשל, צו רעדוצירן שאָדן רייץ. אין 2019, די פירמע אַלאַקייטיד וועגן RUB 1,1 ביליאָן פֿאַר מיטלען צו פֿאַרבעסערן אַרבעט זיכערקייַט. סעווערסטאַל יקספּעקץ צו רעדוצירן די שאָדן קורס מיט 2025% דורך 50 (קאַמפּערד צו 2017). "אויב אַ ליניע פאַרוואַלטער - פאָרמאַן, פּלאַץ פאַרוואַלטער, קראָם פאַרוואַלטער - באמערקט אַז אַן אָנגעשטעלטער פּערפאָרמז זיכער אַפּעריישאַנז אַנסייף (האַלט נישט אויף די כאַנדריילז ווען קליימינג טרעפּ אין די ינדאַסטריאַל פּלאַץ אָדער טראָגן נישט אַלע פערזענלעכע פּראַטעקטיוו עקוויפּמענט), ער שרייבט אויס א ספעציעלע נאטיץ צו אים - PAB (פון "ביכייוויעראַל זיכערהייט קאָנטראָלירן")," זאגט באָריס וואָסקרעסענסקי, הויפּט פון דער פירמע 'ס דאַטן אַנאַליסיס אָפּטיילונג.

נאָך אַנאַליסיס דאַטן וועגן די נומער פון PAB אין איינער פון די דיוויזשאַנז, די פירמע 'ס ספּעשאַלאַסץ געפונען אַז זיכערקייַט כּללים זענען מערסט אָפט ווייאַלייטיד דורך די וואס האָבן שוין געהאט עטלעכע רימאַרקס פריער, ווי אויך דורך די וואס זענען אויף קראַנק לאָזן אָדער אויף וואַקאַציע באַלד פריער די אינצידענט. ווייאַליישאַנז אין דער ערשטער וואָך נאָך צוריקקומען פון וואַקאַציע אָדער קראַנק לאָזן זענען צוויי מאָל ווי הויך ווי אין די סאַבסאַקוואַנט צייַט: 1 קעגן 0,55%. אבער ארבעטן אויף די נאַכט שיפט, ווי עס פארקערט אויס, טוט נישט ווירקן די סטאַטיסטיק פון פּאַבס.

שאפן אַלגערידאַמז פֿאַר פּראַסעסינג גרויס דאַטן איז נישט די מערסט שווער טייל פון דער אַרבעט, פירמע פארשטייערס זאָגן. עס איז פיל מער שווער צו פֿאַרשטיין ווי די טעקנאַלאַדזשיז קענען זיין געווענדט אין דעם קאָנטעקסט פון יעדער ספּעציפיש געשעפט. דאָס איז ווו די אַטשיללעס 'פּיאַטע פון ​​פירמע אַנאַליס און אפילו פונדרויסנדיק פּראַוויידערז ליגט, וואָס, עס וואָלט ויסקומען, האָבן אַקיומיאַלייטיד עקספּערטיז אין די פעלד פון גרויס דאַטן.

"איך אָפט באגעגנט גרויס דאַטן אַנאַליס וואָס זענען געווען ויסגעצייכנט מאַטהעמאַטיקס, אָבער האט נישט האָבן די נייטיק פארשטאנד פון געשעפט פּראַסעסאַז," זאגט סערגיי קאָטיק, דירעקטאָר פון אַנטוויקלונג אין GoodsForecast. ער ריקאָלז ווי צוויי יאָר צוריק זיין פירמע האט די געלעגנהייט צו אָנטייל נעמען אין אַ פאָדערונג פאָרויסזאָגן פאַרמעסט פֿאַר אַ פעדעראלע רעטאַיל קייט. א פּילאָט געגנט איז אויסדערוויילט, פֿאַר אַלע סכוירע און סטאָרז פון וואָס די פּאַרטיסאַפּאַנץ געמאכט פאָרקאַסץ. די פאָרקאַסץ זענען דעמאָלט קאַמפּערד מיט פאַקטיש פארקויפונג. דער ערשטער אָרט איז גענומען דורך איינער פון די רוסישע אינטערנעט דזשייאַנץ, באַוווסט פֿאַר זייַן עקספּערטיז אין מאַשין לערנען און דאַטן אַנאַליסיס: אין זייַן פאָרקאַסץ, עס געוויזן אַ מינימאַל דיווייישאַן פון פאַקטיש פארקויפונג.

אבער ווען די נעץ אנגעהויבן צו לערנען זייַן פאָרקאַסץ אין מער דעטאַל, עס פארקערט אויס אַז פֿון אַ געשעפט פונט פון מיינונג, זיי זענען לעגאַמרע אַנאַקסעפּטאַבאַל. די פירמע ינטראָודוסט אַ מאָדעל וואָס געשאפן פארקויפונג פּלאַנז מיט אַ סיסטעמאַטיש אַנדערסטייטמאַנט. די פּראָגראַם פיגיערד אויס ווי צו מינאַמייז די מאַשמאָעס פון ערראָרס אין פאָרקאַסץ: עס איז סאַפער צו אַנדערעסטאַמאַט פארקויפונג, ווייַל די מאַקסימום טעות קענען זיין 100% (עס זענען קיין נעגאַטיוו פארקויפונג), אָבער אין דער ריכטונג פון פאָרויסזאָגן, עס קען זיין אַרביטרעראַלי גרויס, קאָטיק דערקלערט. אין אנדערע ווערטער, די פירמע דערלאנגט אַן אידעאל מאַטאַמאַטיקאַל מאָדעל, וואָס אין פאַקטיש טנאָים וואָלט פירן צו האַלב-ליידיק סטאָרז און ריזיק לאָססעס פון אַנדערסאַלעס. ווי אַ רעזולטאַט, אן אנדער פירמע וואַן די פאַרמעסט, וועמענס חשבונות קען זיין דורכגעקאָכט אין פיר.

גרויס דאַטן טעקנאַלאַדזשיז זענען באַטייַטיק פֿאַר פילע ינדאַסטריז, אָבער זייער אַקטיוו ימפּלאַמענטיישאַן איז נישט אומעטום, מעשקאָוו הערות. פֿאַר בייַשפּיל, אין כעלטקער עס איז אַ פּראָבלעם מיט דאַטן סטאָרידזש: אַ פּלאַץ פון אינפֿאָרמאַציע איז אַקיומיאַלייטיד און עס איז קעסיידער דערהייַנטיקט, אָבער פֿאַר די רובֿ טייל די דאַטן זענען נישט דידזשאַטייזד. עס איז אויך אַ פּלאַץ פון דאַטן אין רעגירונג יידזשאַנסיז, אָבער זיי זענען נישט קאַמביינד אין אַ פּראָסט קנויל. די אַנטוויקלונג פון אַ יונאַפייד אינפֿאָרמאַציע פּלאַטפאָרמע פון ​​​​די נאַשאַנאַל דאַטאַ מאַנאַגעמענט סיסטעם (NCMS) איז אַימעד צו סאָלווע דעם פּראָבלעם, דער מומחה זאגט.

אָבער, אונדזער לאַנד איז ווייַט פון די בלויז לאַנד ווו אין רובֿ אָרגאַניזאַציעס וויכטיק דיסיזשאַנז זענען געמאכט אויף די יקער פון ינטוישאַן, און נישט די אַנאַליסיס פון גרויס דאַטן. אין אפריל לעצטע יאָר, Deloitte דורכגעקאָכט אַ יבערבליק צווישן מער ווי אַ טויזנט פירער פון גרויס אמעריקאנער קאָמפּאַניעס (מיט אַ שטעקן פון 500 אָדער מער) און געפונען אַז 63% פון די סערווייד זענען באַקאַנט מיט גרויס דאַטן טעקנאַלאַדזשיז, אָבער טאָן ניט האָבן אַלע די נויטיק. ינפראַסטראַקטשער צו נוצן זיי. דערווייַל, צווישן די 37% פון קאָמפּאַניעס מיט אַ הויך מדרגה פון אַנאַליסיס צייַטיקייַט, כּמעט האַלב האָבן באטייטיק יקסיד די געשעפט גאָולז אין די לעצטע 12 חדשים.

די לערנען אנטפלעקט אַז אין אַדישאַן צו די שוועריקייט פון ימפּלאַמענינג נייַע טעכניש סאַלושאַנז, אַ וויכטיק פּראָבלעם אין קאָמפּאַניעס איז די פעלן פון אַ קולטור פון ארבעטן מיט דאַטן. איר זאָל נישט דערוואַרטן גוט רעזולטאַטן אויב די פֿאַראַנטוואָרטלעכקייט פֿאַר דיסיזשאַנז געמאכט אויף די יקער פון גרויס דאַטן איז אַסיינד בלויז צו די אַנאַליס פון די פירמע, און נישט צו די גאנצע פירמע. "איצט קאָמפּאַניעס זענען קוקן פֿאַר טשיקאַווע נוצן קאַסעס פֿאַר גרויס דאַטן," זאגט מיפטכאָוו. "אין דער זעלביקער צייט, די ימפּלאַמענטיישאַן פון עטלעכע סינעריאָוז ריקווייערז ינוועסטמאַנץ אין סיסטעמען פֿאַר קאַלעקטינג, פּראַסעסינג און קוואַליטעט קאָנטראָל פון נאָך דאַטן וואָס זענען נישט אַנאַלייזד פריער." וויי, "אַנאַליטיקס איז נישט נאָך אַ מאַנשאַפֿט ספּאָרט," די מחברים פון די לערנען אַרייַנלאָזן.