a:

Nyttigheden af ​​enhver datatype eller datakilde afhænger af typen af ​​analyser, der udføres. For nogle virksomheder fungerer dataanalyse som et værktøj til real-time intelligensindsamling og præstationsmåling. En anden virksomhed kan bruge rent beskrivende analyse, der fokuserer på profilering, segmentering og forbrugeridentifikation. En mere ambitiøs version af dataanalys er bekymret for at omdanne data til forudsigelser - spørger ikke kun hvad der er, men hvad der vil være. Den hurtigste stigende anvendelse af data i forretningsanalyse kaldes optimering, hvor forskellige typer data sammenlignes for at maksimere effektiviteten i målrettede resultater.

Data er vigtig, når den er blevet raffineret til et nyttigt værktøj. For at sætte dette i perspektiv skal du tænke på uraffinerede data som om det var uaffineret olie: det er muligt at indsamle store mængder data, men det skal omdannes til et nyttigt produkt for at være værdifuldt i økonomisk forstand. Ansøgningen skal udvindes ud af dataene. Virksomhedsanalysens rolle er at forbedre dataene.

Overvej følgende eksempel: Firma ABC sælger legetøjsbiler. Ledelsen beslutter, at den ønsker at forstå sit potentielle marked, men det kan ikke afgøre, hvilken type data der skal indsamles. Skal det se på købsmønstre i rigtige biler? Skal det tage undersøgelser af de foretrukne legetøjsfarver til børn? Skal det se på etnicitet, religion, køn eller indkomst på målmarkedet?

Virksomheden ABC ville sandsynligvis ikke begynde at indsamle data på forbrugernes spisevaner. Der ser ikke ud til at være meget sammenhæng mellem spisning og legetøjsbil køb. Selv hvis medarbejderne havde bemærkelsesværdige statistiske modelleringsværktøjer og kunne udføre komplekse økonometriske undersøgelser, er disse data usandsynligt vigtige.

De vigtigste data er de data, der giver den største konkurrencefordel. Minedrift og raffinering er ikke en omkostningsfri proces. Virksomheder bør søge efter data, der giver det højeste afkast af deres forretningsanalyseinvesteringer.