Warum ist die Data Productivity Cloud so wichtig?
Daten sind das Lebenselixier eines jeden Unternehmens. Jede Kundentransaktion wird in digitaler Form erfasst. In Social media werden die Marktstimmung und das Kundenfeedback zu einem Produkt oder einer Dienstleistung erfasst. Um wettbewerbsfähig zu bleiben, muss ein Unternehmen auf seine internen Abläufe und die externen Einflüsse auf seine Leistung achten. Teams müssen datenbasiert, fundierte operative Entscheidungen treffen, um produktiv zu sein.
Vermutungen sind nicht produktiv. Genaue Erkenntnis sind von großer Bedeutung. Wenn eine betriebliche Entscheidung nicht zu den gewünschten Ergebnissen führt, braucht ein Unternehmen Daten, die es informieren, damit es die entsprechenden Kurskorrekturen vornehmen kann. Cloud ermöglichen es Unternehmen, schnell zu handeln, da sie die benötigten Ressourcen On Demand bereitstellen können, ohne IT-Ressourcen im Voraus zu beschaffen. Wenn sich der Markt zu Ihren Gunsten entwickelt, müssen Sie in der Lage sein, die Chance zu nutzen, bevor sie verpufft.
Einsatzmöglichkeiten für eine Data Productivity Cloud
Nachdem wir nun die Komponenten skizziert haben, die für eine produktive Visualisierung von Cloud Daten erforderlich sind, können wir einige Anwendungsfälle betrachten, in denen Teams Erkenntnisse aus Betriebsdaten nutzen können.
Vertrieb
In der Anfangsphase des Verkaufszyklus kommt es auf jede Minute der Reaktionsfähigkeit an, wenn Sie die Agenda für den potenziellen Kunden vor der Konkurrenz festlegen wollen. Da der Vertriebsinnendienst in der Regel den Erstkontakt mit einem potenziellen Kunden herstellt, muss er jeden seiner Schritte verfolgen, der für ein Gespräch relevant sein könnte. Ein dashboard , das die Lead-Scores aus den Vertriebs- und Marketingsystemen verfolgt, ermöglicht es dem Vertriebsteam, sich auf die aktivsten Leads zu konzentrieren und auf jede Aktivität, wie z. B. den Download eines Whitepaper oder das Ausfüllen eines Webinar-Formulars, mit einer maßgeschneiderten Antwort zu reagieren.
Gaming
Glücksspielunternehmen verlassen sich nicht auf Dashboards; sie müssen programmatisch auf die Aktivitäten der Spieler reagieren. Wenn beispielsweise das Aktivitätsprotokoll eines Sportwettenden ein Interesse an einer bestimmten Liga, Mannschaft oder einem Spieler erkennen lässt, können die Anzeigen und Spielempfehlungen entsprechend priorisiert werden.
Marketing
Outbound-Marketing-Aktivitäten wie "Nurture"-E-Mails müssen so zielgerichtet wie möglich auf die Zielgruppe zugeschnitten sein. Anstatt allen Mitgliedern der Unternehmensliste dieselbe E-Mail zu schicken, können Marketing-Automatisierungssysteme wie Marketo und Hubspot die Zielgruppe mithilfe intelligenter Kontaktlisten segmentieren. Diese dynamischen Listen können bis zur letzten Minute auf der Grundlage der jüngsten Aktivitäten der Abonnenten gefiltert werden. So kann DiscoverOrg beispielsweise melden, dass einige Abonnenten Informix installiert haben, und zwar auf der Grundlage aktueller Stellenanzeigen. Das Marketingteam kann ein Segment erstellen, das neben den regelmäßigen Inhalten auch Nachrichten über diese spezielle Technologie erhält.
Logistik
Ein perfekter Einsatz der Geolokalisierungstechnologie ist die Verwendung von Geozäunen, die einem Hersteller mitteilen, dass sich Rohstoffe und Teile im Umkreis von 10 Meilen um das Werk befinden. Die Cloud kann die SMS-Benachrichtigung über die sich nähernde Lkw-Ladung abonnieren und das Tor so steuern, dass der Anhänger an dem Werkstor geparkt wird, das dem aufzufüllenden Teilelager am nächsten liegt, wodurch das Risiko von Produktivitätsverlusten aufgrund von Verzögerungen bei der Lieferung von Teilen minimiert wird.
Was sind die Komponenten einer Data Productivity Cloud?
Eine Cloud muss multiple data Funktionen bieten, um die Datenanalyse produktiver zu machen. Dazu gehören:
Datenproduktivität Cloud & Konnektivität
Für analytische Dashboards werden Daten aus mehreren Quellsystemen benötigt. Vorgefertigte Konnektoren zu bestehenden Quellen, einschließlich Datenbanken, Flat Files, Protokollen, social media Streams und operativen Anwendungen wie SAP, Salesforce und ServiceNow, sind unerlässlich. Datenintegrationstechnologie wie Actian DataConnect umfasst solche Konnektoren.
Orchestrierung
Die Weiterleitung von Rohdaten an Systeme, die sie analysieren können, erfordert die Orchestrierung multiple data , die in der Lage sein müssen, die Daten zu transportieren, zu planen, zu bereinigen und für die Analyse umzuwandeln.
Speicher für Datenproduktivität Cloud
Cloud wie Azure, AWS und Google Cloud bieten unbegrenzte Kapazität und scalability für die Speicherung großer Datenmengen. Die Plattform muss mehrere Speicherformate und Zugriffsmethoden unterstützen, einschließlich Streaming und Abonnementmechanismen. Blockspeicher ermöglicht die Zuweisung von Dateispeicher über standardmäßige Anwendungsprogrammierschnittstellen (APIs), ohne dass man sich Gedanken über das Auffüllen von Festplattenvolumina machen muss, die ansonsten überwacht und verwaltet werden müssten.
Analytik
Um aussagekräftige Erkenntnisse aus Daten zu gewinnen, müssen diese analysiert werden. Die Analyseverarbeitung kann in Form von SQL-Funktionen wie Aggregationen, Nutzer Funktionen zur Ausführung von Programmen, die Berechnungen durchführen, oder Maschinelles Lernen , die nach versteckten Korrelationen suchen, erfolgen.
Präsentation
Visualisierungen sind der Schlüssel zur einfachen Kommunikation von Datenergebnissen. Eine Cloud muss mit Business Intelligence wie Tableau, Qlik und Power BI zusammenarbeiten, um Dashboards in Echtzeit zu erstellen.
Actian Data Platform
Die Actian Data Platform kann als Rückgrat jeder Cloud eingesetzt werden. Ihre Funktionen umfassen integrierte Verbindungen zu Hunderten von Datenquellen, Orchestrierung und Planung von Datenpipelines, effiziente Cloud und Konnektivität zu allen BI-Lösungen.
