目次:
ビジネスの世界では、データの発見が話題になっています。 表面的には単純な用語のように見えますが、このキャッチフレーズは「ものを見つける」以上のものを意味します。 それでは、実際にデータ検出とは何ですか？ そして、モバイル、分析、ビッグデータの現代の状況にどのように適合するのでしょうか？
データマイニングと呼ばれることもあるデータディスカバリには、データの収集と分析が含まれ、検出結果を読み取り可能な使用可能な形式で提示します。 最も基本的な用語では、データディスカバリとは、データ内のパターンを見つけ、それらのパターンを使用して特定のビジネス目標を達成するプロセスです。
もちろん、データの発見には、ポイントの一致以上のものがあります。 組織は、さまざまな分野の幅広い目標とアプリケーションにデータ検出を使用しています。そして、現代のデジタル世界では、これまで以上に多くのデータが検出されています。
データ検出はどこから来たのですか？
データ検出は、デジタルビジネス用語の「ホット」レキシコンにとって比較的新しいものですが、方法と戦略はそれほど新しいものではありません。 この用語の前身であるデータマイニングは1990年代に導入されましたが、商取引のbeen明期から企業や組織は何らかの形のデータ発見を使用してきました。
ビジネス戦略としての現代のデータ発見は、ビッグデータの台頭によってもたらされました。これは、従来のデータベースと組織ツールを使用して大量の情報を排除する、大規模で複雑なデータセットの比較的最近の指数関数的な成長を表す包括的用語です有用なものをすべて抽出します。
ただし、構造化データと非構造化データはすべて、マーケティング戦略、ROI、利益を改善するために使用できる非常に有用なパターンであるため、ビッグデータは今日のビジネスにとって大きな問題です。 したがって、データ検出プラットフォームは、組織が関連データを簡単に特定、分析、抽出する方法を提供するように設計されています。
データ検出の仕組み
データ検出用のプラットフォームは通常、いくつかのツールで構成されており、それらは一緒にバンドルされており、連携してデータを抽出し、意味のある方法で提示します。 これらのツールが関連情報を見つけて識別する方法はいくつかありますが、それらのほとんどは3つの基本的な分析方法を中心に展開されます。- メタデータ：すべてのデジタルコンテンツには、メタデータ、または「データに関するデータ」が含まれています。 通常、この情報はエンドユーザーには表示されませんが、バックエンドでは表示されます。 メタデータは通常、テーブルと列の属性を使用して保存されます。したがって、メタデータを使用するデータ検出ツールは、列名、データサイズ、およびデータ型の一致を探します。
- ラベル：多くの場合、データは生成され、そのグループ内のデータを記述するラベルまたはタグの下にグループ化されます。 これらのタグは、データの作成時に生成されるか、参照および追加情報のために追加できます。 ラベルまたはタグはメタデータに似ていますが、正式ではありません。
- コンテンツ：この戦略は、ラベルやメタデータを添付するのではなく、データ自体を分析します。
データが分析されると、他のデータ検出ツールを使用して、検出された関係、傾向、またはパターンを有用な形式で提示できます。 グラフ、表、およびチャートは、データ検出に使用される基本的なプレゼンテーションツールですが、インフォグラフィックなどのより複雑で読みやすいプレゼンテーションは、データアナリストに好まれています。
データディスカバリーでできること
実際の使用に関しては、データ検出プラットフォームとツールの使用はほぼ無制限です。 これらの方法と戦略は、小売、金融、通信、マーケティングなど、ほぼすべての業界の消費者向け組織で最も一般的に使用されていますが、非営利団体、企業間組織、政府機関もこのテクノロジーを利用しています。
データの発見により、組織は内部要因（価格、製品のポジショニング、従業員のパフォーマンスなど）と外部要因（競争データ、経済指標、顧客人口統計など）の関係を見つけることができます。 これらの関係は、企業が販売、顧客エンゲージメント、および利益に及ぼす1つ以上の要因の変更の影響を示し、定義するのに役立ちます。
データ検出に使用されるツールは、影響力のある要因のより詳細な図を提供し、企業はターゲットを絞った情報でマーケティング戦略と広告キャンペーンを微調整できます。 人気のあるストリーミングビデオサービスであるNetflixの推奨エンジンは、仕事中のデータ検出テクノロジーの良い例です。 このサービスは、顧客の視聴履歴に関する外部データとデータベース内のメディアコンテンツに関する内部データを使用して、顧客が興味を持つ可能性のある新しいビデオの個別の提案を行います。
しかし、データ検出の潜在的な用途は、小売消費者を超えています。 1つの例は、全米バスケットボール協会（NBA）が使用するプログラムであるAdvanced Scoutソフトウェアです。 バスケットボールの試合の画像記録から選手の動きを分析し、コーチが戦略を立て、プレーを調整するのを助けます。
データ検出プラットフォームが進歩し、テクノロジーがより手頃な価格になると、より多くの組織がこれらのツールを使用して顧客をよりよく理解し、誰にとっても商取引を改善する独自のカスタマイズされた製品を提供できるようになります。
