Probleemi (juhtumi) analüüs (0)

ARTIKLID
7. Kasutades mingi ettevõtte/asutuse kohta artiklit internetist tooge selle alusel välja: a. Miks on „big data“ äride jaoks nii huvitav? b. Milliseid väljakutseid see endaga kaasa toob? c. Milliseid tehnoloogiaid „big data“ haldamiseks kasutatakse?
A. Big Data on äride jaoks huvitav, sest otseselt selle üle neil kontrolli ei ole.
Big Data puhul on tavaliselt tegu väga suurte andmemahtudega. Näiteks sotsiaalmeedia postitused, võrguliikluse ja sisselogimiste logid jms.
Big Data erineb klassikalisest ärianalüüsist. Big Data-s kasutatakse Discovery -lähenemist, otsitakse seoseid sealt, kus need esmapilgul puuduvad. Ehk sisuliselt loodetakse komistada huvitavate seoste otsa.
Big Data abil saavad ärid paremini mõista klientide ostukäitumist.
C. Analüüsiks on enamasti hädavajalik spetsiaalne tarkvaraplatvorm nagu näiteks QlikView või Sense.
Big Datas kasutatakse järgmisi tehnoloogiaid:
1) SAS Grid Computing
2) SAS In-Database
3) SAS In- Memory Analytics
Kasutatud Allikad:
http://juhtimisinfo.ee/2016/08/kuidas-toetab-big-data-minu-ettevotet/
Seejärel hakati mudelisse lisama täiendavaid andmehulkasid ning üks neist sisaldas infot hollandlaste ülemiste hingamisteede haiguste – köha ja nohu – esinemissageduste kohta. Peale selle teguri lisamist hakkas prognoosimudel ootamatult tööle! Selgus, et autojuhtide tervisel oli oluline mõju liikluskoormuste muutusele.
 
Esimene samm: töö oma ettevõtte sees
Kõigepealt tuleks pöörata pilk ettevõtte enda sisse, vaadata otsa olemasolevatele andmetele. Seejärel leida üles ettevõtte strateegilisi eesmärke kõige enam mõjutavad tegurid ning nendega seonduvalt  hakata mõõtma nii võtmetulemusi kui ka neid tulemusi enim mõjutavad tegevusi.
Ettevõtte analüüsivõimekuse tõstmisel ja lahenduste juurutamisel soovitan kasutada võimalikult palju juba olemasolevat infot. Kõigepealt tasub hoolikalt läbi mõelda, mismoodi ettevõtte sees kogutud andmed saavad ettevõttele lisaväärtust luua. Teiseks tasub noppida lihtsad võidud kõigepealt: alusta kergematest äriküsimustest, mille lahendamiseks on juba tarvilikud algoritmid loodud. Näiteks on olemas vastavad algoritimid, mis analüüsivad ja ennustavad, millised kliendid hakkavad lahkuma või millised on need tooted, mida kliendid järgmisena ostaksid.
Andmeanalüüsi tähtsaim küsimus ongi see, kuidas andmed ettevõtte jaoks tööle panna. Kui andmed ei ole presenteeritud arusaadaval viisil, on need lihtsalt rida numbreid . Samuti peavad andmed olema õiged ning korrektselt analüüsitud. Analüüsiks on enamasti hädavajalik spetsiaalne tarkvaraplatvorm nagu näiteks QlikView või Sense.
 
Teine samm: töö väliste andmetega
Alles siis kui ettevõtte sisestele andmetele on tiir peale tehtud, võiks hakata mõtlema, milliseid ettevõttest väljaspool olevaid andmed on võimalik oma andmetega seostada nii, et tekib juurde uut teadmist. Ehk piltlikult öeldes – enne kui uurida ilma mõju oma müügitulemustele, võiks olla ees detailne pilt nii oma klientide käitumisest ning neid mõjutavatest ettevõttesisestest teguritest nagu hinnatundlikus, lisatoodete pakkumine, tarnekiirus, kliendihalduri persoon aga ka teiste sarnaste näitajatega klientide käitumismuster.
Edukaks andmeanalüüsi eelduseks peetakse viit komponenti: inimesed ehk tööjõud , vastav oskusteave, andmeanalüüsi tööriistad, kvaliteetsed andmed ning ettevõtte kultuur, mis toetaks faktipõhist otsustamist. Big Datat ei kasutata enamasti laialdasemalt mitte tehniliste vahendite puudumise tõttu, vaid eelkõige tööjõu puuduse tõttu – organisatsioonis ei leidu sobivat isikut, kes vastutuse enda õlule võtaks.
http://www.konverentsid.ee/uudised/2014/02/11/andres-susi-kuidas-komistada-huvitavate-seoste-otsa
Andres Susi : kuidas komistada huvitavate seoste otsa?
Oma klientide eelistuste, harjumuste ja ostukäitumise mõistmiseks on hulk ettevõtteid pööranud big data usku. Nad otsivad kliendiandmete rägastikust olulisi seoseid ning panevad need kliendi ja enda kasuks tööle. Sellest, kuidas läheneda õigetele klientidele õigete pakkumistega, tuleb Pärnu Finantskonverentsile kõnelema Cherry Media kaasasutaja Andres Susi. Millistele alateemadele oma ettekandes keskendud? Räägin sellest, kuidas ja milliseid andmeid oma ärianalüüsis kasutame, milliseid hüpoteese seame ja kuidas neid kontrollime. Püüan vastata küsimustele, kas ja millises mahus peaks üldse oma äri andmete põhjal analüüsima, kas see annab reaalset efekti või on tegu big data firmade täispuhutud turundusmulliga. Mille poolest erineb big data tavapärasest analüüsist, mis põhineb uuringute ja kliendihaldussüsteemi andmetel? Suurema osa ettevõtete jaoks ei ole big data midagi muud kui uus turunduspakend vanale heale  business intelligence´ile. Erinevus on selles, et big data all peetakse praegusel ajal silmas märksa suuremaid andmemassiive, struktureerimata infot ning tihti lähenetakse sellele discoveryseisukohalt. Klassikaliselt lähenetakse ärianalüüsile nii, et püstitatakse hüpotees ja siis otsitakse vastust, discovery- lähenemisel otsitakse seoseid sealt, kus need esmapilgul puuduvad. Ehk sisuliselt loodetakse komistada huvitavate seoste otsa. On see ühtviisi oluline ja kasulik kõikidele ettevõtetele, sõltumata sektorist ja arengufaasist? Kindlasti peaks andmepõhist lähenemist kasutama igas arengufaasis ja igas sektoris. Küll aga võib erineda selle maht. Uut äri alustades on andmeid lihtsalt vähem ja palju saab teha nii-öelda põlve otsas. Kui andmeid on aga miljonites data-pointides, tekib juurde järjest rohkem võimalusi – nii selle osas, kuidas ja mida analüüsida, kui ka selle osas, millise statistilise tõenäosusega analüüsi tulemusi uskuda võib. 
http://www-1.ms.ut.ee/ess/ESS24/Ettekannete%20slaidid/Bogdanov_Mis_On_BIGDATA.pdf
Sage trend on see, et ettevõtted koguvad oma klientide kohta lademetes infot, kuid kasutavad sellest imeväikest osa. Kas teie kogemus näitab ka seda, kuidas jõuda teadmisest tulemusteni? Jah, see on tüüpiline käitumine. Seda ei saa pahaks panna – esimene asi, mida tegema peab, ongi andmete kogumine. Palju oleneb ka ettevõtte faasist. Cherry’s me samuti paaril esimesel aastal suurt midagi ei analüüsinud, üksnes kõige lihtsamaid ja käegakatsutavamaid asju. Alles nüüd, kolm aastat pärast käivitamist, oleme jõudnud palju sügavama analüüsini. Kuid ka meil on veel 99 protsenti teed minna. Tood ehk mõne näite, kuidas ettevõtted big data rakendamisest võidavad? Mida see võimaldab näha ja teha?Näiteid on palju. Alates sellest, milline võiks olla efektiivsem tootemiks ja milliseid pakkumisi tuleks lisaks teha – ning seda kõike olenevalt kliendi eelnevast ostukäitumisest. Kuidas personaliseerida kliendi kogemust selle põhjal, mida tema kohta teame, kuidas mõjutab sotsiaalmeedia aktiivsus või tonaalsus ostukäitumist, millised on kohortide erisused aja või kanalite lõikes, kuidas mõjutab esimene ost edasist ostukäitumist – need on vaid üksikud näited selle kohta, mida big data aitab paremini mõista. Kuidas teha koormavate masspakkumiste asemel tulemuslikumaid valikuid , räägib Andres Susi lähemalt 10.-11. aprillini toimuval Pärnu Finantskonverentsil. Soodusregistreerimine kestab 21. veebruarini ja kirja saab end panna SIIN. 
4. Kasutades mingi ettevõtte/asutuse kohta artiklit internetist tooge selle alusel välja: a. Milliseid ärilisi eeliseid (kasusid) pakuvad pilvearvutuse teenused ( cloud computing services )? b. Milliseid probleeme need lahendavad ? c. Millised on pilvearvutuse (cloud computing) puudused? d. Milliste aspektidega on vaja arvestada