Foto

Dreamstime.com

3 myter om stordata

Publisert: 1. april 2015 kl 08.30
Oppdatert: 1. april 2015 kl 08.43

Mange selskaper sitter på store mengder data om kundene sine som er samlet inn fra ulike kilder; fra sosiale medier, kundedatabaser etc. Det fremstilles ofte som om stordata, nettbaserte verktøy og nye teknikker for dataanalyse skal revolusjonere markedsføring. Det konstaterer Joerg Niessing fra Insead og konsulent James Walker i et innlegg hos Insead Insight.

Mange har imidlertid for store forventninger til hvor "lett" det skal være å analysere stordata, mener de to, som viser til at i praksis er denne måten å jobbe på både uoversiktlig og svært arbeidskrevende.

I innlegget sitt lister de opp myter om stordata. Dette er tre av dem:

  • Det er stort
    Stordata er ikke "stort". "Stor" er en villedende betegnelse, mener Niessing og Walker, som mener at  "mangfoldig" er et ord som gir en bedre beskrivelse. Det dette handler om, er datapunkter i store mengder, som oppdateres veldig raskt - i sanntid - fra ulike kilder. Dataene er finkornede, all den tid det er individuelle data det er snakk om. Stordata er i virkeligheten store mengder med veldig små data. Niessing og Walker bruker følgende bilder fra naturen: Det er ikke et dataskred, det er en sandstorm. Og sandstormer kan både blinde og desorientere deg. For å lære seg å navigere i stormen, er det imidlertid flere myter som må knuses, mener de. Nedenfor finner du to av dem:
     
  • Jo, mer finkornede dataene er, jo bedre
    Er det alltid best med små data i sanntid? Nei, mener de to ekspertene, som viser til at det første kvarteret i en fotballkamp ikke predikerer hvordan kampen vil ende. Noen ganger er det behov for å ta et steg tilbake og se på de store linjene for å forstå hva det er som faktisk skjer. Stordata i rått format kan være direkte misvisende. For å kvitte seg med støy i dataene gjelder det å finne et passende nivå å slå sammen data på.
     
  • Stordata er gode data
    Hvis dataene er av dårlig kvalitet, kan de inneholde mange feil og være direkte villedende. For å analysere stordata, må du først finne ut hvilke data som er gode nok til å tas inn i analysen. Resten må skrotes. 
Saken fortsetter under annonsen