You are leaving our main website to go to our chinese website hosted in China. For legal reasons there will not be any links pointing back to the main website.
Como os modelos de partilha de dados evoluíram, a sua criticidade para qualquer negócio, como as organizações partilham dados interna e externamente e como a nuvem e o software como serviço (SaaS) estão a mudar a maneira de partilhar informação.
Para entender actualmente o valor da partilha de dados, temos que analisar como eles funcionavam nas organizações no passado. Não muito tempo atrás, pensava-se que o modelo de negócios ideal era hospedar e oferecer suporte a várias aplicações em data centers próprios.
Hà apenas 10 anos atrás, grandes empresas começaram a hospedar e executar centenas de aplicações de negócios nos seus data centers, que por sua vez têm base de dados associadas.
Essas bases de dados não foram otimizadas para análise e não partilham dados entre as aplicações. Para analisar esses dados , cada unidade de negócio responsável por uma base de dados teve que extrair, transformar e carregar (ETL) os dados no seu próprio Data Mart , que é uma versão menor e isolada de um Data Warehouse.
Para desenvolver plenamente o Business Intelligence da época na organização e executar as análises existentes, os dados tiveram que ser enviados por meio de processos ETL dos Data Marts individuais para o Data Warehouse principal. Como se pode imaginar, o processo era muito lento e complicado e muitas empresas não conseguiam sobreviver com essa abordagem de partilha de dados.
O intercâmbio de dados dentro e fora de uma organização consiste em quatro fluxos de trabalho básicos:
Entre áreas de negócio: Partilhe dados entre àreas de negócio dentro da mesma empresa
Entre empresas: Receba dados numa troca entre empresas independentes para beneficiar a sua própria empresa
Business-to-business: Envie dados numa troca entre empresas independentes para beneficiar a outra empresa
Monetização de dados: Partilha de dados ao vivo como um serviço para que os consumidores de dados possam enriquecer aqueles que já possuem
Numa única empresa, as organizações contam com e-mail, folhas de cálculo, unidades de rede partilhadas, APIs e outros métodos para comunicar e partilhar dados. Além de facilitar o dia-a-dia dos negócios, a troca de dados numa empresa permite e incentiva o aumento dos níveis de inteligência de negócios e direciona de foma mais efficiente todo o processo de decisão.
Dentro de uma organização, os dados são normalmente armazenados em silos. Fusões ou aquisições, restrições de firewall e outras barreiras de tecnologia ou negócios criam restrições na partilha de dados entre organizações. Essas separações de infraestrutura física ou lógica podem impedir que duas ou mais organizações acessem todos os dados de negócios disponíveis e obtenham percepções reais com base nos dados. Esses silos de dados aparecem quando uma organização depende de um data warehouse local tradicional ou de um data warehouse tradicional migrado para a nuvem.
A troca de dados entre diferentes empresas é algo que acontece e é sempre necessário. Pode ser num relacionamento vendedor-fornecedor, parceria, criador-vendedor ou qualquer relacionamento entre empresas que envolva troca de dados para administrar o negócio. Por exemplo, em um relacionamento fornecedor A - fornecedor B, o fornecedor A pode saber com antecedência quando repor o "stock" do fornecedor B. Um "stock" bem administrado evita o seu excesso, minimizando a necessidade de baixar significativamente os preços e, portanto, evitando reduzir a margem de lucro da empresa.
É cada vez mais comum que as organizações externalizem serviços para outras empresas. Essas empresas podem ser especializadas em logística, transporte, marketing, vendas, etc.
Por exemplo, um grande retalhista coleta grandes quantidades de dados demográficos dos seus clientes-alvo. Este retalhista partilha as informações como fornecedor de dados para uma empresa de análise de informação, que por sua vez retornará em forma de relatórios, "dashboards" ou recomendações as conclusões obtidas nessa análise.
Noutros cenários, a empresa contrata um prestador de serviço para desempenhar a função que essa empresa não desempenha internamente. O prestador de serviços gera dados como resultado do serviço que prestou, no entanto, esses dados pertencem à empresa para a qual foram contratados. A empresa que contratou o serviço, uma vez que recebeu os dados do fornecedor de serviços, aplica análises adicionais para obter "insights" muito mais poderosos e obter o máximo valor desses dados que foram gerados por uma empresa externa, mas dentro ecossistema.
Os dados são o activo mais valioso das empresas. Esses dados podem fornecer valores diferentes dependendo da empresa que deseja consumi-los.
Para monetizar o valor do dados, um fornecedor pode vender essas informações para que outras empresas possam atingir os seus objetivos de negócio.
Graças aos dados partilhados, os consumidores de dados podem usar essas informações nas suas decisões sem a necessidade de capturá-los eles mesmos. Desta forma, beneficiam diretamente ao analisar esses dados ou combiná-los com outras informações que aumentam e aprimoram o seu valor.
Para aproveitar o valor dos dados , seja para consumo, colaboração em massa ou oportunidades de negócio de valor agregado, é necessário um método fácil para permitir o acesso aos dados sem movê-los. Os métodos tradicionais de partilha de dados são normalmente caros, complexos e de duvidosa eficiência em manter seguro o acesso aos mesmos.
A monetização de dados requer a capacidade de criar um modelo de negócios seguro e de auto-atendimento, de maneira fácil e económica para partilhar dados entre fornecedores e consumidores.
Artigos, eventos e muito mais!
Seu endereço de e-mail é utilizado para enviar-lhe a Newsletter da Keyrus e para fins de prospecção comercial. Você pode usar o link de descadastro em nossos e-mails a qualquer momento. Saiba mais sobre a gestão de seus dados e seus direitos.
Publicação no blog
Os bancos estão a sentir de perto a respiração dos concorrentes de fora do panorama bancário na maratona para tornarem-se "os melhores" amigos dos utilizadores nas suas transacções e gerenciamentos bancários diários.
Publicação no blog
Imagina que estás num jogo de vídeo. O típico onde se tem de fugir do mau da fita até chegar a um castelo onde se estará a salvo. Estás a dar o teu melhor, vê o castelo à distância, mas... oh oh mesmo antes de lá chegar cais num penhasco. Por isso tens a opção de ficar no limite e deixar que o mau da fita o apanhe ou saltar de um penhasco... do qual não sabe se vai conseguir sair com vida. O que farias?
Publicação no blog
Neste guia vamos descifrar o antes e o depois da troca e análise de dados à medida que estes evoluem dos sistemas tradicionais herdados para novas plataformas de dados em cloud. Vamos descobrir o desafio fundamental que os analistas enfrentam, revelar a solução que põe fim a todos os problemas, e finalmente olhar para 4 best practices para pôr a mudança em marcha agora. Soa bem, não achas? Rápido e conciso. Agora vamos ao que interessa.
Publicação no blog
Um dos fundamentos de qualquer organização orientada para os dados é estabelecer uma série de processos analíticos capazes de simplificar o acesso a todos os tipos de dados. Do mesmo modo, quando se começa a utilizar tecnologias de nuvem, os processos analíticos tornam-se mais abrangentes, permitindo-lhe deixar para trás tarefas enfadonhas de gestão de informação e começar a fornecer grandes experiências de dados.
Publicação no blog
Criar uma boa cultura de dados para começar a colher os benefícios da personalização à escala. A Data Science permite aos marqueteiros consolidar e extrair insights de todos os seus dados (independentemente do formato), reconhecer padrões nesses dados, e prever comportamentos futuros para criar campanhas de personalização à escala quase em tempo real.
Publicação no blog
Já passou uma década desde que o termo "Big Data" se tornou omnipresente, e o investimento dos departamentos de marketing em tecnologia para aproveitar os benefícios destes "Grandes Dados" aumentou significativamente desde então.
Publicação no blog
Se és um analista de marketing, conheces demasiado bem as expectativas em torno de uma tomada de decisão ágil e baseada em dados. A pressão para fornecer uma visão mais rápida da eficácia das campanhas recai directamente sobre os teus ombros, incluindo permitir uma tomada de decisão ágil para que as campanhas possam ser optimizadas. Mas porque é que os analistas de marketing não estão a analisar, não estão a trabalhar o suficiente, estão a fazer snowboard, a jogar ténis de paddle ou a trabalhar à distância com as suas séries favoritas em segundo plano?
Publicação no blog
Diz a lenda que não há muito tempo havia uma empresa muito boa que todos invejavam porque tinha os melhores analistas do mercado, as melhores plataformas internas e uma riqueza de dados proprietários com os quais tomava todas as suas decisões. Viveram num mundo idílico, até que de repente os seus concorrentes começaram a ultrapassá-los de uma forma surpreendente.
Publicação no blog
A análise de dados está a tornar-se rapidamente a chave para uma estratégia empresarial de sucesso. Mas sem a abordagem, competências e tácticas correctas, as suas iniciativas de dados podem não ter sentido. A análise de dados tornou-se um dos mais importantes diferenciadores empresariais e tecnológicos para as empresas, permitindo-lhes obter conhecimentos detalhados sobre praticamente todos os aspectos das suas operações, ganhando assim uma vantagem sobre a concorrência.
Publicação no blog
Graças ao Machine Learning pronto para melhorar e, em alguns casos, até mesmo substituir a tomada de decisões humanas, os Responsáveis de Dados, Cientistas de Dados e CIOs estão a reconhecer que as formas tradicionais de organização de dados para consumo humano não serão suficientes na próxima era de tomada de decisões baseada na inteligência artificial (IA). Isto deixa um número crescente de empresas focadas no futuro com apenas um caminho em frente: para que as suas estratégias de machine learning tenham sucesso, terão de ser perturbadoras na cadeia de valor de gestão de dados de ponta a ponta.