Apakah Organisasi Anda Menderita Kelelahan Data?

Di dunia keuangan, manajer investasi selalu mencari sumber informasi baru yang akan menyediakan sumber yang belum dimanfaatkan sebelumnya untuk menciptakan Alpha. Sumber data ini disebut Data Alternatif atau kelelahan data. Data karena, yah, informasi. Alternatif karena mereka berada di atas dan di luar kumpulan data perusahaan yang khas. Dengan risiko melebih-lebihkan klise, inilah yang memicu 'keuntungan tidak adil' yang terus kita cari.

Pasar untuk Data Alternatif masih sangat mentah dan baru lahir. Perusahaan membelanjakannya meningkat berlipat ganda dari tahun ke tahun. Beberapa sumber Data Alternatif yang lebih populer adalah transaksi kartu kredit, data yang diambil secara online , data geolokasi dari ponsel, dll. Secara intuitif, Anda dapat mengatakan bahwa sumber-sumber ini akan berada di bawah radar karena melanggar masalah privasi yang serius. Ergo, kebutuhan akan titik data alternatif yang tidak terlalu mengganggu.

Sementara pasar data alternatif saat ini berkembang meskipun ada masalah keamanan—dan diperkirakan bernilai $350 juta pada tahun 2020, hampir dua kali lipat dari $183 juta pada tahun 2016—kami telah menyaksikan perusahaan menderita kelelahan data alternatif pada tahun 2019. Kelelahan data alternatif yang Anda tanyakan? Ya, itu hanya sebagai penjelasan diri. Pepatah lama, "Anggur lama dalam botol baru" muncul di benak Anda. Kumpulan kumpulan data yang sama sedang dikemas ulang dan dijual kepada kelompok pengelola dana lindung nilai yang sama, yang kehilangan waktu berharga untuk menyiapkan data daripada menganalisisnya. Pada saat itu, pasar menjadi jenuh dengan perusahaan baru: semuanya akan menawarkan janji yang sama tentang wawasan kompetitif.

Informasi Kustom Aman

Ada beberapa langkah urutan kebersihan dasar yang dapat Anda ambil untuk menghindari kelelahan data alternatif. Langkah pertama adalah memastikan bahwa Anda mengamankan informasi yang disesuaikan dan spesifik bisnis yang akan mendorong bisnis Anda maju. Itulah pembeda besar jika Anda ingin santai dalam kelelahan. Berkat dampak dari meningkatnya minat terhadap data alternatif, ada banyak firma riset yang menawarkan wawasan data alternatif terbaik dan/atau menjual kumpulan data alternatif kepada investor, pengelola keuangan, agen perjalanan, dan siapa pun yang ingin menggunakan ini. kuda poni Bayangkan kumpulan data yang sama, wawasan yang sama yang diambil dari kumpulan data yang sama, basis poin yang dapat ditindaklanjuti yang sama, wawasan yang diambil dari kumpulan data yang sama oleh perusahaan A dan perusahaan B. Hanya dengan satu perbedaan kecil. Mereka berdua sama sekali tidak menyadari bahwa mereka menggunakan informasi yang sama terhadap satu sama lain.

Umpan data alternatif dapat berupa apa saja yang tidak dianggap 'tradisional' oleh perusahaan tertentu. Garis-garisnya benar-benar menjadi kabur. Apa yang kemudian dianggap tidak konvensional adalah salah satu pendorong keputusan pemasaran terbesar saat ini. Harus diperhatikan bahwa apa yang dianggap 'alternatif' untuk Anda, tidak boleh menjadi standar industri di tahun mendatang. Itu berarti bahwa setiap orang akan memiliki akses yang sama ke data yang Anda habiskan untuk mengumpulkan banyak energi.

Kelesuan Data Alternatif

Ini adalah tugas menggores dan memelihara data 'arus utama' apa adanya. Menghabiskan waktu dan energi untuk mengikis dan memelihara serta menangani sejumlah besar data alternatif benar-benar bersinggungan dengan lingkaran perhatian utama. Jadi apa pelaku besar di sini? Ya, Anda dapat menebaknya. Kelesuan.

Kumpulan data alternatif biasanya terdiri dari informasi yang diambil dari sejumlah besar sumber dan situs web. Proses pengikisan data dapat menggagalkan Anda dalam menganalisis temuan dan menarik wawasan. Belum lagi meningkatnya ruang lingkup untuk kesalahan manusia dan duplikasi. Menggores adalah langkah besar pertama. Kemudian distandarisasi. Itu harus dalam format 'standar' agar masuk akal. Ini adalah satu-satunya cara mesin dapat mempelajari dan mengotomatisasi proses.

Sekarang setelah kita memiliki formatnya, selanjutnya adalah menggambar maksud sebenarnya dari data yang dikumpulkan. Anda tahu bagaimana bahasa Inggris Amerika dan bahasa Inggris British sangat berbeda? Kami bukan satu-satunya yang menganggap itu menjengkelkan. Misalnya, ada dua cara berbeda di mana satu tanggal dapat ditulis. 27 Mei 2021 dapat ditulis sebagai 27/5/2021 atau 27/5/2021, dan kami tidak perlu memberi tahu Anda jenis dampak perbedaan ini pada data yang dikumpulkan. Oleh karena itu, Anda harus mengikis, membakukan, menarik wawasan, dan mengambil keputusan bisnis strategis. Dengan sedikit usaha manusia.

Menyingkirkan Kelelahan Data

Kami tidak pernah menyebutkan masalah yang tidak memiliki solusi untuk kami. Ada banyak hal yang bisa Anda mulai:

• Otomasi: Yang ini tidak perlu dipikirkan. Kami baru saja menjelaskan efek dari kesalahan manusia yang tampaknya tidak berbahaya. Lebih sering daripada tidak, data yang tergores dibiarkan sebagai file yang berdiri sendiri yang kemudian diintegrasikan secara manual. Sama seperti standarisasi data otomatis, mengotomatisasi proses integrasi secara drastis mengurangi keletihan yang melanda dengan pekerjaan yang berorientasi pada tenaga kerja, dan memungkinkan tim untuk menyalurkan semua upaya mereka pada analisis data. Integrasi data dapat dilakukan tanpa manusia dengan menyiapkan data dengan API untuk mendukung integrasi tanpa batas dengan sistem bisnis internal dan membuat kumpulan data yang kuat untuk tujuan analitik.
• Outsource: Selalu masuk akal untuk mengotomatisasi tugas-tugas biasa. Terutama di mana Anda memerlukan tingkat keahlian teknis. Pastikan untuk menyertakan klausa eksklusivitas yang tidak bersaing. Jika tidak, Anda akan menemukan data yang sama di tangan pesaing Anda. Dan apakah itu akan mengecewakan.
• Dibuat khusus: Jika Anda memutuskan untuk mengalihdayakan semua bantuan data alternatif, bermitralah dengan perusahaan yang memiliki kemampuan untuk membuat kumpulan data khusus untuk merek Anda. Pendekatan satu ukuran cocok untuk semua tidak akan terbang di sini. Mereka harus memiliki kemampuan integrasi data web yang tepat. Integrasi data memperlakukan seluruh siklus hidup data yang diekstraksi dari web sebagai proses tunggal yang kohesif, dengan fokus pada kualitas dan kontrol data.

Ada bazillion cara lain untuk benar-benar menghindari kelelahan data dengan mengekstrak data kustom . Itu indah. Analisis sentimen dari bagian komentar Anda di seluruh saluran media sosial, data kartu kredit untuk memecahkan perilaku belanja konsumen (namun tidak disukai). Menggunakan citra satelit dan/atau pengawasan untuk menghitung mobil di tempat parkir. Anda hanya perlu memberi tahu penyedia layanan scraper web Anda untuk mengumpulkan sifat persis data yang Anda butuhkan. Itu semuanya. Membunuh kelelahan. Anda dimaksudkan untuk hal-hal yang lebih baik.