dAre you one of those entrepreneurs who are thinking to start a new business? Well, I am pretty sure you want it to be successful. In this fast-paced business world, it is necessary for you to have the insight and data needed in order to take the right decision at the right time. And to help you take the optimal decision, Business Intelligence (BI) is the key. It helps business professionals to drive their enterprises’ success, combining technology, analytics and knowledge. Some people think that BI is only needed for large companies. Wrong! As technology has rapidly developed BI tools are not only powerful and lightweight but also easier to access. If you want your business to survive in this competitive world, your business should be BI and analytic based. And, if you are confused how to start a business intelligence and analytic based business, follow these simple rules:

DELIVER DIVERSE TOOLS:

While you are running a business, you must make sure that all the necessary business intelligence tools are available. These tools are designed to fulfill various needs of the customers, and can be fully operated and adjusted by them. Using this self service BI tools, you can analyze thousands of data sources on your own. However, you must choose the right tool in order to address problems of many departments. For instance, CSV files or SQLdatabase can be used for sales departments, whereas for marketing, Facebook and other social media platforms can act as useful tools. Or you can get some packaged software offered by some BI software providers. However, before applying those on your business do cross check them to make sure those will be suitable for your business.

KNOW YOUR CUSTOMER:

One of the most crucial tasks to consolidate your position in the customers’ mind is to know them first. Do thorough market research and find out what your customers actually need. To acquire and maintain the ground of loyal customers you need to forecast their needs. With the help of business intelligence, you can gather data on your customers’ behavior and structure them in an evident form for easy and quick analyzing. And once you know your customers, it will be easier for you to make the right decision.

ANALYZE YOUR DATA:

You can’t run a successful business if you give up analysis of your data. You don’t need to hire an IT firm and wait for a long time until they analyze your data. Using self-service BI tools you can analyze your data online and get the reports immediately, saving it in a neat and clear format on your personal drive. It will allow you to analyze data in real-time, providing your company a competitive advantage.

BE COOPERATIVE WITH YOUR CLIENTS/PARTNERS:

To run your business successfully, you need to take care of those people you are doing your business with. Yes, I am talking about your clients or business partners. In this fast growing business world, sometimes they need to pull some information or data that needs to be available to them. For that, you must cooperate with your clients. The more you cooperate with them, the easier it will be to access their vital information, which is necessary to run a business.

ENSURE DATA SECURITY:

No business can run successfully if the data is not secured. To protect your data, you must move your business data to a secure data storage facility. Some BI tools offer secured data warehousing solutions. Cloud storage solutions are becoming popular because of the security reasons. However, you must be careful that the cloud service provider ensures strict data security and conducts regular security audits.

BE PRUDENT:

So, you are starting a business today. Where will it stand after ten years? If you don’t pay heed then you are putting your business at risk. You must think about your future growth. Well, you don’t have any crystal ball to tell you about the future, so you need to assume it by yourself. For that, you need to be prudent. You need to analyze your past and present performance and growth of your business, to find the key to the future growth.

Doing business is not difficult if you can use the right tools. using proper use of the BI tools, you can run your business smoothly. You have lots of information coming to your company every day. Don’t just store them; use them properly to make the right decision about your business.

Bron: thetechnews.com

Uit onderzoek van Forrester in opdracht van Xerox komt naar voren dat bijna driekwart van de Europese ondernemingen veel rendement verwacht van Big Data en analytics.

Voor het onderzoek werden gesprekken gevoerd met 330 senior business- (CEO, HR, Finance en Marketing) en IT-beslissers in Retail, Hightech, industriële en financiële dienstverlenende organisaties in België, Frankrijk, Duitsland, Nederland en het Verenigd Koninkrijk. Forrester concludeert dat 74 procent van de West-Europese bedrijven verwacht door inzichten verkregen met big data een return on investment (ROI) te realiseren binnen 12 maanden na implementatie. Meer dan de helft (56 procent) ervaart momenteel al de voordelen van big data.ondernemingen veel rendement verwacht van Big Data en analytics.

Niet van een leien dakje
Het simpelweg aanschaffen van een analysepakket voor grote hoeveelheden data is echter niet voldoende. Slechte datakwaliteit en het gebrek aan expertise belemmeren de transformatie die organisaties kunnen doormaken door met big data te werken. Er zal voldoende gekwalificeerd personeel moeten komen, om ervoor te zorgen dat op de juiste manier met de juiste data wordt gewerkt.

Onderbuikgevoel
Big data is essentieel bij het nemen van beslissingen in 2015: 61 procent van de organisaties zegt beslissingen steeds meer te baseren op data-driven intelligence, dan op factoren zoals onderbuikgevoel, mening of ervaring.

Onjuiste data
Onjuiste data blijken kostbaar: 70 procent van de organisaties heeft nog steeds onjuiste data in hun systemen en 46 procent van de respondenten is van mening dat dit zelfs een negatieve invloed heeft op de bedrijfsvoering.

Veiligheid
Van de respondenten beoordeelt 37 procent gegevensbeveiliging en privacy als de grootste uitdagingen bij het implementeren van big data-strategieën. Nederlandse organisaties zien het gebrek aan toegang tot interne data vanwege technische bottlenecks als grootste uitdaging bij de implementatie van big data (36 procent).

Bron: Automatiseringsgids, 1 mei 2015

For a site that only requires 140 characters to get your message across, there is a lot of confusion about how to effectively use Twitter to monitor competitors, and how to analyze that information to create an awesome social media strategy.

Competitive Intelligence and Twitter:

Why even use Twitter?

Almost every major brand has jumped aboard the Twitter wagon, but just showing up is not enough. You’ve seen them in your newsfeed, possibly from a company, or perhaps from your Mom who just signed up to the service: the dreaded Pointless Tweet.  Pointless Tweets are messages that do not provide value to your reader. Repeating your marketing message or Tweeting inspirational quotes is not a way to engage your customers.

Used properly, Twitter provides a platform for you to engage with customers and potential customers, provide instant customer service, and establish your company as an industry leader.

How to find competitors through Twitter.

To search for competitors, and discover who they engage with, simply type their names into the Twitter search. You can see the competitors’ Tweets by clicking ‘People’, and learn who is Tweeting about them by clicking ‘Tweets’.

Want to get fancy?  Twitter also has an Advanced Search feature that lets you track by location, or search for Tweets with links from a specific user, or even for Tweets that are only positive or negative.

What information should I track?

1. Number of followers
2. How frequently your competitor Tweets
3. The engagement impact of each Tweet – How many retweets, replies, and favorites
4. How often your competitor responds to customer inquiries
5. What times of day they are Tweeting

This should be tracked daily in an excel spreadsheet, or you can take the simple, automated route and sign up for Rivalfox’s upcoming beta release. Over time, the data will provide you with valuable insights, e.g. which type of Tweets create the most engagement and whether the time of Tweets correlates to more followers. Armed with this information, you can fine-tune your own awesome Twitter strategy.

Creating Awesome Strategy

When it comes to Twitter strategy, you do not need to reinvent the wheel.  Utilize what works for your competitors and change what doesn’t.  The most important goal is to share thrilling creative content, provide excellent customer service, and to engage potential customers by reaching out directly to their screens.

Source: rivalfox.com, 13 oktober 2015

In mid-2014, a pair of Gartner analysts levied some trenchant criticisms at the increasingly hyped concept of data lakes.

"The fundamental issue with the data lake is that it makes certain assumptions about the users of information," said Gartner research director Nick Heudecker.

"It assumes that users recognize or understand the contextual bias of how data is captured, that they know how to merge and reconcile different data sources without 'a priori knowledge' and that they understand the incomplete nature of datasets, regardless of structure."

A year and a half later, Gartner's concerns do not appear to have eased. While there are successful projects, there are also failures -- and the key success factor appears to be a strong understanding of the different roles of a data lake and a data warehouse.

Heudecker said a data lake, often marketed as a means of tackling big data challenges, is a great place to figure out new questions to ask of your data, "provided you have the skills".

"If that's what you want to do, I'm less concerned about a data lake implementation. However, a higher risk scenario is if your intent is to reimplement your data warehousing service level agreements (SLAs) on the data lake."

Heudecker said a data lake is typically optimised for different uses cases, levels of concurrency and multi-tenancy.

"In other words, don't use a data lake for data warehousing in anger."

It's perfectly reasonable to need both, he said, because each is optimised for different SLAs, users and skills.

Data lakes are, broadly, enterprise-wide platforms for analysing disparate data sources in native format to eliminate the cost and data transformation complexity of data ingestion. And herein lies the challenge: data lakes lack semantic consistency and governed metadata putting a great deal of the analytical onus on skilled users.

Heudecker said there is some developing maturity in understanding, but the data lake hype is still rampant.

The maturity of the technology is harder to get a handle on because the technology options to implement data lakes continue to change rapidly.

"For example, Spark is a popular data processing framework and it averages a new release every 43 days," Heudecker said.

The success factors for data lake projects, he said, come down to metadata management, the availability of skills and enforcing the right levels of governance.

"I've spoken with companies that built a data lake, put a bunch of data into it and simply couldn't find anything. Others have no idea which datasets are inaccurate and which are high quality. Like everything else in IT, there is no silver bullet."

Data lakes are an architectural concept, not a specific implementation, he said.

"Like any new concept, or technology for that matter, there will be accompanying hype followed by a period of disillusionment before becoming an understood practice.

"Data lakes will continue to be a reflection of the data scientists that use them.

"The technology may change and improve, perhaps taking advantage of things like GPUs or FPGAs, but the overall intent will be to uncover new uses and opportunities in data. Taking those insights to production will likely occur elsewhere."

Het ‘Big’ in Big Data staat voor velen alleen voor de grote hoeveelheden data die organisaties in huis hebben. Die data lijken in veel praktijkvoorbeelden vooral voedingsbodem voor aanscherping van verdienmodellen – zoals in de advertentie-industrie – of totale disruptie zoals de kentering die eHealth op dit moment veroorzaakt.

Een eenzijdig beeld misschien, want data leveren net zo goed inzichten voor interne procesverbetering of een betere klantbenadering met digitale oplossingen. Het gesprek over Big Data zou vooral moet gaan over de enorme potentie ervan: over de impact die de data kunnen hebben op bestaande producten en organisatievraagstukken en hoe die helpen bij een eerste stap richting digitale transformatie.

Big Data in de huidige praktijk
De praktijk leert dat er voor ieder bedrijf vier manieren zijn om data in te zetten. Terug naar het realisme in Big Data: de mogelijkheden, voorbeelden en natuurlijke grenzen.

Excellentie: onderzoek toont aan dat de manager die zich puur door zijn gevoel of intuïtie laat leiden, kwalitatief slechtere beslissingen neemt en dus aanstuurt op een minder goede dienst of experience. Door de harde feiten uit gecombineerde data te benutten, zijn bottlenecks in processen te herkennen en zelfs te voorspellen.

Zo kunnen Amerikaanse politiekorpsen sinds eind vorig jaar op basis van realtime data schatten waar misdrijven gepleegd zullen worden. Hoewel het al decennia gebruikelijk is om op willekeurige wijze door de stad te patrouilleren – de crimineel weet dan immers niet waar agenten zich bevinden en zou daardoor gehinderd worden – wordt die werkwijze nu losgelaten.

Het algoritme van de analyticsoplossing PredPol belooft aan de hand van plaats, tijd en soort criminaliteit te voorspellen waar agenten met hun aanwezigheid een misdrijf kunnen voorkomen. In de film Minority Report werd het nog weggezet als voorspelling voor het jaar 2054, nu blijkt dat excelleren met voorspellende data in 2015 al de normaalste zaak van de wereld is.

Productleiderschap: niet ieder bedrijf hoeft het nieuwe Spotify of Airbnb te worden. Wel moet er rekening worden gehouden met de disruptieve kracht van deze spelers en hun verdienmodellen.

De leidende positie die Netflix heeft ingenomen heeft het bedrijf deels te danken aan het slimme gebruik van Big Data. De enorme hoeveelheid content die online beschikbaar is, maakt het mogelijk te grasduinen in films en series. Dat surf- en kijkgedrag vertaalt Netflix in dataprofielen waarmee het eigen product zichtbaar verbetert. De data resulteren in aanbevelingen die – voor de kijker – onverwachts bij iemand zijn smaak passen en waarmee het bedrijf je als klant verder bindt.

De video on demand-dienst staat er bij gebruikers inmiddels om bekend te weten wat de kijker boeit en is in staat je meer te laten afnemen dan je van plan bent. Met de data die het platform continu verbeteren, heeft Netflix de entertainmentindustrie en de groeiende markt van video op afroep opgeschud.

Het bedrijf heeft zelfs gezorgd voor het nieuwe fenomeen van binge watching, waarbij de kijker urenlang aan de hand van aanbevelingen van de ene aflevering in de andere wordt gezogen. De algoritmes die hiervoor zorgen zijn zo belangrijk dat Netflix een miljoen dollar belooft aan diegene die met een beter alternatief komt.

Intimiteit: meer te weten komen over de klant is misschien wel de bekendste kans van Big Data. Sociale media, online tracking via cookies en open databronnen maken dat iedere organisatie diensten op maat kan bieden: generieke homepages maken plaats voor met gebruikersdata gepersonaliseerd portals, de serviceverlening verbetert nu er op de juiste plekken in de organisatie een completer plaatje is van de klant.

Hoe ver die intimiteit gaat, bewijst Amazon. Het bedrijf zegt producten te kunnen bezorgen nog voor deze zijn besteld. Amazon kan op basis van locatie, eerdere bestellingen, zoekopdrachten, opgeslagen verlanglijsten en ander online gedrag voorspellen welke behoefte een klant heeft. De gegevens zouden al zo accuraat zijn dat het winkelbedrijf eerder weet welke producten daarvoor moeten worden besteld dan de klant zelf. Zo nauwkeurig kunnen data soms zijn.

Risicobeheersing: als data eindelijk goed worden ontgonnen en gecombineerd, maken ze duidelijk welke risico’s bedrijven realtime lopen. Met dank aan Big Data zijn audits sneller en doelgerichter in te zetten.

Schoolvoorbeeld daarin zijn financiële instellingen. De tienduizenden financiële transacties die deze bedrijven iedere seconde verwerken, genereren zoveel data dat door middel van patroonherkenning fraude snel kan worden opgespoord. Bestel je online een artikel waar bijvoorbeeld een ongebruikelijk prijskaartje aan hangt, rinkelt binnen no-time de telefoon om de transactie te verifiëren.

En hoewel het kostenbesparende aspect geen verdere toelichting behoeft, is een groot deel van de bedrijven onvoldoende voorbereid. Volgens wereldwijd onderzoek van EY erkent 72 procent van de bedrijven dat Big Data belangrijk zijn voor risicobeheersing, maar zegt 60 procent ook dat zij daarin nog belangrijke stappen moeten zetten.

De verzekeraar: Big Data als middel om te transformeren
Van uitlatingen op sociale media tot aan sociaal demografische gegevens, van eigen data over koopgedrag tot aan openbare data als temperatuurschommelingen: hoe rijker de data hoe scherper het inzicht. Wanneer er een organisatievraagstuk ligt, is de kans groot dat data een middel zijn om tot de benodigde transformatie te komen. Met de aanpak wordt daartoe een belangrijke stap gezet.

• Detectie – Op basis van een Big Data-analyse kan er zicht ontstaan op eventuele behoeften onder de doelgroep. Bijvoorbeeld: Maakt een zorgverzekeraar een digitale transformatie door, dan is het raadzaam profielen van klanten uit een specifieke generatie met onderzoeksdata te verfijnen. Hoe begeven zij zich door de customer journey en welke digitale oplossingen verwachten zij gedurende een contactmoment?
• Doel- en vraagstelling – Creëer potentiële scenario’s op basis van de data. Bijvoorbeeld: de jongste doelgroep van de verzekeraar groeit op in een stedelijke omgeving. Welk (mobiel) gedrag is specifiek voor deze groep en hoe beïnvloedt dit de de digitale oplossingen waar deze jongeren om vragen? Bepaal waar de databronnen zich bevinden – welke interne en externe databronnen zijn benodigd voor beantwoording van de vragen? Denk daarbij aan interne klantprofielen, maar ook aan open data-projecten van de overheid. Sociale media – uitingen en connecties – in combinatie met demografische kenmerken en postcodegebieden verreiken de profielen. De gegevens vertellen meer over de voorkeuren en invloed die directe omgeving en online media hebben.
• Controleer de data – Vergeet niet te kijken naar wet- en regelgeving en met name wat privacyregels verbieden. De Wet Bescherming Persoonsgegevens gaat behoorlijk ver: de wet is zelfs van toepassing op gegevens die je tijdelijk binnenhaalt ter verwerking.
• Analyse – De data worden geïnterpreteerd door analisten. Zo wordt duidelijk dat er een aantoonbaar verband is tussen leeftijd, woonomgeving en gebruik van digitale oplossingen. Bijvoorbeeld: jonge stedelingen zijn digital native en willen een online portal met eHealth-oplossing. Hierin willen zij eigen Big Data uit apps kunnen koppelen voor een beter beeld van de gezondheid.
• Verankering – Door klantprofielen te blijven monitoren wordt snel duidelijk of er toekomstig afwijkingen optreden. Indien nodig is de transformatie bij te sturen.

Grenzen aan Big Data
Het is vooral belangrijk te waken over realisme in het denken over Big Data. Want hoewel data veel antwoorden geven, zit er ook een grens aan de mogelijkheden. Zodra databronnen naast elkaar lopen, kan het zijn dat analyses elkaar beïnvloeden: uitkomsten die correleren blijken achteraf louter op toeval te berusten.

De mens blijft ook in de toekomst een belangrijke schakel in de kansen die Big Data bieden. Cruciale kennis moet op persoonsniveau behouden blijven, alleen de mens is in staat de juiste interpretatie te leveren. Wat te doen met inzichten is aan hen voorbehouden: een onverwachts dwarsverband kan aantonen dat een groep consumenten een verhoogt bedrijfsrisico oplevert. Wat te doen met deze inzichten als die een groep mensen stigmatiseren? De ethische grens moet altijd worden bewaakt.

In veel organisaties betekent de komst van data een ware cultuurverandering. Behalve dat managers te weten komen dát er iets verandert, weten zij door die data ook hoe en in welke richting zich iets in de toekomst ontwikkelt. Met Big Data kan de blik weer vooruit.

Source: Emerce