Popis

„Letnímu vánku o bouři, studniční žábě o moři a polovzdělanci o tom, co nikdy ve škole neslyšel, nevyprávěj.“ dle čínského přísloví. Je na místě zvládnutí předchozích pilířů, než přistoupíte k aplikacím sběru dat díky internetu věcí nebo analytickému vytěžování dat.


Vzhledem k nutnému množství vynaložených prostředků (fyzických, personálních i znalostních) musí být předem známý a jasně specifikovaný smysl a využitelnost celého úsilí. Pak je na místě řešit formu sběru dat, jejich měřítko a náročnost jejich zpracování. Existuje velké množství různých modelů výstupů (např. analýza zákaznického potenciálu, analýza chování zákazníka, analýza vazby mezi produktivitou a dalšími činiteli apod.), pro které je nutné určit správná vstupní data.

Pro zvolení řešení hraje také velkou roli citlivost dat a jejich umístění, zejména v případě cloudových řešení. Vždy je nutné nad touto množinou implementovat vybrané analytické nástroje: prediktivní, deskriptivní, diagnostickou, případně textovou analytiku.

Internet věcí je a bude zajímavým dynamickým prostředím, které může nabídnout mnoho zajímavých, ale i fragmentovaných řešení.

Pojem Big data je poněkud matoucí, protože zpracování opravdových objemných dat je nyní spíše výsadou předních světových hráčů. Big data charakterizuje: velmi výrazný objem, rychlost s požadavkem na průběžné zpracování a různorodost vstupních datových typů. Mnoho společností tak spíše efektivně využívá specifických relačních databází v podobě datových skladů pro analytické úlohy nad velkými soubory dat.

Cíle
  • Zvýšení transparentnosti analýz
  • Definování správných ukazatelů a parametrů, které jsou integrované v rámci procesní struktury organizace
  • Nastavení systému sběru údajů v rámci IoT, aby splnily očekávání