모든 데이터 유형 또는 데이터 소스의 유용성은 수행되는 분석 유형에 따라 다릅니다. 일부 비즈니스의 경우 데이터 분석은 실시간 인텔리전스 수집 및 성능 측정 도구로 작동합니다. 다른 비즈니스는 프로파일 링, 세분화 및 소비자 식별에 중점을 둔 순수한 설명 분석을 사용할 수 있습니다. 보다 야심 찬 데이터 분석 버전은 데이터를 예측으로 변환하는 것, 즉 무엇이 무엇이고 무엇이 될 것인지를 묻는 것입니다. 비즈니스 분석에서 가장 빠르게 증가하는 데이터 응용 프로그램을 최적화라고하며, 목표 결과의 효율성을 극대화하기 위해 다양한 유형의 데이터를 비교합니다.
유용한 도구로 개선 될 때 데이터가 중요합니다. 이를 원근법으로 정리하려면 정제되지 않은 데이터를 정제되지 않은 오일 인 것처럼 생각하십시오. 많은 양의 데이터를 수집 할 수 있지만 경제적 인 의미에서 가치있는 유용한 제품으로 변환해야합니다. 데이터에서 응용 프로그램을 추출해야합니다. 비즈니스 분석의 역할은 데이터를 구체화하는 것입니다.
다음 예를 고려하십시오. 회사 ABC는 장난감 자동차를 판매합니다. 경영진은 잠재적 시장을 이해하기를 원하지만 어떤 유형의 데이터를 수집할지 결정할 수 없습니다. 실제 자동차에서 패턴을 구매해야합니까? 아이들이 좋아하는 장난감 색상을 조사해야합니까? 대상 시장에서 민족성, 종교, 성별 또는 소득을 살펴 봐야합니까?
ABC 회사는 아마도 소비자의 식사 습관에 대한 데이터 수집을 시작하지 않았을 것입니다. 식당과 장난감 자동차 구매 사이에는 큰 상관 관계가없는 것 같습니다. 직원이 뛰어난 통계 모델링 도구를 가지고 있고 복잡한 계량 분석 연구를 수행 할 수 있더라도이 데이터는 중요하지 않을 수 있습니다.
가장 중요한 데이터는 가장 큰 경쟁 우위를 제공하는 데이터입니다. 데이터 마이닝 및 정제는 무료 프로세스가 아닙니다. 기업은 비즈니스 분석 투자에서 최고의 수익을 제공하는 데이터를 찾아야합니다.
