a:

L'utilité de tout type de données ou source de données dépend du type d'analyse effectué. Pour certaines entreprises, l'analyse des données fonctionne comme un outil de collecte de renseignements en temps réel et de mesure du rendement. Une autre entreprise peut utiliser des analyses purement descriptives axées sur le profilage, la segmentation et l'identification des consommateurs. Une version plus ambitieuse de l'analyse de données concerne la transformation des données en prédictions - en demandant non seulement ce qui est mais ce qui sera. L'application la plus rapide des données dans l'analyse métier est appelée optimisation, où différents types de données sont comparés pour optimiser l'efficacité des résultats ciblés.

Les données sont importantes lorsqu'elles sont affinées en un outil utile. Pour mettre cela en perspective, pensez à des données non raffinées comme s'il s'agissait de pétrole non raffiné: il est possible de collecter d'énormes quantités de données, mais il doit être transformé en un produit utile pour être utile sur le plan économique. L'application doit être extraite des données. Le rôle de l'analytique commerciale est d'affiner les données.

Prenons l'exemple suivant: La société ABC vend des voitures miniatures. La direction décide qu'elle veut comprendre son marché potentiel, mais elle ne peut pas décider du type de données à collecter. Devrait-il regarder les habitudes d'achat dans de vraies automobiles? Devrait-il prendre des enquêtes sur les couleurs de jouets préférés pour les enfants? Devrait-il regarder l'ethnicité, la religion, le genre ou le revenu sur le marché cible?

La société ABC ne commencerait probablement pas à collecter des données sur les habitudes culinaires de ses consommateurs. Il ne semble pas y avoir beaucoup de corrélation entre les achats de voitures et de jouets. Même si ses employés avaient des outils de modélisation statistique remarquables et pouvaient effectuer des études économétriques complexes, ces données sont peu susceptibles d'être importantes.

Les données les plus importantes sont celles qui offrent le plus grand avantage concurrentiel. Les données d'extraction et d'affinage ne sont pas un processus gratuit. Les entreprises devraient rechercher les données qui offrent le meilleur rendement sur leur investissement en analyse d'entreprise.