Big Data kohtaa Master Datan
1 like1,531 views
Miten Master Dataa voi käyttää apuna Big Datan hyödyntämisessä? Mitä uutta Big Data voi tarjota Master Datalle? - Käytä master dataa laadukkaan ja standardoidun tiedon lähteenä - Sovella master datan hallinnan periaatteita Big Dataan - Elinkaari - Omistajuus - Hyödynnä samoja data quality työkaluja ja periaatteita - Määritä laatukriteerit - Estä huonolaatuisen datan pääsy prosessiin - Käytä samoja työkaluja - Valitse sellaiset työkalut, jotka pystyvät käsittelemään isoja määriä ei-rakenteista dataa
More Related Content
What's hot (9)
Similar to Big Data kohtaa Master Datan (20)
More from Loihde Advisory (20)
Big Data kohtaa Master Datan
- 1. Big Data kohtaa Master Datan Talent Base Oy Nino Ilveskero, osakas
- 2. Sisältö • Johdanto • Tiedon laatu • Master Data apuna Big Datan hyödyntämisessä • Laillisuusnäkökulma • Yhteenveto
- 3. Johdanto
- 4. Big Datan määritelmä tässä esityksessä • Big Dataa voidaan kuvata kolmella V:llä: Volume (Määrä), Velocity (Nopeus), Variety (Vaihtelevuus) • Tiedon hyödyntämistä vaikeuttaa rakenteen puuttuminen ja puutteet laadussa sekä sisällön ymmärrettävyydessä
- 5. Master Datan määritelmä • Master Data on (staattista) koko organisaation toiminnalle keskeistä ja jaettua tietoa, jolla on yhteisesti sovittu rakenne, sisältö ja merkitys. • Tyypillisiä avaintietoja: – Toimijat (asiakkaat, henkilöstö, toimittajat, kumppanit) – Paikat (toimipisteet, myymälät, markkina-alueet) – Asiat (tuotteet, palvelut, kiinteistöt, omaisuus, sopimukset)
- 6. Master Data Managementin (MDM) määritelmä Kokoelma sovittuja vastuita, prosesseja ja työkaluja, joiden avulla kuvataan sekä hallitaan organisaation toiminnan kannalta keskeisiä tietosisältöjä ja varmistetaan niiden laatu.
- 7. Datakerrokset METADATA REFERNSSI DATA MASTERDATA TRANSAKTIODATA BIG DATA Datan määrä Semantiikka, datan staattisuus ja uudelleen- käytettävyys Sensoridata, verkkopalvelun lokitietoa, twiittejä… PÄIVÄMÄÄRÄFORMAATTI, OSOITESTANDARDI... (DDMMYYYY) MAALISTA, TOIMISTUSLAUSEKKEET... (Fin;Swe;UK;Rus) MATERIAALI, TUOTE, ASIAKAS... (Talent Base;Y-tunnus 21574644) MYYNTITILAUS, TOIMITUS... (order-number;7756365)
- 8. Big Datan hyödyntäminen yleistyy How big is big data adoption – Talend. Kyselytutkimus tehty kesäkuussa 2012, 231 vastaajaa EMEA- ja Pohjois-Amerikan alueelta. • 41%:lla yrityksistä on Big Data -strategia. Big Datan käyttöönotto etenee. • 48% Big Data -hankkeista on liiketoiminnan ja 39% IT:n johtamia. • Niistä, joilla ei ole Big Data -strategiaa 76% kertoi syyksi sen, että he eivät erottele Big Dataa muusta yritystiedosta. • 62% vastaajista sanoi, että he ovat saavuttaneet liiketoimintahyötyjä. Näistä 28% liittyi liiketoimintaprosessien tehostamiseen ja 24% liittyi myynnin ja markkinoinnin tehostamiseen. Lähde: http://www.talend.com/resources/whitepapers/how-big-is-big-data-adoption
- 9. Big Datan lähteet Lähde: Talend survey 2012
- 10. Walmart käsittelee ja tallentaa yli miljoona asiakastapahtumaa joka tunti. Esimerkki vähittäiskaupasta Lähde: Talend survey 2012
- 12. Hype hälvenee ja palataan perusasioiden äärelle Yritykset tulevat oivaltamaan, että “big data” tarkoittaa kaikkea heidän tietoa. Forrester, Big Data Predictions for 2013, Jan 2, 2013 http://blogs.forrester.com/mike_gualtieri/13-01-02-big_data_predictions_for_2013
- 13. Tiedosta ymmärrykseksi Data Information Knowledge Big Muuttuuko mikään?
- 14. Tiedon laatu
- 15. Määrä ei korvaa laatua Huono datan laatu + Big Data = Isoja ongelmia Huono datan laatu * Big Data = Isoja ongelmia^2 Tiedon laatuvaatimukset riippuvat aina käyttötarkoituksesta. Big Datan laadun varmistaminen on yleensä huomattavasti vaikeampaa kuin master datan.
- 16. Tiedon laadun merkitys – lumipallovaikutus
- 17. MDM Big Datan laadun varmistamisessa • Käytä master dataa laadukkaan ja standardoidun tiedon lähteenä • Sovella master datan hallinnan periaatteita Big Dataan – Elinkaari – Omistajuus • Hyödynnä samoja data quality -työkaluja ja -periaatteita – Määritä laatukriteerit – Estä huonolaatuisen datan pääsy prosessiin – Käytä samoja työkaluja • Valitse sellaiset työkalut, jotka pystyvät käsittelemään isoja määriä ei- rakenteista dataa – Yksinkertainen esimerkki http://www.youtube.com/watch?v=NKwotbwCg78
- 18. Master Data apuna Big Datan hyödyntämisessä
- 19. Miksi Master Data ja Big Data pitää käsitellä kokonaisuutena? • Mikäli Big Dataa (analyysituloksia) ei voida yhdistää osaksi oman organisaation kontekstia, esim. tuote- tai asiakastietoja, niin se jää helposti irralliseksi ja kertaluonteiseksi toimenpiteeksi. • Olemassa olevia MDM-toimintamalleja voidaan hyödyntää myös Big Datassa – Tietomallit (rakenne & merkitys) – Prosessit ja hallintamalli (governance) – Laadun varmistus ja parantaminen • MDM luo organisaatiolle yhteistä kieltä ja käsitteistöä. Asiakas pitää olla asiakas myös Big Datassa. • Molemmat ovat osa isompaa EIM (Enterprise Information Management) sateenvarjoa.
- 20. Ilman tiedon rakennetta ja merkitystä Big Datan käyttö voi olla samanlainen kokemus kuin juominen paloletkusta. Big Datalle tarvitaan merkitystä ja rakennetta
- 21. SYNERGIA Viitekehys Liiketoiminta- hyötyä Big Datasta Kolmen V:n* hallinta Tiedon merkitys ja rakenne Tiedon laatu Organisaation osaaminen * = volume, velocity, variety MDM Governance Prosessit
- 22. SoMe Mobiililaitteet Transaktiot Verkkolaitteet Sensorit Datojen kohtaaminen … Big Data Rakenteinen data Ei rakenteinen data
- 24. Big Datan ja Master Datan kohtaaminen Ulkoiset lähteet Sisäiset lähteet Data Sisällöt Datavirrat Big Data työkalut Rakenne- ja sisältöanalyysi Tunnista malleja Big Data MDM työkalut Yhdistä Semantiikka ja rakenne Master Data BI työkalut Analysoi DW Raportit, visualisointi Trendit BI Uudet käsitteet Optimointi Laadukas data Tulokset I N T E G R A A T I O DQ Päätöksenteko
- 25. Esimerkki: asiakassegmentointi Ulkoiset lähteet Sisäiset lähteet Data Sisällöt Datavirrat Big Data työkalut Rakenne-‐ ja sisältöanalyysi Tunnista malleja Big Data MDM työkalut Yhdistä SemanBikka ja rakenne Master Data BI työkalut Analysoi DW RaporBt, visualisoinB Trendit BI Uudet käsiHeet OpBmoinB Laadukas data Tulokset I N T E G R A A T I O DQ ASIAKAS - Nimi ASIAKKUUS - Segmentti TOIMIPISTE KONTAKTI Ulkoiset • Facebook aktiviteeti • Tweetit Sisäiset • Verkko- palvelulokit • Click stream • Osto- tapahtumat / historia Data scientist Tiedon analysointi DW Big Data Uusi asiakas- segmentti Raportointi segmenteittäin Parempi kohdentaminen
- 26. Esimerkki: laitteen vikaantumisanalyysi Ulkoiset lähteet Sisäiset lähteet Data Sisällöt Datavirrat Big Data työkalut Rakenne-‐ ja sisältöanalyysi Tunnista malleja Big Data MDM työkalut Yhdistä SemanBikka ja rakenne Master Data BI työkalut Analysoi DW RaporBt, visualisoinB Trendit BI Uudet käsiHeet OpBmoinB Laadukas data Tulokset I N T E G R A A T I O DQ ASIAKAS Nimi LAITEKANTA Tuote TOIMIPISTE Koordinaatit Paikkakunta Ulkoiset • Sää tiedot alueittain Sisäiset • Sensoridat a • Huolto- käynnit Data scientist Tiedon analysointi DW Miksi huoltokäynnit lisääntyvät?Laadukas pohjatieto Parempi huoltokäyntien ennakointi
- 27. Esimerkki: Boeing 787 Ulkoiset lähteet Sisäiset lähteet Data Sisällöt Datavirrat Big Data työkalut Rakenne-‐ ja sisältöanalyysi Tunnista malleja Big Data MDM työkalut Yhdistä SemanBikka ja rakenne Master Data BI työkalut Analysoi DW RaporBt, visualisoinB Trendit BI Uudet käsiHeet OpBmoinB Laadukas data Tulokset I N T E G R A A T I O DQ MODUULI - ID - Toimittaja KOMPO- NENTTI - ID Sisäiset • Reaali- aikainen sensori data • Lentotiedot (Data scientist) Tiedon analysointi DW Big Data Tunnistetaan huollon tarve Valmistaudutaan huoltoon Nopea huolto ERP
- 28. Kaikki mikä on teknisesti mahdollista ei aina ole sallittua
- 29. Yksityisyydensuoja • Kriittistä, kun käsitellään henkilötietoja (kuluttajat, työntekijät, potilaat jne.) • Kansallista ja EU tason lainsäädäntöä – Kansallisissa laeissa paljon eroavaisuutta – Tulossa uutta EU-lainsäädäntöä, joka korvaa kansallisia lakeja • Ole erityisen varovainen yhdistäessäsi eri tietokokonaisuuksia – Sinulla ei välttämättä ole oikeutta käyttää/pitää syntyvää tietokokonaisuutta
- 30. Varoittava esimerkki http://www.guardian.co.uk/technology/2012/apr/22/big-data-privacy-information-currency “Big Data age puts privacy in question as information becomes currency”
- 31. Yhteenveto
- 32. Yhteenveto 1. Datan määrä ei itsessään luo arvoa 2. Jos pystyt yhdistämään Big Datan ja Master Datan, pystyt hyödyntämään dataa lukemattomin eri tavoin ja tuottamaan todellista arvoa liiketoiminnalle 3. Master Data tarjoaa Big Datalle merkityksen ja rakenteen 4. Hyödynnä MDM-periaatteita Big Datan laadun varmistamiseen 5. Varo lakiansoja