Üzleti célú mobilmédia elemzés

ÜZLETI CÉLÚ
MOBILMÉDIA ELEMZÉS

AFF GROUP - ENTERPRISE MOBILITY
A projektek a Magyar Kormány támogatásával, a Nemzeti
Fejlesztési Ügynökség kezelésében, a Kutatási és Technológiai
Innovációs Alap finanszírozásával valósulnak meg.

WWW.AFF-GROUP.COM | INFO@AFF-GROUP.COM

TARTALOM
1. A VILÁG VÁLTOZIK
2. MOBIL ADATBÁNYÁSZAT
3. MIÉRT FONTOS AZ INFORMÁCIÓ GYORS FELDOLGOZÁSA?
4. MILYEN ADATOK NYERHETŐEK KI A MOBILBÓL?
5. HOGYAN DOLGOZZUK FEL AZ ADATOKAT?
6. ÚJ TRENDEK A MOBIL ANALITIKÁBAN



A VILÁG VÁLTOZIK
Tartalomfogyasztási és kommunikációs
szokásaink az utóbbi évek során alapjában
véve megváltozott, és ennek a gyors
folyamatnak még koránt sincs vége. A holnap
vásárlója mindent megváltoztat, hiszen olyan
korba születik, ahol az internet mindenhol
jelen van, a valós idő a normál idő, a
kommunikáció túlnyomó része pedig mobilon
és publikusan zajlik. Az azonnali személyre
szabás minden eddiginél fontosabb
szerepet kap. Az ilyen felfogás szerint élő
fogyasztók mindennapi élete során – például
kommunikáció, tanulás, vásárlás, közlekedés,
vagy bármilyen egyéb időtöltés – rengeteg, a
jelenleginél is jóval több adat keletkezik.

Az adatok döntő része nem strukturált
formában, azaz nem az azonnali elemzést
lehetővé tévő adatbázisokban, hanem log
fájl, szöveg, hang, kép vagy videó formájában
jelenik meg. Az ilyenformán előállt hatalmas
adatmennyiség a jövőben csak még nagyobb
lesz.
Honnan jön ez a sok adat? Különböző
szektorokból. Legyen az banki, biztosítás,
egészségügy (gyógyszeripar), média vagy
egyéb más iparágak.

Ezekből az adatokból azonban csak akkor jön
létre érték, ha elemezzük a rendelkezésünkre
álló hatalmas adatmennyiséget, megfelelően
értelmezzük azokat, és az így nyert
információk birtokában kihasználjuk
az ezekből az információkból adódó
lehetőségeket.

Tapasztalataink szerint mind
az üzleti, valamint a személyes
mobilhasználat közben a
digitális formában megjelenő
adatmennyiség kétévente
megduplázódik.



MI TÖRTÉNIK AZ
INTERNETEN 2 PERC
ALATT?
639 800
Gigabyte
összes adatforgalom

1 300

Hatalmas adatmennyiség, és még
nagyobb potenciál.

Teljesen új
mobilfelhasználó

47 000

204 000 000

3 000

Alkalmazás
letöltés

Elküldött
Email

Fénykép
feltöltés

20 000 000

2 000 000

Fénykép
megtekintés

Google
Keresés

277 000

BECSLÉSEK SZERINT
10 ÉV MÚLVA 50X-ES LESZ AZ
ADATMENNYISÉG

Facebook
bejelentkezés



BELSŐ ADATOK

KÜLSŐ ADATOK

MILYEN ADATOKBÓL
VÁLOGATHATUNK?
ADATOK, AMIKET MA IS
MÉRÜNK

FELHASZNÁLÓI ADATOK,
AMIKET KELL MÉRNI

Mobiltelefon / helyadatok,
hitelkártya adatok, utazási
előzmények stb.

Twitter, Facebook, Google,
Instagram, Blogok, szenzor adatok

Beléptető rendszer adatai, HR
adatok, web profilok, eladási és
pénzügyi adatok

Online fórumok, weboldalak,
szöveges és szenzor adatok

ADATOK, AMIKET EDDIG
NEM MÉRTÜNK

ELSŐDLEGES VIZSGÁLATI
ADATOK

STRUKTÚRÁLT
ADATOK

STRUKTÚRÁLATLAN
ADATOK



MOBIL
ADATBÁNYÁSZAT
Az adatbányászat segítségével rejtett
összefüggéseket fedezhetünk fel nagy
mennyiségű adathalmazban.
Az adatbányászat azt a nyilvánvaló
ellentmondást oldja fel, hogy minél több
adattal rendelkezünk, annál bonyolultabb
és időigényesebb ezt hatékonyan elemezni,
és értékes következtetéseket levonni
belőlük. Ami akár aranybánya is lehetne, az
sok esetben feltáratlan marad megfelelő
szakember, tapasztalat vagy idő hiányában.

Az adatbányászat fejlett elemzési
technikákat használ arra, hogy
hatalmas mennyiségű adatokból
kinyerje a hasznos Információkat.
Bár az adatbányászat – és különösen a mobil
világban - egy viszonylag új terület, maga a
technológia nem az.
A statisztikusok már a múltban is
„bányászták” az adatbázisokat statisztikailag
szignifikáns összefüggések felfedezése
érdekében. Az információtechnológiában
végbement drámai változások hatására
azonban a feldolgozó számítógépek
teljesítményének növekedésével az
elemzések pontossága, gyorsasága és
mennyisége is rendkívüli módon megnőtt.



MIÉRT FONTOS AZ INFORMÁCIÓ
GYORS FELDOLGOZÁSA?
Üzleti adatok elemzésének gyakorlata
körülbelül 20 éves múltra tekint vissza.
Az eredeti módszerek szerint adatokat
relációs adatbázisokból töltöttek át olyan
tárolókba, ahol az üzleti elemzés könnyebben
elvégezhető volt. A feldolgozás és letárolás
már az analitikus feldolgozásra volt
optimalizálva.
Az adatok előkészítéséhez és
megjelenítéséhez is már korán kialakultak
azok a grafikus kezelői felületek, ahol ezeket a
műveleteket gyorsan meg lehetett tervezni.
A korai rendszerek rengeteg korláttal
rendelkeztek, mivel az adatok mennyisége
próbára tette a tároló rendszerek kapacitását
és processzorait is.
Az adatelemző rendszerek rendkívül
korlátosak voltak, ezért számos üzleti
intelligencia projekt finanszírozhatatlanná
vált, vagy megragadt azon a szinten ahol
bevezették.
Amióta ember az ember rengeteg adatot
hozott létre. A számítástechnika és a
mobilizáció terjedésével és a vállalati IT
infrastruktúra fejlődésével az előállt adatok
mennyisége szinte felfoghatatlan.
A néhány évvel ezelőtt még haszontalannak
tűnő adatok értékelése az utóbbi években

gyökeresen megváltozott. Legyen az egy kis
cég vagy egy multinacionális nagyvállalat,
értelmet nyert az eddig használhatatlannak
tűnő hatalmas adatmennyiség felhasználása.
Vállalati környezetben elsősorban
szabványos, strukturált információhalmaz
keletkezik, melynek mérete akár néhány
Terra bájttól az alkalmazott technológia és
az iparágak szerint, ennek nagyságrendekkel
nagyobb méretekig terjedhet.

Ma már nincs idő arra, hogy egy
szervezet napokig várjon egy
komplex elemzésre.
A versenyelőny kialakításához
nélkülözhetetlenek az azonnali, és gyors
döntések, sokszor helyben, az adott
megbeszélés alatt. A gyorsabb munka
jobb minőséget is jelenthet, ugyanis ha
az elemzés rövidebb időt vesz igénybe, a
szakemberek több mindent kipróbálhatnak,
és megbizonyosodhatnak arról, hogy helyes
modellt állítottak fel, így megalapozottabbá
válhatnak a döntések.



MILYEN ADATOK NYERHETŐEK
KI A MOBILBÓL?
A mobil eszközökben elhelyezett szenzorok
általában egymástól függetlenül és csak egy
adott alkalmazás egy bizonyos funkciójához
kerültek a korábbiakban felhasználásra,
összetettebb alkalmazásuk meglehetősen
ritka.
Kevés esetben találkoztunk eddig olyan
megoldással, ami azon eredményekre
alapult volna, amelyek több szenzor egy idejű
méréseiből származtak. Az egyes szenzorok
által szolgáltatott adatokat a különböző
adatelemzési technológiákkal elemezve
olyan új alkalmazási lehetőségekre tudjuk
felhívni a figyelmet, amire eddig csak kevesen
gondoltak.

a közösségi hálózatok használatáról,
a telemetriai mérések és elemzések
segítségével az alkalmazás használata
közbeni csalások (fraud) felismerhetőek,
de a felhasználói viselkedés, attitűd és
érzelmekre való következtetés is a lehetséges
felhasználás között található.
Alapvetően egy adott felhasználóról és
aktuális környezetéről szeretnénk bővebb
információkat szerezni. A megszerzett
információkra alapozva pedig olyan lépéseket
lehet tenni, melyek megfelelően illeszkednek
egy adott modellbe és valamilyen üzleti
érdeket tudnak szolgálni.

A hagyományos módszerekkel
ezen adatok elemzése nem
célravezető. Amire szükség van,
az a rendszeres kapcsolatok,
összefüggések felfedezése, erre
pedig korábban nem volt példa.
Nem elég többé, ha a laboratóriumi
körülmények között született
megfigyelésekre alapozunk, a való
életet kell megfigyelnünk.
Fontos információk nyerhetőek ki például



HOGYAN DOLGOZZUK
FEL AZ ADATOKAT?
Jellemző a jelenlegi állapotra, hogy az üzleti
vállalkozások a gyűjtött adatok java részét
csak tárolják, de elemezni nem tudják, tehát
adatok tárolására és megfelelő átalakítására
sokkal korszerűbb eszközöket, megközelítést
kell alkalmazni.
Megjelent a „big data” fogalma, amely a
korábbi adatstruktúrákhoz képest azoknál
lazább szerkezetben tárolt és másképp
feldolgozható adatokat jelent.
A nagymennyiségű adatok feldolgozása
jellemzően társítható minden üzleti esethez,
tehát a korábbi adattárházakat kombinálják
az új elemzési módszerekkel. Ennek
feldolgozása miatt az adatelemzés teljes
folyamata is korszerűsödött.

átgondolásával kell kezdeni.
Ezt követheti az adatstratégia, illetve
adattérkép kidolgozása, amelyben azt
kell osztályozni, hogy melyek a szervezet
számára fontos adattípusok; továbbá azt is
fel kell mérni, hogy milyen gyorsan változnak,
illetve bővülnek az adatok. Ezt követően
sorrendbe kell állítani az üzleti problémákat,
amelyeket az adatelemzéssel akarunk
megoldani.

Kutatásaink során egyértelművé
vált, hogy nem egy, hanem jó
néhány új technológiai megoldást,
trendet kell megismernünk és
figyelembe vennünk a megfelelő
mobilstratégia kiválasztásakor.
A nagymennyiségű adatok feldolgozása és
kezelése minden vállalat számára bonyolult
lehet első nekifutásra, ezért mindenképpen
az üzleti stratégia, illetve az üzleti célok



ÚJ TRENDEK A MOBIL
ANALITIKÁBAN
Napjainkban a technológiai innovációknak például a mobil készülékeknek és a közösségi
médiának - köszönhetően folyamatosan
hatalmas mennyiségű strukturált és
strukturálatlan adat keletkezik, ugyanakkor
még az adatrobbanás elején járunk.
A mobil alkalmazások által kezelt és a
mérések során kinyerhető adatmennyiség
exponenciális növekvése olyan komplex
adathalmazt eredményez, amelyek elemzése
és kiértékelése a hagyományos módszerekkel
nehéz kezelni. Az IT iparág átalakuláson
megy keresztül, ahol a növekedés
mozgatórugója a mobil, a felhőalapú
skálázható szolgáltatások és alkalmazások,
in-memory computing és a „Big Data”
technológiákra épülő szolgáltatások és
alkalmazások adják.

Kutatási eredményeink szerint a
hagyományos (általánosságban
elfogadott) webes analitikai
mutatók, mérőszámok
önmagukban nem elegendőek
a mobil alkalmazások
viselkedésének leírásához, ehhez
képest tágabb halmazt kell
megfogalmazni, szituációfüggő

mérésekkel, és prediktív
adatfeldolgozással.
Az adatbányászatot támogató szoftverek
segítségével tehát nagy mennyiségű
több dimenziós adathalmazt készítünk,
alakítjuk, majd csökkentjük méretében és
dimenzióiban, és olyan modellező eljárásokat
alakítunk ki, amely segítségével hasznos
adatokra bukkanjunk.
Az összes többi alkalmazás mintájára az
üzleti intelligencia is a mobil eszközökre
költözik. A valós idejű analitika a mobil
felhasználásban is kulcsfontosságúvá válik,
legyen szó a cég munkatársai által munkára
használt, vagy egy személyes jellegű
alkalmazásról.

ÉS
M É RT
TOT T
T IS Z T Í K
ADATO
K ÉSZ
SI
DÖ N T É
L
MODE L

J E LE N

T ÉS E K

I
ÜZ LE T
OK
CÉL



Üzleti célú mobilmédia elemzés

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (14)

Ähnlich wie Üzleti célú mobilmédia elemzés

Ähnlich wie Üzleti célú mobilmédia elemzés (20)

Üzleti célú mobilmédia elemzés