کلان داده اصطلاحی است که حجم زیاد داده های بزرگ را توصیف می کند. کلان داده چه به صورت ساختاری و چه غیر ساختاری، به طور روزمره یک تجارت را می تواند اشباع کند. اما مقدار داده مهم نیست، این که سازمان ها با این داده های مهم چه کاری انجام می دهند، مسئله اصلی می باشد. داده های کلان را می توان برای بینش هایی که منجر به تصمیم گیری بهتر و حرکت های استراتژیک تجاری می شوند، تجزیه و تحلیل کرد.

استفاده از کلان داده این روزها توسط شرکت ها برای پیشی گرفتن از همتایان خود رایج شده است. در بیشتر صنعت ها، رقبای قدیمی و تازه واردان به طور یکسان از استراتژی های حاصل از داده های تجزیه و تحلیل شده برای رقابت، نوآوری و ارزش پیدا کردن استفاده می کنند.

کلان داده به سازمان ها کمک می کند تا فرصت های جدید رشد کردن را پیدا کنند و دسته بندی های کاملاً جدیدی از شرکت ها را ایجاد کنند که می توانند داده های صنعتی خود را ترکیب، تجزیه و تحلیل کنند. این شرکت ها اطلاعات کافی در مورد محصولات و خدمات، خریداران و تأمین کنندگان، ترجیحات مصرف کنندگان دارند که می توانند جذب، تجزیه و تحلیل شوند.

در حالی که اصطلاح “کلان داده” نسبتاً جدید است، اما خودِ عمل جمع آوری و ذخیره اطلاعات و داده های عظیم برای تجزیه و تحلیل نهایی قدیمی است. این مفهوم در اوایل دهه ۲۰۰۰ وقتی Doug Laney، تحلیلگر صنعتی، تعریف اصلی و جریان کلان داده را به عنوان سه V (Volume، Velocity و Variety) بیان کرد، تبدیل به بحث روز شد:

Volume (حجم): سازمان ها داده ها را از منابع مختلف، از جمله تراکنش های تجاری، رسانه های اجتماعی، اطلاعات از داده های سنسور ها و یا به شکل ماشین به ماشین جمع آوری می کنند. در گذشته، ذخیره آن یک مشکل بود اما فناوری های جدید (مانند Hadoop) بار روی دوش کسب و کار ها را کاهش داده اند. نام “کلان داده” خود به بسیار بزرگ بودن اندازه داده مربوط می شود. اندازه داده ها در تعیین مقدار داده ها بسیار مهم است. همچنین، این که آیا داده خاصی می تواند به عنوان یک داده بزرگ در نظر گرفته شود یا خیر، به حجم داده بستگی دارد. از این رو، “حجم” یکی از ویژگی هایی است که باید در هنگام پرداختن به “کلان داده” مورد توجه قرار گیرد.

Velocity (سرعت): جریان داده ها امروزه با سرعتی بی سابقه در حال انجام می باشد و باید به موقع با آن ها برخورد شود. بر چسب های RFID، سنسور ها و اندازه گیری هوشمند نیاز به مقابله با تورنت های داده ها را در زمان تقریباً real time ایجاد می کنند.

اصطلاح “Velocity” به سرعت تولید داده ها اشاره دارد. این که سرعت تولید و پردازش داده ها برای پاسخگویی به خواسته ها چگونه باشد، پتانسیل واقعی را در داده ها تعیین می کند.

Big Data Velocity با سرعتی که داده ها از منابعی مانند فرآیند های تجاری، گزارش ها، شبکه ها و سایت های رسانه های اجتماعی، سنسور ها، دستگاه های تلفن همراه و … سرازیر می کنند، سرو کار دارد. جریان داده ها گسترده و مداوم است.

Variety (تنوع): داده ها در انواع قالب ها وجود دارند، که شامل داده های ساختار یافته، داده های عددی در پایگاه های داده سنتی تا اسناد متنی بدون ساختار مثل ایمیل، ویدئو، صدا، داده های مربوط به سهام و تراکنشات مالی می باشند. “تنوع” به منابع نا همگن و ماهیت داده ها اعم از ساختاری و غیر ساختاری اشاره دارد. در طی روز های گذشته، صفحات گسترده و پایگاه داده تنها منابع داده ای بودند که توسط اکثر برنامه ها مورد توجه قرار گرفتند. اکنون، داده هایی به صورت ایمیل، عکس، فیلم، دستگاه نظارت، PDF، صدا و … نیز در برنامه های تجزیه و تحلیل در نظر گرفته شده اند. این تنوع داده های غیر ساختاری مسائل خاصی را برای ذخیره سازی، استخراج، تجزیه و تحلیل داده ها به وجود می آورد.

• کسب و کار ها می توانند هنگام تصمیم گیری از سورس های بیرونی استفاده کنند
• خدمات مشتری بهبود یافته است
• شناسایی زود هنگام ریسک های پیش رو برای محصولات یا خدمات، در صورت وجود
• کارایی عملیاتی بهتر

اهمیت داده های کلان به میزان داده های یک شرکت بر نمی گردد بلکه، به نحوه استفاده یک شرکت از داده های جمع آوری شده است. هر شرکتی از داده ها به روش خود استفاده می کند. هر چه شرکت ها از کارآیی داده های خود استفاده انجام دهند، توانایی بیشتری برای رشد دارند. این شرکت ها می توانند داده ها را از هر منبعی گرفته و آن ها را تجزیه و تحلیل کنند تا پاسخی پیدا کنند که این موارد را تحت تاثیر قرار دهد:

1. صرفه جویی در هزینه: برخی از ابزار های Big Data مانند Hadoop و Cloud-based Analytics می توانند کاهش هزینه ای را برای تجارت به ارمغان بیاورند؛ وقتی که مقدار زیادی داده ذخیره می شود، این ابزار ها به شناسایی روش های کارآمد تر تجارت کمک می کنند.
2. کاهش های زمانی: سرعت بالای ابزاری مانند Hadoop و تجزیه و تحلیل حافظه می تواند به راحتی منابع جدید داده را شناسایی کند که به صاحبان کسب و کار ها در تجزیه و تحلیل سریع داده ها و تصمیم گیری سریع بر اساس آموخته ها کمک می کند.
3. شرایط بازار را درک کنید: با تجزیه و تحلیل کلان داده می توانید درک بهتری از شرایط فعلی بازار داشته باشید. به عنوان مثال، با تجزیه و تحلیل رفتار های خرید مشتریان، یک شرکت می تواند محصولی را که بیشترین فروش را دارد بیابد و مطابق این روند محصولات بعدی خود را تولید کند و با این کار می تواند از رقبای خود پیشی بگیرد.
4. اعتبار آنلاین را کنترل کنید: ابزار های کلان داده می توانند تجزیه و تحلیل احساسات را انجام دهند. بنابراین، می توانید درباره اینکه چه کسی درباره شرکت شما چه چیزی می گوید، بازخورد بگیرید. اگر می خواهید حضور آنلاین مشاغل خود را رصد کرده و بهبود ببخشید، ابزار های کلان داده می توانند به همه این مسائل کمک کنند.
5. استفاده از تجزیه و تحلیل کلان داده ها برای تقویت جذب و نگهداری مشتری: مشتری مهم ترین سرمایه ای است که هر کسب و کاری دارد و تماما به آن بستگی دارد. هیچ تجارت واحدی وجود ندارد که بتواند ادعای موفقیت کند، بدون این که ابتدا نیاز به ایجاد یک پایگاه مشتری ثابت داشته باشد. با این حال، حتی با داشتن مشتری، یک تجارت نمی تواند از رقابت بالایی که با آن روبرو است، چشم پوشی کند. اگر یک کسب و کار در زمینه این که بفهمد مشتری ها به دنبال چه چیزی هستند، عمل کند، پس تنها محصولات کسل کننده و ضعیف ارائه خواهند شد و در پایان به از دست دادن مشتری ختم خواهد شد و این یک اثر کلی نامطلوب بر موفقیت کسب و کار شما ایجاد می کند. استفاده از کلان داده ها به مشاغل اجازه می دهد تا الگو ها و روند های مختلف مربوط به مشتری را بهتر درک کنند. بررسی رفتار مشتری باعث ایجاد وفاداری آن مشتری برای شما می شود.
6. استفاده از تجزیه و تحلیل کلان داده ها برای حل مشکل تبلیغ کنندگان و ارائه بینش بازاریابی: تجزیه و تحلیل کلان داده ها می تواند به تغییر تمام عملیات بیزینسی کمک کند. این شامل توانایی مطابقت پیدا کردن با انتظارات مشتری، تغییر خط تولید شرکت و البته اطمینان حاصل کردن از قدرتمند بودن در حیطه بازاریابی است.
7. Big Data Analytics به عنوان محرک نو آوری و توسعه محصول: یکی دیگر از مزایای بزرگ کلان داده ها، توانایی کمک به شرکت ها در زمینه نو آوری و توسعه مجدد محصولات خود است.

بهترین نمونه های کلان داده ها را می توان هم در بخش دولتی و هم در بخش خصوصی یافت. از تبلیغات هدفمند، آموزش و پرورش و صنایع گسترده ای که قبلاً ذکر شد (بهداشت و درمان، بیمه، تولید یا بانکداری)، تا سناریو های زندگی واقعی، در مهمانی ها یا انواع سرگرمی. در سال ۲۰۲۰، در هر ثانیه ۱.۷ مگابایت داده برای هر فرد روی کره زمین تولید شده است، پتانسیل رشد سازمانی داده محور در بخش مهمان نوازی بسیار زیاد است.

کلان داده ها می توانند در برخی از حوزه هایی که کسی فکرش را هم حتی نمی کند، باعث ایجاد مزایا شود.

در زیر برخی از زمینه های صنعت آموزش و پرورش وجود دارد که با تغییرات انگیزه داده های بزرگ تغییر شکل داده اند:

• برنامه های یادگیری سفارشی سازی شده و پویا
• تنظیم مجدد مطالب دوره ها
• سیستم های درجه بندی
• پیش بینی شغلی

صنعت بیمه نه تنها برای اشخاص بلکه شرکت های تجاری نیز دارای اهمیت است. دلیل اینکه بیمه جایگاه قابل توجهی دارد این است که در زمان سختی ها و بلاتکلیفی ها از افراد پشتیبانی می کند. داده های جمع آوری شده از این منابع فرمت های مختلفی دارند و با سرعت بسیار زیادی تغییر می کنند.

جمع آوری اطلاعات

از آن جا که داده های بزرگ به جمع آوری داده ها از منابع مختلف اشاره دارد، این ویژگی یک مورد حیاتی را برای صنعت بیمه ایجاد می کند. به عنوان مثال: هنگامی که مشتری قصد خرید یک بیمه اتومبیل را دارد، شرکت ها می توانند اطلاعاتی را بدست آورند، که می توانند از آن ها سطح ایمنی راننده یعنی سوابق رانندگی گذشته وی را متوجه شوند. بر این اساس آن ها می توانند هزینه بیمه اتومبیل را نیز به طور موثر محاسبه کنند.

کسب بصیرت مشتری

تعیین تجربه مشتری و تبدیل مشتری به کانون جذب یک شرکت برای سازمان ها از اهمیت بالایی برخوردار است.

تشخیص تقلب

کلاهبرداری در بیمه یک اتفاق رایج است. پرونده استفاده از کلان داده برای کاهش تقلب بسیار موثر است.

نقشه تهدید

هنگامی که یک آژانس، بیمه ای را می فروشد، آن ها می خواهند از همه احتمالات نا مطلوب کار با مشتری خود آگاه شوند و آن ها را وادار به اثبات ادعا کنند.

همراه با بسیاری از زمینه های دیگر، داده های کلان در دولت می توانند به شکل محلی، ملی و جهانی تاثیر بسزایی داشته باشند. امروزه با وجود بسیاری از مسائل پیچیده که مطرح می باشد، دولت ها تلاش کرده اند تا تمام اطلاعاتی را که دریافت می کنند، معنی دهند و تصمیمات حیاتی را در رابطه با آن ها بگیرند که این مسئله میلیون ها نفر را تحت تأثیر قرار می دهد. دولت ها و هر کشوری، تقریباً روزانه با حجم بسیار زیادی از داده ها روبرو می شوند. از این رو، آن ها باید سوابق و بانک های اطلاعاتی مختلفی را در مورد شهروندان ثبت کنند. مطالعه و تجزیه و تحلیل مناسب این داده ها به روش های بی پایان به دولت ها کمک می کند. تعداد کمی از آن ها عبارتند از:

• طرح های رفاهی
• امنیت سایبری

میزان داده ها در بخش های بانکی هر ثانیه سر به فلک می کشد. طبق پیش بینی GDC، تخمین زده می شود که این داده ها تا سال ۲۰۲۱ تا ۷۰۰ درصد رشد کنند!

مطالعه و تجزیه و تحلیل داده های بزرگ می تواند به تشخیص موارد زیر کمک کند:

• سواستفاده از کارت های اعتباری
• واضح شدن کسب و کار
• تغییر آمار مشتری
• پول شویی
• کاهش ریسک