将大数据转化为智能数据的 5 个步骤

在过去的几年中,大数据已成为各地企业的关键流行语之一。 随着各种数据每年以创纪录的数量产生, 整理和分析这些信息将为企业提供比以往更多的洞察力 进入他们的客户和他们的行业,甚至让他们预测未来可能发生的事情。

这只是众多令人难以置信的大数据统计数据之一: 每一分钟 我们发送了 2.04 亿封电子邮件,在 Facebook 上分享了 250 万条内容,发送了 277,000 条推文,并在 Instagram 上发布了 216,000 张照片。

我只想说,那里有大量的数据。 但是,如果没有强大的技术,理解数百万(也许数十亿)个数据点可能既耗时又困难,尤其是当这些数据是非结构化的时。 新闻文章、社交媒体帖子、论坛评论等形式的在线文本数据通常就是这种情况。

事实上,这个过程的复杂性在于 反对大数据. 现在有人认为大数据的重要性被夸大了,因为它太“大”且难以驾驭。

从某种意义上说,这个观点是正确的。 没有结构,大数据就无法使用。 这只是大量不相关的信息,需要数年时间才能理解,即使如此,也可能不会产生任何见解。 但是如果结构可以被有效地覆盖和分析,那就是 大数据开始变成智能数据. 在 谈话者,我们有一种方法可以准确地解释这是如何发生的,以及这个过程如何有点像寻找生活中的伴侣。

搜索:在开始

智能数据的步骤 1

从计算机的角度来看,所有社交数据都只是来自不同来源(例如 Twitter 帖子、Facebook 帖子、新闻文章、博客和论坛评论)的页面上的文字。 第一步是 在此数据中查找某个主题,就像在 Google 上一样。

假设我们在社交数据分析平台中输入“Talkwalker”。 在这个阶段,如果没有任何其他参数或过滤器,我们会有一个很长的 URL 列表或没有特定顺序的帖子标题。

可以想象,使用如此有限的过滤器,我们可以从此类信息中获得的洞察力也非常有限。 我们真正能够知道的是某个术语在网上被提及了多少次。 无论如何,这都不是无关紧要的信息。 对于希望扩大品牌知名度的公司来说,这实际上可能是重要的信息。

但要让我们的社交数据真正唱响我们的歌,还需要更多。

过滤器:将您的数据缩小到一定大小

智能数据的步骤 2

下一步是 添加各种潜在的过滤器. 例如,一个基本的就是时间框架。 您想要上周的结果还是过去两年的结果? 或者甚至只是最后一个小时?

我们还想知道这些在线“提及”来自哪些媒体渠道。 它们是 Twitter 帖子、YouTube 视频、新闻文章还是博客帖子? 每个有多少?

对于跨国公司来说,了解帖子的发源国和所用语言也是关键。 有更多来自英国或美国的帖子吗? 是否有更多关于该品牌的西班牙语或葡萄牙语在线内容?

只需添加一些过滤器,我们不守规矩的社交数据海洋就被划分为更易于管理的河流。 然后可以随意组合和分割这些河流,以创建多个数据流,让您可以 隔离您需要的信息.

例如,对于刚刚推出新产品并开始大型 Twitter 活动的英国品牌,您可以创建一个数据流,仅查看过去两周来自英国的 Twitter 结果。

在这个阶段,您已经对数据的可用性产生了很大的影响。 使用这些多个过滤器,您现在可以更清楚地了解有关特定主题的提及来自何时何地。

在这个阶段有很多见解需要收集,但要真正使您的社交数据变得智能,您需要更进一步。

分析:添加一点分析

智能数据的步骤 3

如果过滤此信息允许我们创建可管理的数据流, 分析帮助我们将其转化为真正的洞察力 我们可以用它来帮助企业发展。

使用高级分析,我们现在可以查看这些数据中出现的最重要的主题,并查看例如哪些词与某些品牌最相关。 我们还可以看到 Twitter 或 Facebook 上的哪些影响者对品牌产生了最大的积极或消极影响。 或者,我们可以查看谁最有影响力(例如,谈论某个话题的男性或女性)或分析对特定活动或产品的情绪。

正是这个搜索、过滤和分析大量杂乱数据的过程,使这些数据栩栩如生。 可操作洞察力的来源 对于公司。 知道您的品牌在上个月被提及 200 万次并非无关紧要,但知道您的品牌已被提及 200 万次,其中四分之一来自“美国男性” 5月1日英石 由于《纽约时报》上发表的一篇新闻文章”提供了无限多的信息。

每个级别的过滤和分析都能让您深入了解社交数据,但每走得更远,您的数据就会变得更加智能。

当然,能够使用这些洞察并将其纳入业务战略将(至少现在!)落到公司中在每个领域都具有专业知识的人身上,但智能数据可以让专业人士快速从 A 点跳到 B 点。

一旦您设法将数据细化到这个级别,它就可以以多种方式使用。

使用数据:洞察各种需求

智能数据的步骤 4

随着越来越多的人使用社交网络、博客和论坛来讨论对他们而言重要的问题,从这些来源收集的见解变得更能代表公众的观点,因此也更有价值和准确。

在危机中,品牌可以监控跨多个媒体渠道对其品牌的所有提及,然后寻找与其品牌最相关的主题标签,以找到社交媒体负面情绪的潜在来源并对其做出反应。

对于产品活动,特定国家或语言的流行程度数据可以与销售数据相结合,以准确了解公众对特定活动的反应。

对于广告,可以检查围绕特定主题最常用的关键字,以找到正确的消息传递目标。

细化到这个级别的社交数据的使用确实可能是无限的 并且一直在增加。 各个领域的公司和组织,从零售商和电信到政党和非政府组织,都在为他们的行业寻找社会数据的价值。

该过程的最后一个关键阶段是将这些数据分发给 合适的人,在正确的时间以权利格式。 来自社交数据的洞察力可用于所有部门,从 C-Suite 到客户服务。 快速向每个部门提供相关见解可确保您从发现的见解中获得最大收益。

数据+数据

智能数据的步骤 5

社交大数据的一个有时未被充分宣传的好处是它具有与其他数据源结合的潜力。 使用 API 或仅通过导出结果, 社交数据可以与其他客户数据结合, 来自越来越多的可穿戴设备或其他“连接”设备(也称为物联网或 IoT)的数据。 结合这些强大的数据集,您可以更准确、更细致地了解公司的在线和离线活动,并提供更详细的客户图片。

关于大数据优点的讨论已经有一段时间了,有些人认为它正在消亡。 但实际上,这是一条不太可能的道路。 随着技术的进步和我们处理巨型数据集的经验的增长,我们操纵这些信息的能力只会增加。 通过将大数据转换为智能数据,公司将继续为其业务寻找关键洞察,并根据更好、更相关的数据做出决策。

完整信息图:实现真正(数据)爱情的 5 个步骤

如何热爱您的数据 - 从大数据到智能数据 - Talkwalker 信息图

继续对话 在我们的 Facebook 或者 谷歌+ 页。