21% компаний говорят о том, что после начала использования анализа больших данных их бизнес стал более эффективным.

Предиктивная аналитика (Predictive analytics) улучшает повседневную деятельность компании в 31% случаев, дает конкурентное преимущество в 57% случаев. Положительные результаты различного масштаба наблюдаются у 83% компаний (все перечисленное не гарантирует повышения эффективности бизнеса в целом.— Прим. автора).

67% компаний считают, что самое главное в средствах для предиктивной аналитики — удобство использования. Функциональность на втором месте с отрывом на 10%.

25% компаний обновляют массив Big Data в режиме реального времени. 30% делают это раз в сутки. Но есть 9%, которые обновляют массив всего один раз в месяц. Интересно, что самые неторопливые компании относятся к сфере услуг, тогда как самые оперативные компании — в промышленности.

19% компаний уже собирают и интегрируют в данные для анализа информацию с различных сенсоров и RFID.

52% компаний, использующих Big Data, занимаются предварительным отбором данных для массива перед анализом. Остальные предпочитают не тратить на это время.

Только треть респондентов считает, что их нынешние инструменты анализа Big Data действительно хороши. Остальные ищут способы улучшения процессов.

Предиктивная аналитика на основе больших данных применяется главным образом в маркетинге (48%), бизнес-процессах (44%) и IT (40%)

В 62% случаев компании не хотят внедрять анализ больших данных только потому, что у них нет для этого достаточно компетентных специалистов для формирования задания и собственно анализа. Для сравнения: на нехватку денег ссылается только четверть респондентов.

21% пользователей считает получаемые результаты не вполне достоверными и потому старается на них не опираться.

О необычном использовании анализа больших данных. Внедрение подключенных к интернету мышеловок позволило одной из глобальных сетей ресторанов существенно снизить затраты на штрафы, потому что:

во-первых, попавшихся грызунов удаляют раньше, чем они начнут издавать неприятные запахи; во-вторых, частота срабатывания мышеловок позволяет заранее принять меры, если популяция вредителей превышает обычные показатели.

В глобальном масштабе собираемая информация дает возможность определить «особые» регионы и обеспечить подходящее оборудование.

По материалам исследования Ventana Research, обнародованным на конференции Teradata Partners.

Читайте также:

Маленькая Big Data: как поставить анализ данных на конвейер