Classic datavarehus samlet enorme mengder relasjonsdata fra kilder på tvers av virksomheten og deretter korrelert det å skape mer mening enn det som kunne sees i ett system. Mesteparten av dataene var rent relasjonelle, og de fleste av de slutninger var ganske grei, selv om den blir med var vanskelig.

Men når du ser på sosial markedsføring, salg 2,0 og sosial CRM, må du betale mye mer oppmerksomhet til tidsseriedata og samspillet på tvers av sosiale nettverk. Disse kan alle mener massevis av data.

Først med atferds score, en markedsføring automatisering systemet trenger ikke bare å spore hver e-post du har sendt, men også hver respons-inkludert alle sider brukeren besøker, alle cookies som har blitt droppet, hver telefonsamtale og klikk stien som førte til et kjøp. Systemet trenger å spore nesten samme mengde data for anonyme besøkende som det gjør for fører. Selv små selskaper kan være opptak millioner av datapunkter i måneden.

For det andre, med sosiale nettverk, er det ikke nok å vite hvilke sosiale nettverk noen tilhører. Den høye bakke skaper grafer av det sosiale nettverket basert på mønstre av e-post, telefon poster og sosiale posteringer for å hjelpe deg å forstå hvem som er de mavens eller kontakter som har mest innflytelse på samfunnet

Analyse:. Hvordan CIOs får ny verdi ut av sosiale medier

Disse grafene også hjelpe deg å forstå den mest direkte eller troverdig måte å koble til eller påvirke et prospekt. Mens enkel tilkobling matrisen er ikke veldig stor, kan den sosiale-innflytelse matrise bli N-dimensjonale og uhyre.

Tredje, direktemeldinger og andre sosiale feeds kan være nyttig for å spore publikum følelser og støtte leksikalsk analyse. Men disse er høyden av ustrukturerte data, spesielt hvis du tar med vedlagte filer. Men disse kan være viktig å ta opp hvis du er interessert i å analysere merkevare nevner eller logo opptredener i stillbilder og videoer.

Sosiale data Utfordringer Nødvendigvis Kvantitet og kvalitet

Det er ikke bare det at hver av de feeds beskrevet ovenfor er stort. Det er behov for å opprettholde tid sekvensering og relatere hendelser på tvers av flere medier. Det fører til fryktede kombinatoriske eksplosjoner

Case Study:. Social Media Marries Big data ved Wedding Retailer

Det åpenbare svaret er å gjøre det meste av din analyse på ekstrakter eller tallies, snarere enn på den underliggende rekordhøye detaljer. Som fungerer så lenge du gjør ganske stabile analyser, hvor du kan forhåndsbestemme de fleste spørsmål og alle ekstrakter. Snart nok, men vil noen ha et oppfølgingsspørsmål som krever å undersøke de detaljerte data, så du må ha verktøy som kan bore ned under de utpakkede sammendrag.

Økonomien i skyen, og hastigheten på utplassering der, kan gjøre for overbevisende fordeler. Det finnes nå en rekke solide BI verktøy tilgjengelig kun i skyen, og brukere av operativsystemer skybaserte i økende grad bruker SaaS for sine datavarehus. Cool.

Med sosiale data, skjønt, er det bare de ekstrakter som kan praktisk talt håndteres i en ren sky lageret.

De underliggende detaljer-for ad hoc-spørringer, hypotesetesting, og trekke ut formulering -Vil nesten helt sikkert må gjøres med on-lokaler databaser. Heldigvis kapasiteter disk og minne fortsetter å falle, mens kapasiteten utvides. (Den bærbare jeg skriver denne artikkelen på, for eksempel, har mer enn en TB intern diskplass)

Slik gjør du:. 5 tips for å finne og ansette data Forskere

reelle kostnaden for den lokale lageret, men vil være programvare og data analytiker. Mens det er gode nyheter i form av analytisk kraft, verken folket eller programvaren er sannsynlig å komme ned i pris som helst snart.

Beskjær Social data tidlig, ofte

Jeg er vanligvis et kort-bærer data pack-rotte, men med sosial datavarehus, er det ikke mye poeng i å holde detaljerte data rundt for lenge.

Den første grunnen er informasjonsverdi. Mye av det sosiale data blir foreldet som de spillereglene fortsette å endre seg.