Waarom Accurate Real-time Data Cruciaal Is voor Zakelijk Succes

Het verkrijgen van accurate real-time data is essentieel voor business. Het vereist het identificeren van patronen met behulp van metadata, het groeperen van deze informatie via metadata-bestanden, en het waarborgen van metadata-accuratesse door een metadata-management-framework.

Overweeg real-time data-accuratesse, een data-kwaliteitskenmerk dat verwijst naar correcte waarden en formaten, een must voor een winstgevend en groeiend bedrijf. Bedrijven hebben accurate real-time data nodig om om te gaan met instroom in consumentenverlangen. Een derde van C-suite executives en financiële professionals zijn het ermee eens dat ze hun real-time financiële data steeds meer waarderen.

Helaas worstelen veel organisaties er nog steeds mee om zakelijke inzichten uit hun real-time data te halen. Bedrijven verzamelen uren aan streaming data-feeds, maar hebben misschien alleen een paar minuten van deze stream nodig om een goed besluit te nemen.

Zelfs beslissen hoe volumes verzamelde data te valideren, veroorzaakt uitdagingen in het snel uitvragen of één dataset meer accuratesse heeft dan een andere. De verkeerde oproep maken en bijdragen aan een bedrijf dat $14 miljoen verliest.

Gelukkig belooft metadata, data over data, hulp bij het bereiken van real-time data-accuratesse. Dit artikel start de lezer op een reis met behulp van metadata om real-time data-accuratesse te krijgen.

Metadata Gebruiken om Real-time Data-accuratesse te Valideren

Het kan contro-intuitief lijken om over het genereren van meer data te praten om bestaande data accurater te houden. Maar metadata heeft verschillende superkrachten:

• Als het accurat is, biedt metadata context over de informatie die het beschrijft, wat data-accuratesse bewijst. Een computerprogramma kan deze metadata omzetten in een schema of representatie.
• Metadata-definities bevatten elke combinatie van technische, zakelijke, of operationele beschrijvingen van datasets. Dus systemen, processen, of mensen kunnen metadata gebruiken om klanten, aankopen, producten, locaties, etc. te karakteriseren.
• Algoritmen kunnen technische metadata gebruiken om een ander proces of persoon te vlaggen om verdere actie te ondernemen.
• Metadata kan om een massieve hoeveelheid data heen wrap, wat die data meer vindbaar maakt.

Twee experts, Romero en Calders, hebben deze metadata-krachten benut met een benadering genaamd information profiling. Ze stellen een framework voor dat metadata toepast om een schema voor profiling te vormen en de resultaten vervolgens in te sluiten met metadata.

Deze bevindingen verder nemend, kunnen bedrijven hun zakelijke regels gebruiken om metadata-vorming van het schema te sturen en data in pakketten te groeperen gewrapt door metadata. Deze organisaties zouden een efficiëntere manier hebben om met real-time data om te gaan door algoritmes te gebruiken om data-patronen te zoeken en datasets op te halen die matchen.

Een real-time data-accuratesse voorbeeld verkennen

Hoe zou het gebruik van metadata voor real-time data-accuratesse er in het echte leven uitzien? Gordon en Shankaranarayanan, van Babson College, geven inzicht.

Stel dat Bedrijf A's feed honderden instant messages per uur binnenkrijgt. Een klant, Jan Jansen, tekst dat hij een fiets wil kopen van bedrijf A. Bedrijf A wil deze berichten valideren dat ze van Jan Jansen zijn en dat hij een fiets wil kopen.

Eerst zou een applicatie een Jan Jansen-profiel creëren, metadata over Jan Jansen. Stel dat de metadata over Jan Jansen waarden heeft gebaseerd op telefoonnummer, het type mobiele telefoon gebruikt, en lidmaatschapsstatus bij Bedrijf A. Deze Jan Jansen-representatie zou goed zijn zoals de data in Bedrijf A's customer relationship management-systeem zit.

Dan neemt een computerprogramma dit Jan Jansen-profiel en matcht het met de tekst die in de feed streamt, met business rules die definiëren wat er in de datastream gezocht moet worden. Eenmaal de software data ziet die matcht met Jan's schema Jansen, zal het het bundelen onder een content-metadata-bestand. Dit content-metadata-bestand zou door mensen doorzoekbaar zijn die verzekerd zouden zijn dat de tekstberichten van Jan Jansen kwamen (als de metadata-kwaliteit aan zakelijke behoeften voldoet).

Ook zou een algoritme een aankoopprofiel samenstellen om de waarschijnlijkheid te bepalen dat Jan Jansen een fiets koopt, zoals Amazon uitvindt welke producten te aanbevelen voor zijn klanten. Dan kan een algoritme dit aankoopprofiel toepassen en de waarschijnlijkheid dueven dat Jan een fiets wil kopen.

Metadata-accuratesse cruciaal maken

Let op dat het gebruik van metadata om een schema en batch te creëren, zwaar afhangt van metadata-accuratesse. Anders zou het waarborgen van real-time data-accuratesse onmogelijk zijn.

In het bovenstaande voorbeeld, als Jan Jansen zijn telefoonnummer had gewijzigd en zijn metadata nog steeds het oude telefoonnummer had, dan zou Jan's metadata inaccuratuur zijn. Evenzo, het metadata-bestand met de real-time datasets zou correct gelabeld moeten zijn. Als de metadata met Jan Jansen's tekstbestanden de verkeerde klantnaam had, zou een persoon Jan's tekstbestand niet vinden.

Dus, dezelfde redenen en processen die bedrijven gebruiken om data te monitoren en te zuiveren, om consistent hoge data-kwaliteit te leveren, gelden ook voor de metadata. Metadata gebruikt in het valideren van real-time moet voldoende accurat zijn om vertrouwen te hebben in real-time data-accuratesse.

Een metadata-management-framework

Zou het genoeg zijn om de metadata-monitoring en -zuivering te automatiseren? Nee. Genoeg metadata-kwaliteit krijgen om waardevol en toegankelijk te zijn voor het bedrijf hangt af van een metadata-management-framework.

De organisatie zijn mensen, processen, en technologieën maken dit metadata-management-framework en de business rules die het creëren.

Bijvoorbeeld, als één afdeling zijn klantnamen in het ene systeem standaardiseert en een andere afdeling klantnamen anders formatteert in een afzonderlijke applicatie, heeft het een wankel metadata-management-framework. Welke afdeling neemt de organisatie metadata van om te gebruiken?

Een metadata-management-framework ontwikkelen om adequate real-time data-accuratesse te waarborgen vereist:

• Metadata-management-assessments op welke structuren bestaan en hun impact. Vanaf deze baseline kunnen bedrijven uitvinden welke processen te veranderen.
• Datastrategie, een plan voor het gebruik van data om het bedrijf gaande en groeiend te houden.
• Datagovernance, een programma dat metadata-toegang en beveiliging coördineert, om compliant te blijven.
• Collectieve datageletterdheid over het belang en de waarde van metadata in het bepalen van real-time data-accuratesse. Daarnaast zouden werknemers moeten weten hoe goede metadata te definiëren.
• Solide zakelijke vereisten over welke attributen en waarden definiëren wat of wie de metadata beschrijft.

Laatste woorden

In 2020 zagen bedrijven waarom ze real-time data-kwaliteit nodig hadden terwijl ze mistrustvol waren over het verkrijgen van zakelijke inzichten uit deze data. Hoge datavolumes en datasnelheden presenteren bedrijven significante obstakels om snel te verzekeren dat elk stuk data accuratesse heeft in een tekst- of berichtenstream.

Het curateren van de real-time data met behulp van een metadata-schema en business rules verkrijgt meer waarde tijdens het besparen van bedrijfshulpbronnen van het analyseren van irrelevante data. Het chunken van de resultaten en het labelen van deze datasets met metadata maakt het sneller vinden van accurate data mogelijk. Maar het gebruik van metadata op deze manier vereist accurate metadata en een adequate metadata-management-structuur zodat het bedrijf vertrouwen heeft in zijn real-time data-accuratesse.