企业需要技术解决方案提供商给予一套数据收集和集成工具,来快速、高效和可靠地获取实时及非实时数据。并且,这一流程应该被设计得尽可能的简单,使非技术背景的企业用户也能够以自运营的形式上手操作。
用户应该能够轻松地指定,哪些数据维度需要被收集。数据收集触点和数据源对接的范围应完全取决于最终的目标 —— 如果目标是为了通过分析物联网传感器数据来做预见性维护,那对于数据获取这个步骤而言,就需要把MQTT和其他消息服务相结合, 并进而将来自数据库或数据仓库的离线客户数据与实时传感器数据相匹配。
如果您需要的应用场景是来分析客户流失,那么您需要将通过容器和SDK采集的实时客户触点行为数据(例如网站、APP等)与CRM和呼叫中心里可匹配个人身份信息(PII)的数据相结合。数据处理,以及是进行清理和统一还是将其中一部分以原始形式保留,或者是否对数据进行链接或合并等等,都是与应用场景和业务息息相关的问题。
◆ 智能分析
智能分析是指,能够帮助用户在其正着手的业务应用框架内提出正确的问题,不将分析逻辑设死,而是确保它可以按照适合企业自身的业务逻辑和独有特性来适配。
随着机器,人工智能和预测分析的发展成为数据驱动应用中的关键组成部分,企业用户能够轻松获得以前很难得到的深入洞察——但在这个过程中,如果分析过程对于用户而言变成一个黑盒,当用户无法控制或了解从A是如何达到B的,亦会有许多问题和错误的产生。