Jest to scenariusz bardzo ogólny i różne narzędzia analityki biznesowej mogą mieć różne rozwiązania. Wiele z nich wykorzystuje odwzorowania pokazujące dane tak, jakby były przechowywane w tradycyjnej, relacyjnej bazie danych. Inne wykorzystują zalety cech własnych technologii Big Data, w tym możliwość odmiennego traktowania przez modele analityczne danych strukturalizowanych i niestrukturalizowanych.

Niektóre narzędzia BI ładują podsumowane lub zagregowane dane do tymczasowej, wielowymiarowej struktury "sześciennej" (zob. rys.3). Taka struktura pozwala analitykom na wizualizację danych przychodzących z systemów Big Data w bardziej użyteczny sposób.

Zobacz również:

• IDC CIO Summit – potencjał drzemiący w algorytmach
• Kwanty od OVHCloud dla edukacji
• Inteligentna chmura danych

W tym modelu wizualizowane mogą być zarówno dane strukturalizowane, jak i niestrukturalizowane. Dostępności takich danych pozwala na wprowadzenie nowej i poszerzonej analityki: raportującej i opisującej, modelującej i prognostycznej oraz grupowania podobieństw.

To co najważniejsze w analizach Big Data, to możliwość traktowania większości danych jako czegoś, co może być eksplorowane przez każdego, kto tego potrzebuje. Znikają ograniczenia do przeglądania tylko własnych danych biznesowych. Co więcej, modele analityczne (np. prognostyczne) zapewniają lepsze wyniki, ponieważ dane są bardziej kompletne.

Przykłady zastosowań analityki Big Data

Analityka Big Data może umożliwiać firmom ocenę stanu ich biznesu z większą szczegółowością i dokładnością, obejmującą efektywność procesów biznesowych. Analityka powiązana z wizualizacją danych pozwala na podjęcie odpowiedniej akcji ulepszania procesów biznesowych. Używając wizualizacji danych można np. szerzej spojrzeć na dane z procesu rejestracji sprzedaży i przetworzyć je w powiązaniu z danymi badań satysfakcji klienta.

Zagnieżdżenie analityki Big Data, powiązane z operacyjnymi aplikacjami przedsiębiorstwa, może zapewnić firmie wzmocnienie aplikacji krytycznych. Można np. wzbogacić aplikację dostaw o informacje uzyskane z analizy rejestrów dostaw (pod kątem ich punktualności) zawartych w olbrzymich zbiorach PDF, gromadzonych przez lata. Dane takie mogą być też wymieszane z informacjami ze źródeł zewnętrznych, jak portale społecznościowe czy blogi.

Właściwe użycie Big Data może poprawić też proces diagnozy i leczenia. System opieki zdrowotnej może przechowywać informacje o pacjentach w różnych miejscach, używając do tego różnych formatów danych, co utrudnia lub uniemożliwia ich analizowanie w pojedynczym klastrze informacji. Analityka Big Data może zbierać wszystkie dane o pacjentach - strukturalizowane lub nie - i umieszczać je w pojedynczym klastrze dla analiz przez narzędzia analityki biznesowej. Tym sposobem można zwiększyć możliwości określania najbardziej skutecznych metod leczenia.

Biznes sprzedaży detalicznej zależy głównie od trafności rozpoznania specyfiki rynku i klienta. Analizy Big Data mogą umożliwić analitykom tworzenie modeli określających rynkowy sukces produktu w oparciu o prognostyczne punkty danych zbierane z olbrzymich zbiorów danych niestrukturalizowanych. Dane te mogą obejmować informacje demograficzne dotyczące istniejącej bazy klientów, liczby wystąpień tego produktu w portalach społecznościowych, dane o sukcesie rynkowym produktów sprzedawanych w przeszłości z uwzględnieniem np. wzorców pogody, która też może wpływać na użytkowanie produktów.

Aby zapewnić efektywność biznesu, linie lotnicze muszą wybierać najlepsze i najbardziej dochodowe trasy. Używając analitykę Big Data, można prognozować opłacalność tras wykorzystując dane historyczne przedstawiane z kluczowymi wskaźnikami przewidywanej opłacalności, wyciąganymi z danych zbieranych przez źródła zewnętrzne. Dodanie danych o częstotliwości pojawiania się miejsca przeznaczenia w wyszukiwarkach internetowych w ciągu ostatnich kilku lat oraz częstotliwości pojawiania się ich w sieciach społecznościowych i modelowanie tych danych w narzędziu analityki biznesowej pozwoli na określenie opłacalności tej trasy oraz dopuszczalnego poziomu cen biletów.