Pourquoi des données temps réel précises sont critiques pour le succès business

Obtenir des données temps réel précises est essentiel pour le business. Cela nécessite d'identifier des schémas en utilisant les métadonnées, de regrouper cette information via des fichiers de métadonnées, et d'assurer l'exactitude des métadonnées via un cadre de gestion des métadonnées.

Considérez l'exactitude des données temps réel, une caractéristique de qualité de données se référant à des valeurs et formats corrects, comme un must pour un business rentable et en croissance. Les entreprises ont besoin de données temps réel précises pour faire face aux afflux de demande des consommateurs. Un tiers des dirigeants C-suite et professionnels financiers conviennent qu'ils valorisent de plus en plus leurs données financières temps réel.

Malheureusement, de nombreuses organisations continuent de lutter pour obtenir des insights business de leurs données temps réel. Les entreprises collectent des heures et des heures de flux de données en streaming mais peuvent n'avoir besoin que de quelques minutes de ce flux pour prendre une bonne décision.

Même décider comment valider des volumes de données amassés cause des défis pour comprendre rapidement si un jeu de données a plus d'exactitude qu'un autre. Faire le mauvais appel et contribuer vers une entreprise perdant 14 millions $.

Heureusement, les métadonnées, données sur les données, promettent de l'aide pour obtenir l'exactitude des données temps réel. Cet article commencera le lecteur dans un voyage utilisant les métadonnées pour obtenir l'exactitude des données temps réel.

Utiliser les métadonnées pour valider l'exactitude des données temps réel

Cela peut sembler contre-intuitif de parler de générer plus de données pour aider à garder les données existantes exactes. Mais les métadonnées ont plusieurs super-pouvoirs :

• Si elles sont exactes, les métadonnées fournissent du contexte sur l'information qu'elles décrivent, prouvant l'exactitude des données. Un programme informatique peut transformer ces métadonnées en un schéma ou représentation.
• Les définitions de métadonnées contiennent toute combinaison de descriptions techniques, business ou opérationnelles de jeux de données. Donc, systèmes, processus ou personnes peuvent utiliser les métadonnées pour caractériser clients, achats, produits, localisations, etc.
• Les algorithmes peuvent utiliser les métadonnées techniques pour signaler un autre processus ou personne pour prendre une action supplémentaire.
• Les métadonnées peuvent envelopper un gros morceau de données, rendant ces données plus trouvables.

Deux experts, Romero et Calders, ont exploité ces forces des métadonnées avec une approche appelée profilage d'information. Ils proposent un cadre appliquant les métadonnées pour former un schéma pour le profilage et ensuite enclore les résultats en utilisant les métadonnées.

Allant plus loin ces découvertes, les entreprises peuvent utiliser leurs règles business pour guider la formation des métadonnées du schéma et grouper les données en paquets enveloppés par les métadonnées. Ces organisations auraient une façon plus efficace de traiter les données temps réel en employant des algorithmes pour chercher des schémas de données et récupérer des jeux de données qui correspondent.

Explorer un exemple d'exactitude des données temps réel

Comment l'utilisation des métadonnées pour l'exactitude des données temps réel se présenterait-elle dans la vie réelle ? Gordon et Shankaranarayanan, de Babson College, donnent un aperçu.

Disons que le flux de l'Entreprise A a des centaines de messages instantanés arrivant chaque heure. Un client, Jean Dupont, envoie un texto qu'il veut acheter un vélo de l'entreprise A. L'entreprise A veut valider que ces messages viennent de Jean Dupont et qu'il veut acheter un vélo.

D'abord, une application créerait un profil Jean Dupont, des métadonnées sur Jean Dupont. Disons que les métadonnées sur Jean Dupont ont des valeurs basées sur le numéro de téléphone, le type de téléphone mobile utilisé, et le statut de membre avec l'Entreprise A. Cette représentation de Jean Dupont serait bonne comme les données contenues dans le système de gestion de relation client de l'Entreprise A.

Ensuite, un programme informatique prend ce profil Jean Dupont et le fait correspondre avec le texte qui arrive en streaming dans le flux, avec des règles business définissant quoi chercher dans le flux de données. Une fois que le logiciel voit des données correspondant au schéma de Jean Dupont, il les regroupera ensemble sous un fichier de métadonnées de contenu. Ce fichier de métadonnées de contenu serait recherchable par des gens qui seraient assurés que les messages texte venaient de Jean Dupont (si la qualité des métadonnées répondait aux besoins business).

Aussi, un algorithme mettrait ensemble un profil d'achat pour déterminer la probabilité que Jean Dupont achète un vélo, comme Amazon détermine quels produits recommander pour ses clients. Ensuite, un algorithme peut appliquer ce profil d'achat et pondérer la probabilité que Jean veuille acheter un vélo.

Rendre l'exactitude des métadonnées critique

Notez que l'utilisation des métadonnées pour créer un schéma et un lot dépend fortement de l'exactitude des métadonnées. Sinon, assurer l'exactitude des données temps réel serait impossible.

Dans l'exemple ci-dessus, si Jean Dupont avait changé son numéro de téléphone et que ses métadonnées avaient encore l'ancien numéro, alors les métadonnées de Jean seraient inexactes. De même, le fichier de métadonnées avec les jeux de données temps réel aurait besoin d'être étiqueté correctement. Si les métadonnées avec les fichiers texte de Jean Dupont avaient le nom d'un mauvais client, une personne ne trouverait pas le fichier texte de Jean.

Donc, les mêmes raisons et processus que les entreprises utilisent pour surveiller les données et les nettoyer, pour délivrer de façon constante une haute qualité de données, s'appliquent aussi aux métadonnées. Les métadonnées utilisées pour valider le temps réel doivent être adéquatement exactes pour avoir confiance dans l'exactitude des données temps réel.

Un cadre de gestion des métadonnées

Est-ce que ce serait suffisant alors d'automatiser la surveillance et le nettoyage des métadonnées ? Non. Obtenir assez de qualité de métadonnées pour être précieux et accessible au business dépend d'un cadre de gestion des métadonnées.

Les gens, processus et technologies de l'organisation composent ce cadre de gestion des métadonnées et les règles business qui le créent.

Par exemple, si un département standardise ses noms de clients dans un système et un autre département formate les noms de clients différemment dans une application séparée, il a un cadre de gestion des métadonnées branlant. Quel département l'organisation prend-elle les métadonnées pour les utiliser ?

Développer un cadre de gestion des métadonnées pour assurer une exactitude adéquate des données temps réel nécessite :

• Évaluations de gestion des métadonnées sur quelles structures existent et leur impact. De cette ligne de base, les entreprises peuvent déterminer quels processus changer.
• Stratégie de données, un plan pour utiliser les données pour faire avancer et grandir le business.
• Gouvernance des données, un programme qui coordonne l'accès et la sécurité des métadonnées, pour rester conforme.
• Littératie collective des données sur l'importance et la valeur des métadonnées dans la détermination de l'exactitude des données temps réel. En plus, les travailleurs auraient besoin de savoir comment définir de bonnes métadonnées.
• Exigences business solides sur quels attributs et valeurs définissent ce que ou qui les métadonnées décrivent.

Mots finaux

En 2020, les entreprises ont vu pourquoi elles avaient besoin de qualité de données temps réel tout en se méfiant d'obtenir des insights business de ces données. Les volumes et vitesses de données élevés présentent aux businesses des obstacles significatifs pour assurer rapidement que chaque pièce de données a de l'exactitude dans un flux de texte ou message.

Curater les données temps réel en utilisant un schéma de métadonnées et des règles business obtient plus de valeur tout en économisant les ressources de l'entreprise à analyser des données non pertinentes. Morceler les résultats et étiqueter ces jeux de données en utilisant les métadonnées rend la recherche de données exactes plus rapide. Mais utiliser les métadonnées de cette façon nécessite des métadonnées exactes et une structure de gestion des métadonnées adéquate pour que le business ait confiance dans son exactitude des données temps réel.