Precis som vid adoption av Hadoop för att möjliggöra mer flexibel datalagring och analys måste upptäckt ske i samband med var det finns en klar förståelse för hur analys kan leverera mot organisationens bredare mål.

Ett annat sätt är att upptäcka nuggets av information endast vara av verkligt värde om de införlivas som en del av nya affärsinitiativ. Graden av tillgängliga data möjliggör detta både på en strategisk (långsiktig) och i allt högre grad en taktisk kund eller transaktionsnivå.

Så hur kan verksamheten ta denna upptäcktsprocess och göra den till handling - i styrelserummet och på affärsplanen - som grund för en mer konkurrenskraftig verksamhet?

För det första behöver den stora dataflyssplanen från början stöd från styrelsen, från chefer som förstår värdet av data som drivkraft bakom affärsförbättringen. Detta kräver inte bara att de har en grundläggande förtrogenhet med begreppet analytics, utan också måste de känna igen värdet av experiment. Många av de nuggets som hittas i upptäcktsfasen måste testas i en verklig världsmiljö för att bedöma deras potentiella värde, vilket gör seniorinventeringskritisk kritisk.

Företag med en närvaro på nätet tenderar att vara bättre placerade här, eftersom experiment i webbsfären är mycket lättare. Som ett enkelt exempel: om en online-återförsäljare vill prova en alternativ webbplats i en ny färg kan detta göras tillgänglig för en kontrollerad delmängd av kunder och resultatet av köpbeteende och lönsamhet bedöms, utan att det påverkar detaljistens kärnkunder . Även om det här är svårare att uppnå i en fysisk miljö, kommer resultatförbättringen i många fall att vara väl värt den tid och ansträngning som investeras.

Återigen är förmågan att experimentera nyckeln. Återförsäljare är särskilt bra här, genom sin vilja att låta enskilda butiker eller områdeschefer prova olika initiativ. Men till skillnad från mycket av den distribuerade makt som decennierna förflutit har huvudkontoret i allmänhet fullständig synlighet för alla aktiviteter. Lika viktigt är att effekten också kan spåras och övervakas hos enskilda shoppare såväl som på butiksnivå.

Det finns dock ett antal andra hinder som ska övervinnas: För det första är det viktigt för ledande befattningshavare att förstå och vara känsliga för praktiken vid genomförandet av upptäckten på marknivå.

Det kan till exempel vara att alla tester har visat att antagandet av nyckelfraser som en del av en call center-process kommer att ge mer effektiva resultat. Om operatörer är obehagliga med den föreslagna förändringen och inte övertalas av förmånskalan kommer förväntade resultat inte att realiseras.

För det andra måste de resulterande resultaten och effekterna mätas för att bestämma effektiviteten av något initiativ, som sedan kan användas för att bygga förtroende och säkert inköp för bredare rollout över verksamheten.

Slutligen måste verksamheten vara modig snabbt för att erkänna när saker inte fungerar - både i befintliga delar av verksamheten och i nya initiativ - och vidta omedelbara korrigerande åtgärder. I en iterativ miljö med snabb mätning av resultat kan sådana beslut tas snabbt och upprepade gånger för att optimera resultaten.

Synlig bästa praxis

Ett företag som framgångsrikt har avskalat höjden av en sömlös strategi - från det första experimentet genom analys till slutförandet av affärsverksamheten - kan särskiljas från ett företag som fortfarande ligger vid foten av Hadops genomförande, till exempel på flera sätt.

Även om mycket av ansträngningarna för att leverera detta integrerade tillvägagångssätt sker bakom kulisserna, är det mer troligt att en datastyrd organisation kommer att förändras synligt över tiden, eftersom den snabbt och effektivt svarar vad konkurrenter och kunder gör. Organisationen tenderar också att vara mer villig att omfamna störande koncept och introducera radikala förändringar inom verksamheten för att skilja sig själv och få en konkurrensfördel.

Ett bra exempel på en iterativ upptäcktsmetod är Amazon. För regelbundna kunder har Amazons webbplats inte förändrats med tiden, men om vi jämför snapshots från webbplatsen från fem år sedan till idag skulle det finnas en anmärkningsvärd skillnad.

Denna uppfattning är att Amazon har utnyttjat inkrementella upptäckter och subtilt förbättrat sin webbplats - levererar serviceinnovation och förbättring utan att drastiskt störa sin kunds erfarenhet eller rutin.

Webbplatsen har utvecklats med en kontinuerlig drivkraft för att göra kundens shoppingupplevelse så intuitivt och enkelt som möjligt. Förändringar kommer att vara subtila, så återkommande kunder vet vad de ska göra och var de ska gå på webbplatsen, men dra nytta av ständiga förbättringar.

Så varför är ett datastyrt tillvägagångssätt en viktig del av affärssuccessen? Det ger bättre värdedrivna beslut genom att erbjuda fakta som baserar jämförelser av relativa alternativ och exakt mäter deras effektivitet. Större granularitet möjliggör större konkurrensfördelar genom förmåga att mäta värdet av nya erbjudanden.

En Unified Data Architecture garanterar den mest effektiva användningen av människor, processer och teknik. Det skapar också en smidig, framtidsskyddad infrastruktur, som kan anpassa och införliva nya lösningar, vilket gör att verksamheten kan utvecklas i tid med marknadens krav.

Många av dagens företag har insett att en bra datastrategi inte längre handlar om att mäta det förflutna, utan gör det möjligt för ledningen att både förutsäga och påverka framtida resultat. Kort sagt, denna insyn och kontroll leder verksamheten beslutsamt från att vara utsatt för omständigheter för att behärska sitt eget öde.

  • Duncan Ross är regissör för datavetenskap vid Teradata UK.