Har du händelsedata i BigQuery™?

Om du har evenemangsdata som landar direkt i BigQuery är du förmodligen en mogen datahop som följer principerna i Modern Data Stack. Begravd i dessa data finns en skattkista av insikter. Har du rätt analysverktyg för att frigöra dessa insikter och få största möjliga effekt på din verksamhet?

Händelsedata

Under de senaste åren har vi sett en dramatisk explosion i volymen av datainsamling från företag. Detta drivs av ökad digitalisering, genomgripande instrumentering av digitala upplevelser, tillväxt i antalet anslutna enheter och automatisering. Den här explosionen sker främst inom kategorin händelsedata.

Händelsedata fångar upp händelseförloppet bakom varje affärsprocess. Exempel på händelsedata är: produktinstrumentering, applikationsloggar, onlinetransaktioner, interaktioner på sociala medier, e-handelsorder, auktioner på marknadsplatser, kreditkortstransaktioner, aktiehandel, spårning av logistikflottor, IoT-sensoravläsningar etc.

BigQuery

Historiskt sett har händelsedata aldrig hamnat i ett datalager. Det landade i specialiserade svarta lådbutiker med användningsfallspecifika SaaS-tjänster. Datalager var reserverade för en liten delmängd av sammanfattade data från transaktionella affärssystem som ERP eller CRM. Men detta håller på att förändras snabbt. I allt högre grad landar händelsedata i moderna datalager i molnet som BigQuery. Det är nu möjligt att lagra, säkra, hantera och komma åt händelsedata i PB-skala upp i datalager på ett kostnadseffektivt sätt.

Att lagra händelsedata i BigQuery har tre stora fördelar:

1. Single source of truth
   Företag vill ha alla sina data på ett ställe utan åtskilda/kopierade data i flera olika lager. All data i en centraliserad BigQuery har fördelar med datakonsistens, säkerhet och styrning.
2. Analys som bygger påaffärskontext
   När händelsedata finns i BigQuery kan den kombineras med data från andra affärssystem som ekonomi, support, försäljning etc. för att göra analys av händelsedata mer affärsnyttig.
3. Kostnad
   Med separationen av lagring och beräkning i BigQuery kan du lagra PBs av data i billiga objektbutiker. Du betalar för beräkning endast om och när den används, och i proportion till mängden data som används.

Analys av händelsedata

Vilka analytiska verktyg fungerar bäst på händelsedata i BigQuery? Traditionella verktyg för analys av händelsedata som Amplitude och Mixpanel för produktanalys, eller Adobe Analytics och Google Analytics för webbanalys/marknadsföringsanalys, fungerar inte i datalagret. SQL- och BI-verktyg som Looker och Tableau är inte utformade för att uttrycka och effektivt beräkna specialiserad händelseorienterad analys.

En ny typ av warehouse-native analytics-verktyg för händelsedata håller på att växa fram för den moderna datastacken. Optimizely Warehouse-native Analytics är en pionjär i detta utrymme.