Hva er informasjonhøsting?

Informasjonshøsting, bedre kjent i visse bransjer som data mining, er en metode for å samle og kvalifisere store mengder av både papirkopier og digitalisert informasjon. En stor del av innhøstingen av informasjon hviler i analysen av data. Ved å samle inn, kategorisere og oppsummere informasjon, kan brukere bestemme forhold og trender som ellers kan gå upåaktet hen. Slik informasjon er nyttig for profesjonelle innen markedsføring, forskere, butikkeiere, markedsanalytikere, regnskapsfagfolk og en rekke andre fagpersoner, forretningsenheter og statistikere.

Datamaskiner er sentrale for informasjonshøsting. Å ta ut store datamengder fra kundeoppføringer, elektroniske databaser eller internasjonale detaljhandelsregistre kan ta år å samle, oppsummere og kategorisere på papir. Programvareprodukter for data mining og andre metoder for å inkorporere automatisk sortering via en datamaskin muliggjør raskere og mer nøyaktig behandling av store mengder informasjon. For eksempel kan automatisert innhøsting av informasjon spore, sortere og oppsummere shoppingvanene til hundretusener av kunder på forskjellige nasjonale detaljhandelsbedrifter i løpet av noen få øyeblikk.

Økonomiske studier og utvikling av markedsføringsstrategier er de to vanligste bruksområdene for informasjonsteknologi. Et universitet eller et statlig byrå, for eksempel, kan samle inn og samle tusenvis av informasjonstykker om spesifikke bransjer, for eksempel industri. Ved å bruke informasjonsteknologi kan forskningsgrupper få øye på økonomiske trender som gjennomsnittlige råvarepriser, oppgang i produksjonen av visse produkter, historiske data om produksjonstider eller til og med trender i import og eksport av spesifikke varer.

Markedsføringsfolk og detaljister bruker data mining og andre informasjonshøstingsmetoder for å oppdage trender i shoppingvaner, kostnadene for solgte varer og lagernivå, for bare å nevne noen få bruksområder. Spesifikk informasjon, for eksempel hvilken ukedag de fleste menn handler, eller hvor mange ganger den gjennomsnittlige familien beskytter en lokal matbutikk, kan gi verdifull informasjon til butikkeiere og markedsførere. Basert på denne typen informasjon kan salgsarrangementer, kundebelønningsprogrammer og prisstrategier utvikles og planlegges for å maksimere effektiviteten og suksessen.

Å identifisere trender og mønstre i store mengder informasjon, samt etablere relasjoner mellom forskjellige data, hjelper med å samle meningsfulle historiske data for bruk i forutsigelse av fremtidig ytelse. Transaksjonsdata, for eksempel datastyrte salgsoppføringer eller regnskapsinformasjon, er en type data som vanligvis brukes til informasjonshøsting når de brukes til en enkelt virksomhet. Bransjedata, for eksempel salg over hele bransjen, lokale markedsprognoser og innkjøp av råvarer er alle typer data som brukes til storskala informasjonshøsting. Typisk blir store gruvedriftprosjekter utført av finansielle eller økonomiske analytikere for å oppdage industrielle eller nasjonale trender.