Home » Teknologi » Big Data » Big Data: myter och verkligheter

Big Data: myter och verkligheter

Tech Page One

Man Using Venue 8 Pro Tablet At Work

 

Utöver analytiska och förebyggande algoritmer, definieras ofta Big Data med: Volym, variation, hastighet, sanningshalt och värde. De här villkoren som positivt påverkar marknadsföringen ger värdefulla lärdomar.

Allt börjar med följande: Volym, variation, hastighet. Tre ord som sammanfattar de problem som orsakas av hantering av information och visar de analytiska verktygens oförmåga att hantera dessa volymer som är både varierande och på hög hastighet.

Big Data:s ursprungliga 3 termer

Syftet med de tre termerna är även, och speciellt, att visa intresset att tillämpa Big Data-tekniker för att avhjälpa sådana situationer där konventionella datalager eller datamarts-lösningar visat sig vara maktlösa eller mycket dyra.

Volym

E-postmeddelande, kontorsdokument, handelstransaktioner eller i ERP, tweets, fotografier, sensorer och givare: vilken mängd information skapas varje sekund? Enligt en studie på institutet IMS Research, kommer 22 miljarder enheter att anslutas till internet om 5 år och de kommer att skapa ungefär 3 biljoner bytes information om dagen. Företagen talar inte längre om gigabyte utan om terabyte, och t.o.m petabyte.

Hur kan man konkret sett få lärdom om ett varumärke eller en produkt genom att analysera terabyte tweets som skapas varje dag och på några minuter? Hur analyserar man flera miljontals datorer i realtid för att förebygga ett funktionsfel? Det är den här typen av frågor som Big Data-tekniker hanterar. Och traditionella datalager inte är avsedda för denna typ av analys.

Variation

Businessman Working Dashboard Strategy Research ConceptTraditionellt behandlar analytisk IT strukturerade data från databaser. Emellertid är mer än 80 % av den information som skapas kallad ostrukturerad: texter, bilder, filmer, ljud, sensorer, osv. Big Data är avsedd för att analysera all information, strukturerad och ostrukturerad. Korrelera all denna information bidrar till bättre beslut och mer tillförlitliga trender genom en prediktiv analys.

Här kommer några exempel på fördelar med sambandet mellan denna information: analysera köpbeteende i realtid för bättre rådgivning och öka volymen av transaktioner, förbättra kundrelationer i alla kanaler, identifiera trender för att definiera statistiska modeller och förbättra dess produkter eller tjänster, eller anonymt profilera dess konsumenter…

Hastighet

När det gäller att detektera bedrägeri på internationell nivå eller föreslå det bästa erbjudandet till kunden beroende på dess profil vid köptillfället, att behöva vänta två minuter är ofta oacceptabelt. Hastigheten är en av Big Datas egenskaper som använder sig av beprövade avancerade tekniker för att uppnå oöverträffad prestanda: massiv parallell bearbetning, i minnet, klustring, osv.

Big Data som ursprungligen var avsedd för interaktiva bearbetningar av stora datamängder i batch-läge, innehåller nu dataströmning och realtid, bland annat med möjligheten att inte lagra något. Således blir det möjligt att analysera miljontals affärstransaktioner dagligen för att upptäcka eventuella bedrägerier. Även realtidsinformation kan korreleras från sociala nätverk och CRM (kundrelationsprogram) för att noggrant beskriva en klient.

Två nya termer: verksamhetsmål

De första Big Data-projekten har ofta lurat deras initiativtagare genom sin prestanda och förmåga att effektivt integrera stora mängder varierande uppgifter. Men de betonade också två andra termer, en för kvaliteten på informationen och den andra för det inneboende värdet som ges till verksamheten. Kort sagt: slutet av försöket att öppna vägen för idrifttagande.

Sanningsenlighet

Vad tjänar det till att analysera stora mängder data om vi inte kan garantera informationens tillförlitlighet? Mekanismer för kontroll av korrektheten och kvaliteten på uppgifterna är integrerade i Big Data-processer, som vanligen blandar in slutanvändarna, för att förtjäna företagsanvändarnas förtroende. En stor noggrannhet i valet av datakällor, deras samling, deras dubbelkontroll och anrikning, är avgörande. För att inte nämna de rättsliga skyldigheter enligt företagssektorn.

Värde

Denna sista term är verkligen den som ska komma först vid lanseringen av ett Big Data-projekt. Vilket värde tillför denna applikation företaget eller verksamhet som den utvecklas för? Skapa värden för företaget och dess kunder är faktiskt hjärtat av Big Data. Förmågan hos dessa tekniker att avslöja oväntade eller opublicerade resultat eller trender bidrar emellertid i hög grad till dess framgång hos användare som är allt mer krävande. Och är inte detta ett bevis på det värde som skapats?

Exempel med realtidsanalys av IT-verksamheten. Detta gör det möjligt att omedelbart upptäcka fel och även förutse dem genom övervakningsverktyg med varningsmeddelanden. Inte bara incidenter upptäcks, deras sannolika ursprung nämns också. Datorsystem optimeras, förbättrad produktivitet: omfattande mervärde.

 

 

Dell

Dell

Dell ger länder, samhällen, kunder och människor möjlighet att överallt använda teknik för att förverkliga sina drömmar. Kunder litar på oss att vi levererar tekniska lösningar som hjälper dem att göra och uppnå mer, oavsett om de är hemma, på jobbet, skolan eller var som helst i deras värld. Läs mer om vår historia, syfte och människorna bakom vår kundfokuserad strategi.

Senaste inlägg:

 

Taggar: Big Data, Teknologi