Overview: Մեծ տվյալները տեխնոլոգիան է գալիս լավագույն փորձին եւ ավելի լավ միտումների ամեն օր. Մեծ տվյալները աստիճանաբար ուժի մեջ հիմնական հոսքի նախագծերի նաեւ, եւ դառնում թափ. Մեծ տվյալների, Վերլուծություն նույնպես ստանում է շատ կարեւոր նշանակություն, քանի որ այն այժմ ի վիճակի է ապահովել լավ պատկերացում մեջ որոշումների կայացման գործընթացների.
Այս հոդվածում մենք կխոսենք այն մասին, վերջին միտումները մեծ տվյալների եւ վերլուծություն աշխարհում.
Ներածություն: Ընթացիկ տարվա ընթացքում, մեծ տվյալների եւ վերլուծություն են առավել կենտրոնացված տարածքը, որտեղ բոլոր կազմակերպությունները, որոնք կենտրոնացնելով. Կիրառման վերլուծություն վերաբերյալ մեծ քանակությամբ տվյալների օգտագործելով մեծ տվյալների հարթակ է նաեւ արտադրում գրավիչ արդյունքները. Այն նաեւ օգնում է կազմակերպություններին հասկանալ, հաճախորդների վարքագիծը.
Է հետեւյալ բաժնում, Ես նկարագրել միտումները մեկ առ մեկ.
Վերլուծություն պայմանավորված Insight: Քանի որ մենք գիտենք, թե մեծ տվյալներ այն մասին, լայնարձակ ծավալի տվյալների տարբեր աղբյուրներից. Այնպես որ, առանց տվյալների, մեծ տվյալների ծրագրերը ոչ մի օգուտ. Մյուս կարեւոր ասպեկտ է օգտագործել այս տվյալները ստանալ իրական actionable պատկերացում, որը հայտնի է որպես Վերլուծություն ստացված պատկերացում. Այնպես որ միտումը է աճել տվյալների պայմանավորված Վերլուծություն տարածքում հիմնված մեծ տվյալների հարթակներում. Որպես շահ, ընկերությունները չեն պետք է կախված ինտուիտիվ որոշումների կայացման գործընթացում, ինչը կարող է լինել ճիշտ միշտ. Կազմակերպությունները փորձում են կիրառվում Վերլուծություն բոլոր այն ոլորտներում, որտեղ երբեւէ կա հնարավորություն. Որպես արդյունք, նրանք ստանում հստակ տեսանելիությունը եւ հուսալի կանխատեսումներ.
Մեծ Data Գաղտնիության եւ անվտանգության: Անվտանգության եւ գաղտնիության են երկու կարեւորագույն հիմնաբառեր ներգրավված ցանկացած ծրագրային. Դա վերաբերում է նաեւ մեծ տվյալների դիմումների. Ես կասեի, Տվյալների անվտանգության եւ գաղտնիության ավելի կարեւոր են, հատկապես խոշոր տվյալների դիմումների, քանի որ այն բոլոր մասին տվյալների մշակման եւ վաստակելով պատկերացում. Այնպես որ կազմակերպությունները ստանում լուրջ եւ պատշաճ քայլեր `ապահովելու գաղտնիությունը եւ անվտանգությունը իրենց տվյալները (որը հանդիսանում է ոսկու հանքը).Ընթացիկ տարվա ընթացքում, ընկերությունները կդնի ավելի ուշադրության կենտրոնում է կառուցելու խիստ անվտանգությունը, գաղտնիության եւ կառավարման քաղաքականությունը իրենց մեծ տվյալների նախաձեռնությունների. Այն նաեւ կարեւոր է հիշել, որ մեծ տվյալների աղբյուրները եւ տեխնոլոգիաները օրեցօր ավելանում. Այնպես որ անվտանգության քաղաքականությունը պետք է փոխվի շարունակաբար հանդիպելու անհրաժեշտությունը փոփոխված միջավայրում. Big տվյալների մի մեծ տարածք, Այնպես որ, անվտանգության քաղաքականությունը պետք է կատարվեն առողջ եւ ճկուն.
More ներդրումային խոշոր տվյալների նախագծերում: Big տվյալների նոր տարածք, որը պետք է ուսումնասիրվեն ավելի մանրամասների. Ընկերությունները կարող են նաեւ ներդրումներ կատարել տարբեր մեծ տվյալների հարթակներում է ուսումնասիրել առավելություններն ու թերությունները. Մենք գիտենք, որ մեծ տվյալների գաղափարներ չեն ազատորեն հասանելի, սակայն ներդրումային պետք է կատարվի ռազմավարական. Կա միշտ հնարավորություն վատ ներդրումների, եթե այդ պահանջը, եւ վերջնական նպատակը չէ ճիշտ նախատեսվում. Ընկերությունները կարող են նաեւ ներդրումներ վերլուծական գործիքները, որոնք ընդունակ են բեռնաթափման մեծ տվյալների արտադրանքի եւ իմաստ է վերջնական օգտագործողի. Պահանջարկը այդ վերլուծական գործիքների եւ մեծ տվյալների պլատֆորմների աճում են ամեն օր. Բայց դա պատասխանատու է կազմակերպության գնահատել հատկանիշները եւ կարողությունները այդ գործիքների առաջ ներդրումներ մեծ գումարներ.
Փոփոխությունը կազմակերպության մշակույթի: Է տեղավորել մեծ տվյալների միտումները, Մշակույթ պետք է փոխել. Անցյալում, տվյալների եւ վերլուծություն էին պատասխանատվությունը կոնկրետ թիմի կազմակերպությանը. Դա մի բոլորովին առանձին նախագիծ է, եւ սահմանափակվում ընթացքում կոնկրետ միավորի. To ստանալ իրական օգուտ խոշոր տվյալների եւ վերլուծություն, Բոլոր միավորները կազմակերպության պետք է մասնակցել նախաձեռնությանը. Առաջիկա տարիներին կլինեն մի էական փոփոխություն կազմակերպության մշակույթի.
Կարեւորությունը տվյալների գիտնականների: Քանի որ անունը առաջարկում 'Big տվյալների', կարեւորությունը տվյալների ունի առաջնային. Որպես հետեւանք, մարդիկ, ովքեր օժտված են փորձաքննություն տվյալների գիտության անբաժանելի մասն է մեծ տվյալների վերլուծություն. Փորձագիտական տվյալների սպայի / գիտնականները լուսաբանել բոլոր ոլորտներում, ինչպիսիք են տվյալների հավաքագրման, տվյալների զտումներ, տվյալների մշակման, դրա պարունակության որակական իմաստալից տեղեկատվություն `կիրառելով վիճակագրական ալգորիթմեր / մոդելներ եւ այլն. Այս տվյալները մշակման շարունակական գործընթաց է, քանի որ մուտքային տվյալների աղբյուրները փոխում է ամեն օր. Բնութագրերը տվյալները, նրա ձեւաչափը, եւ ծավալը բոլորն ունենում են էական ազդեցություն ունենալ վիճակագրական վերլուծություն. Այնպես որ, տվյալների գիտնականները պետք է գնահատի այդ ասպեկտները կանոնավոր հիմունքներով եւ ապահովել ներդրումը կազմակերպության. Մյուս կողմը պետք է տարանջատել իմաստալից տվյալների հսկայական ծավալի մուտքային եւ մերժել մնացածը. Որովհետեւ, մշակում տվյալների ծախսատար եւ ժամանակատար. Այնպես որ պետք է կարեւորել է արդյունահանման գործընթացի, ապա կիրառվում են վերլուծություն գագաթին այն. Առաջիկա տարիներին, տվյալների գիտնականները շատ մեծ նշանակություն կունենա, եւ պահանջարկ. Այնպես որ կազմակերպությունները պետք է ներդրումներ ռեսուրսների ունեցող գերազանց պատկերացում տվյալների գիտության.
Smart մեծ տվյալների եւ Analytics հավելվածներ: Մեծ տվյալների եւ վերլուծություն դիմումները տարբեր են, համեմատած ավանդական դիմումները. Բոլոր այդ մեծ տվյալների եւ վերլուծությունների դիմում են խելացի դիմումները, քանի որ նրանք ունեն ինքնուրույն ուսուցման ալգորիթմի inbuilt. Ավելի ու ավելի շատ կազմակերպություններ արդեն սկսել է աշխատել վերլուծական դիմումների հիման վրա մեծ տվյալների. Բոլորն էլ փորձում են բերել արդյունքը Վերլուծություն զանգվածների եւ ստեղծել էական ազդեցություն բարելավմանը հասարակ մարդկանց. Դրա հիմնական նպատակն է ստեղծել խելացի 'ինքնուրույն ուսուցում’ եւ 'ինքնասպասարկման ծառայությունը’ applications. Այս դիմումները խելացի բավական է պատրաստել իրենց եւ բարելավել ժամանակի ընթացքում. Որպես արդյունք, կազմակերպությունները չեն պետք է ներդնել անընդհատ մարդկային ռեսուրսների նման տվյալների գիտնականների, կիրառման մշակողները եւ այլն. Առաջիկա տարվա ընթացքում տարբեր սկսնակ, ISVs հանդես է գալու արտադրել ավելի ու ավելի խելացի վերլուծություն դիմումները.
Կարեւորությունը արտաքին տվյալների: Բացահայտելով մուտքագրման աղբյուր տվյալների կարեւոր ասպեկտ. Հաջողությունը վերջին խոշոր տվյալների վերլուծություն, զգալիորեն կախված է մուտքային տվյալների աղբյուրների. Մի քանի տարի առաջ, մենք չունեինք այդ հարստությունը տվյալների. Վերջին մի քանի տարիների ընթացքում մենք տեսել տվյալների պայթյունի տարբեր աղբյուրներից, ինչպիսիք են բջջային սարքերի, social media, sensors, Համակարգիչներ եւ շատ ավելին. Բայց ի սկզբանե մենք չէինք ունենա փորձաքննություն է գրավել այդ տվյալները եւ օգտագործել այն մեր վերամշակման. Now, նոր տեխնոլոգիաները, ինչպիսիք են Apache Hadoop (հիման վրա «բաշխված մշակման ') գալիս են մինչեւ մի մեծ ճանապարհ է եւ օգնում է այն կազմակերպություններին թակել այդ oceans տվյալները. Տվյալները հասանելի կազմակերպությունների միշտ եղել հասանելի է վերամշակման, բայց capturing դրսի տվյալները գրեթե անհնար է. Բայց իրականությունն այն է,, դուրս դրանք տվյալները տոկոսն է շատ ավելի մեծ համեմատ ներսում տվյալների ծավալի. Այնպես որ, դա շատ կարեւոր է ավելի շատ կարեւոր է արտաքին տվյալների.
Summary: Վերջին երկու տարիների ընթացքում մեծ տվյալների եւ վերլուծություն, որը դարձել է մի կետ քննարկման ամենուր. Առաջիկա տարիներին նույնպես դա կլինի խաղալ էական դեր տվյալների վերլուծություն. Ավելի վաղ նաեւ, Վերլուծություն այնտեղ էին, բայց տվյալները էր համակարգված եւ ծավալը շատ ավելի ցածր. Այնպես որ, արդյունքները analytics էին որոշ չափով սահմանափակված. Որպես հետեւանք, մեծ մասը գործարար որոշումները կայացվել են հիմնված վերջին փորձառությունների. Բայց հիմա մի օր, արդյունք Analytics- ի հիման վրա մեծ տվյալների արտադրում իմաստալից պատկերացում եւ կանխատեսումներ. Այժմ կազմակերպությունները ավելի շատ ապավինելով վերլուծաբանները արդյունք եւ ստանալով լավ հասույթ ներդրումների. Այս հոդվածում ես քննարկել որոշ խոշոր միտումների մեծ տվյալների եւ վերլուծությունների տիրույթում. Բայց մենք պետք է հիշենք, որ միտումները երբեւէ փոփոխվող եւ այն շարունակելու է փոխվում, որ առաջիկա տարիներին նաեւ. Միտումները միշտ կախված է վերջին զարգացման գործարար եւ տեխնոլոգիաների ոլորտում. Այնպես որ, դա ճիշտ է նաեւ խոշոր տվյալների եւ նրա ապագայի.
