ĐặC điểm của Phân tích Dữ liệu Lớn - những con số

Phân tích dữ liệu lớn đã nhận được rất nhiều sự cường điệu trong thời gian gần đây, và vì lý do tốt. Bạn sẽ cần phải biết các đặc tính của phân tích dữ liệu lớn nếu bạn muốn là một phần của phong trào này. Các công ty biết rằng có một cái gì đó đang ở đó, nhưng cho đến gần đây, không thể khai thác nó. Điều này đẩy phong bì vào phân tích là một khía cạnh thú vị của các phong trào phân tích dữ liệu lớn.

Các công ty vui mừng khi có thể truy cập và phân tích dữ liệu mà họ thu thập được hoặc muốn đạt được cái nhìn sâu sắc, nhưng chưa thể quản lý hoặc phân tích hiệu quả. Nó có thể liên quan đến việc hiển thị số lượng lớn dữ liệu khác nhau, hoặc nó có thể bao gồm các phân tích được phân tích tiên tiến theo bạn trong thời gian thực. Đó là tiến hóa trong một số khía cạnh và cách mạng ở những người khác.

Vì vậy, điều gì khác khi công ty của bạn đang đẩy phong bì với việc phân tích dữ liệu lớn? Cơ sở hạ tầng hỗ trợ phân tích dữ liệu lớn là khác nhau và các thuật toán đã được thay đổi để nhận thức cơ sở hạ tầng.

Phân tích dữ liệu lớn nên được xem xét từ hai quan điểm:

• Quyết định theo định hướng

• Định hướng hành động

Phân tích theo quyết định mang tính định hướng tương tự như tình báo kinh doanh truyền thống. Xem các tập hợp con được chọn lọc và đại diện của các nguồn dữ liệu lớn hơn và thử áp dụng các kết quả cho quá trình đưa ra các quyết định kinh doanh. Chắc chắn những quyết định này có thể dẫn đến một số hành động hoặc quá trình thay đổi, nhưng mục đích của việc phân tích là làm tăng thêm quyết định.

Tìm và sử dụng dữ liệu lớn bằng cách tạo ra các ứng dụng phân tích có thể giữ chìa khóa để khai thác giá trị sớm hơn là sau này. Để hoàn thành nhiệm vụ này, hiệu quả hơn để xây dựng các ứng dụng tùy chỉnh này từ đầu hoặc bằng cách tận dụng nền tảng và / hoặc các thành phần.

Có thể

theo chương trình.

• Một trong những thay đổi lớn nhất trong phân tích là trong quá khứ bạn đã xử lý các bộ dữ liệu mà bạn có thể tự tải vào một ứng dụng và khám phá. Với phân tích dữ liệu lớn, bạn có thể phải đối mặt với tình huống mà bạn có thể bắt đầu với dữ liệu thô mà thường cần phải được xử lý theo chương trình để thực hiện bất kỳ loại thăm dò nào do quy mô dữ liệu. Có thể dữ liệu được điều khiển.

• Mặc dù nhiều nhà khoa học dữ liệu đã sử dụng cách tiếp cận dựa trên giả thuyết để phân tích dữ liệu (phát triển tiền đề và thu thập dữ liệu để xem liệu tiền đề đó có chính xác), bạn cũng có thể sử dụng dữ liệu để thúc đẩy phân tích - đặc biệt nếu bạn thu thập được rất nhiều số tiền của nó. Ví dụ, bạn có thể sử dụng một thuật toán học máy để thực hiện loại phân tích giả thuyết miễn phí này. Nó có thể sử dụng rất nhiều thuộc tính .

• Trong quá khứ, bạn có thể đã xử lý hàng trăm thuộc tính hoặc đặc điểm của nguồn dữ liệu đó. Bây giờ bạn có thể xử lý hàng trăm gigabyte dữ liệu bao gồm hàng ngàn thuộc tính và hàng triệu quan sát. Mọi thứ hiện đang diễn ra trên quy mô lớn hơn. Có thể lặp lại lần. Quyền lực tính toán nhiều hơn có nghĩa là bạn có thể lặp lại mô hình của mình cho đến khi bạn nhận được chúng như thế nào bạn muốn. Đây là một ví dụ. Giả sử bạn đang xây dựng một mô hình đang cố gắng tìm ra các dự đoán cho các hành vi nhất định của khách hàng có liên quan. Bạn có thể bắt đầu trích xuất một mẫu dữ liệu hợp lý hoặc kết nối đến nơi dữ liệu cư trú. Bạn có thể xây dựng một mô hình để kiểm tra một giả thuyết.

• Trong khi trước đây bạn có thể không có nhiều bộ nhớ để làm cho mô hình của bạn hoạt động hiệu quả, bạn sẽ cần một lượng lớn bộ nhớ vật lý để đi qua các bước cần thiết cần thiết để đào tạo thuật toán. Có thể cần phải sử dụng các kỹ thuật máy tính tiên tiến như xử lý ngôn ngữ tự nhiên hoặc mạng nơ-ron tự động phát triển mô hình dựa trên việc học khi có thêm dữ liệu. Có thể nhanh

  để có được chu trình tính toán mà bạn cần bằng cách tận dụng cơ sở hạ tầng dựa trên đám mây làm Dịch vụ.

• Với nền tảng Cơ sở hạ tầng như dịch vụ (IaaS) như Amazon Cloud Services (ACS), bạn có thể nhanh chóng cung cấp một cụm máy móc để ăn các bộ dữ liệu lớn và phân tích chúng một cách nhanh chóng.