Mục lục:
Video: The future of gaming at Google 2025
Sự quyến rũ của chiến lược phân tích trong đám mây lai là độ đàn hồi của đám mây. Dữ liệu của bạn có thể được xử lý qua các nhóm máy tính. Điều này có nghĩa là phân tích đang xảy ra trên các máy. Nếu bạn cần nhiều quyền lực tính toán, bạn có thể lấy nó từ đám mây.
Phân tích dữ liệu lớn trong một đám mây lai
Dưới đây là một số ví dụ về nơi mà các phân tích lớn và có thể yêu cầu tài nguyên đám mây:
-
Dịch vụ tài chính: Hãy tưởng tượng sử dụng các công nghệ phân tích tiên tiến như phân tích tiên đoán để phân tích hàng triệu tín dụng giao dịch thẻ để xác định liệu chúng có thể là gian lận. Hoặc, về phía không có cấu trúc, hãy mô tả văn bản trong các tuyên bố bảo hiểm được phân tích để xác định cái gì có thể tạo thành sự gian lận.
Chẳng hạn, lấy đơn xin bồi thường của nhân viên do một công nhân đưa ra, có thể bị ông chủ của mình khiển trách vài lần. Dữ liệu có thể được sử dụng cùng với dữ liệu có cấu trúc để đào tạo một hệ thống phân tích về những mô hình nào có thể cho thấy sự gian lận. Khi yêu cầu bồi thường mới được đưa vào, hệ thống có thể tự động khởi động các yêu cầu có thể cần phải được điều tra.
-
Bán lẻ: Chỉ cần suy nghĩ về các công cụ khuyến nghị từ Amazon và eBay. Họ đang trở nên tinh vi hơn. eBay đang sử dụng các công nghệ tiên tiến sẽ xem xét những gì bạn đang mua và sau đó, dựa trên các mô hình mà nó có trong việc mua hàng của nhiều người khác, hãy đưa ra khuyến nghị.
Một ví dụ khác là việc sử dụng các phân tích tiên tiến qua số lượng lớn dữ liệu trong thời gian thực tại các cửa hàng lớn. Sử dụng thẻ khách hàng của bạn, dựa vào những gì bạn mua, những gì bạn đã mua trong quá khứ và những người khác có cấu hình tương tự như bạn đã mua, cửa hàng sẽ cung cấp cho bạn phiếu giảm giá cho các sản phẩm khác nhau mà bạn có thể thích.
-
Phân tích phương tiện truyền thông xã hội: Hãy tưởng tượng tất cả dữ liệu được thu thập qua Internet. Điều này bao gồm các blog, tweet, và newsfeeds. Các công ty đang khai thác dữ liệu phi cấu trúc để hiểu những gì đang được nói về họ. Ví dụ: một công ty hàng tiêu dùng đóng gói hàng hóa (CPG) có thể khai thác dữ liệu này để xác định những gì đang được nói về họ và liệu tình cảm này có tích cực hay tiêu cực. Nhiều công ty đang cung cấp loại hình dịch vụ này trong đám mây.
Viết mã để xử lý dữ liệu này trên các nhóm máy đòi hỏi các nhà phát triển được đào tạo rất cao và phối hợp công việc phức tạp. Với một công nghệ như MapReduce, cùng một công việc MapReduce được phát triển để chạy trên một nút duy nhất có thể phân phối sức mạnh xử lý phân tích này cho một nhóm 1 000 nút.Giả sử bạn cần phân tích ngay lập tức dữ liệu cảm biến hoặc dữ liệu phương tiện truyền thông xã hội đang phát trực tuyến vào trung tâm dữ liệu của bạn hoặc nhà cung cấp đám mây của bạn. Xử lý song song trên nhiều tài nguyên máy tính có thể giúp thực hiện điều này bằng cách truyền bá phân tích trên toàn bộ môi trường. Nó giúp bạn hiểu sâu hơn.
Phân tích đám mây khác
Đám mây có thể hữu ích trong việc hỗ trợ chiến lược phân tích khi dữ liệu của bạn không lớn (ngược với ví dụ trước đó của dữ liệu lớn). Giả sử bạn làm việc tại một công ty muốn dự đoán hành động mà khách hàng của bạn sẽ thực hiện. Bạn muốn sử dụng công cụ phân tích tiên đoán để làm việc này, nhưng bạn không có kỹ năng trong nhà. Trong trường hợp này, bạn có thể chuyển sang các nhà cung cấp phân tích cung cấp dịch vụ dựa trên SaaS để được trợ giúp. Bạn cung cấp cho họ dữ liệu của bạn, và họ cung cấp cho bạn những phân tích.
Một số dịch vụ dựa trên đám mây trên thị trường có thể giúp bạn phân tích dữ liệu hoặc cung cấp phần mềm trong đám mây để bạn tự phân tích. Có thể bạn đang sử dụng một hệ thống CRM và ERP dựa trên đám mây và bạn muốn phân tích dữ liệu đang được tạo ra ở đó. Có một dịch vụ đám mây cho điều đó.
