Le grand paradoxe de données
Vous trouverez une nuance à propos de Big analyse des données. Il est vraiment à propos de petites données. Même si cela peut sembler déroutant et à l'encontre de la prémisse, petite données est le produit de la grande analyse de données. Cela ne veut pas d'un nouveau concept, ni étrangers à des gens qui ont fait l'analyse de données pour toute longueur de temps. L'espace de travail globale est plus importante, mais les réponses se trouvent quelque part dans le “ petite ”.
L'analyse des données traditionnelle a commencé avec les bases de données remplies d'information du client, des informations produit, des transactions, des données de télémétrie, et ainsi de suite. Même alors, trop de données étaient disponibles pour analyser efficacement. Systèmes, les réseaux et les logiciels ne sont pas les performances ou la capacité de traiter l'échelle. En tant qu'industrie, les lacunes ont été abordées par la création d'ensembles de données plus petits.
Ces ensembles de données plus petits étaient encore assez de fond, d'autres lacunes ont été rapidement discovered- le plus flagrant est l'inadéquation entre les données et le contexte de travail. Si vous avez travaillé dans les comptes créditeurs, vous avez eu à regarder une grande quantité de données non liées à faire votre travail. Encore une fois, l'industrie a répondu en créant de plus petites, des ensembles de données contextuelles pertinentes - grand au plus petit au plus petit encore.
Vous pouvez reconnaître ce que la migration des bases de données à des entrepôts de données à des data marts. Plus souvent qu'autrement, les données pour les entrepôts et les marts ont été choisis sur des paramètres arbitraires ou expérimentaux résultant en un grand nombre d'essais et d'erreurs. Les entreprises ne recevaient pas les perspectives dont ils ont besoin ou ont été possible parce que les réductions de capacité ne sont pas fondées sur des faits de calcul.
Entrez big data, avec tous ses volumes, des vitesses, et les variétés, et le problème reste ou peut-être se détériore. Les lacunes de l'infrastructure ont été traités et peuvent stocker et traiter d'énormes quantités de données supplémentaires, mais les nouvelles technologies ont été nécessaires spécifiquement pour aider à gérer les grandes données.
Malgré les apparences, ceci est une chose merveilleuse. Aujourd'hui et dans l'avenir, les entreprises auront plus de données qu'ils peuvent imaginer et ils auront les moyens de le capturer et de le gérer. Ce qui est plus que jamais nécessaire est la capacité d'analyser la droit données dans un mode assez opportun pour prendre des décisions et actions.
Les entreprises vont encore réduire les ensembles de données en “ la lutte contre la garniture, ” mais ils peuvent le faire de calculs. Ils traitent les grandes données et la transformer en petites données de sorte qu'il est plus facile à comprendre. Il est plus précis et, parce qu'il a été dérivé d'un point de départ beaucoup plus grande, il est plus adaptée au contexte.
-
Intégrer les grandes données avec l'entrepôt de données traditionnelle -
La modernisation de l'entrepôt de données avec Hadoop -
Gestion des données de grandes avec Hadoop HDFS et MapReduce: - Bases de données statiques et écoutés dans analyics prédictifs
- Comment garder prédictive des données d'analyse à jour
- Comment décrire les données d'essais et de test pour l'analyse prédictive
Analyse des données Big et l'entrepôt de données Vous trouverez la valeur en apportant les capacités de l'entrepôt de données et de l'environnement de données grand ensemble. Vous devez créer un environnement hybride où les grandes données peuvent travailler main dans la main avec…
Marts de données provenant d'un entrepôt de données De nombreux experts de l'entreposage de données feraient valoir qu'une véritable data mart est un “ point de vente, n ° 148; et d'un entrepôt de données fournit son contenu, comme le montre cette figure.Dans un environnement comme celui…
L'entreposage de données, les technologies grand public, et les vendeurs Alors que l'entreposage de données et de technologies informatiques traditionnels convergent, vous cherchez à tout un nouveau jeu de balle lorsque vous essayez de passer au crible les affirmations et les promesses des vendeurs. Traditionnels…
Entrepôt de données: flux de données source Un entrepôt de données est, par sa nature même, un magasin physique de données distribuée. Répartition de vos actifs informationnels aide à la performance et la convivialité entre les systèmes et dans toute l'entreprise. Faire ce niveau de…
Couche 3 de la grosse pile de données: l'organisation des services et des outils de données L'organisation des services de données et des outils, couche 3 de la grosse pile de données, la capture, valider et assembler différents éléments de données dans de grandes collections contextuellement pertinents. Parce que Big Data est…
La création de grandes structures de données gérables Comme l'informatique a emménagé dans le marché commercial, les données ont été stockées dans des fichiers plats qui ont imposé aucune structure. Aujourd'hui, Big Data nécessite des structures de données à gérer. Lorsque les entreprises…
L'avenir des entrepôts de données à l'époque grand de données Le marché de l'entrepôt de données a en effet commencé à changer et à évoluer avec l'avènement de grands volumes de données. Dans le passé, il était tout simplement pas rentable pour les entreprises de stocker la quantité massive de…
Meilleures pratiques pour grande intégration de données Beaucoup d'entreprises explorent de gros problèmes de données et à venir avec des solutions innovantes. Il est maintenant temps de prêter attention à un certain les meilleures pratiques, ou principes de base, qui vous servira ainsi que vous…
Définition de gros volumes de données: le volume, la vitesse, et la variété Big données permet aux entreprises de stocker, gérer et manipuler de grandes quantités de données disparates à la bonne vitesse et au bon moment. Pour gagner les bonnes idées, Big Data est généralement décomposé par trois…
La gestion des données d'entreprise et de grands volumes de données Gestion des données de l'entreprise (GED) est un processus important dans les grandes données pour comprendre et contrôler l'économie des données de votre entreprise ou organisation. Bien que EDM est pas nécessaire pour les grandes données,…
Jeter les bases de votre stratégie Big Data Entreprises nagent dans les grandes données. Le problème est que souvent ils ne savent pas comment l'utiliser de manière pragmatique que les données pour être en mesure de prédire l'avenir, exécuter des processus d'affaires importants, ou…
Dix grandes tendances de données chaudes Lorsque vous entrez dans le monde de grands volumes de données, vous aurez besoin d'absorber de nombreux nouveaux types de technologies de bases de données et de gestion des données. Voici le top-dix grandes tendances de données:Hadoop est en…
Comment combiner et de fusionner les ensembles de données dans r Vous pouvez combiner des données provenant de différentes sources dans votre analyse. De manière générale, vous pouvez utiliser R de combiner différents ensembles de données de trois façons:En ajoutant des colonnes: Si les deux ensembles de…
Sources de données opérationnelles communes dans la business intelligence Entreprises stocker numériquement une quantité énorme de données opérationnelles, et pour la business intelligence à la fonction, il a besoin de larges routes ouvertes entre les sources de données. Les anciens systèmes Mainframe forment…