Termi Suuri data käytetään yhä enemmän lähes kaikkialla planeetalla - verkossa ja offline-tilassa. Ja se ei liity vain tietokoneisiin. Se on osa yleistä informaatioteknologiaa, joka on nyt osa lähes kaikkia muita tekniikoita ja opintoaloja ja yrityksiä. Big Data ei ole iso juttu. Se ympäröivä hype on varma aika iso juttu sekoittaa sinut. Tässä artikkelissa tarkastellaan, mikä on Big Data. Se sisältää myös esimerkin siitä, miten NetFlix käytti tietonsa tai pikemminkin Big Data -palvelun paremmin palvelemaan asiakkaidensa tarpeita.
Mikä on Big Data
Yrityksesi palvelimissa olevat tiedot olivat vasta eiliseen asti - lajitellut ja arkistoidut. Yhtäkkiä slangi Big Data sai suosittua, ja nyt yrityksesi tiedot ovat suuria tietoja. Termi kattaa jokaisen organisaatiosi tallentamasi tiedot jo tähän mennessä. Se sisältää pilvien sisältämiä tietoja ja jopa URL-osoitteita, jotka olet kirjannut. Yrityksesi ei ehkä ole digitoinut kaikkia tietoja. Et ehkä ole jäsennellyt kaikkia tietoja jo. Mutta sitten kaikki digitaaliset, paperit, strukturoidut ja strukturoitumattomat tiedot yrityksellesi ovat nyt Big Data.
Lyhyesti sanottuna kaikki palvelimesi sisältämät tiedot - luokitellaanko ne vai ei - kutsutaan kollektiivisesti nimellä BIG DATA. Kaikkia näitä tietoja voidaan käyttää eri tulosten hyödyntämiseen erilaisten analyysien avulla. Ei ole välttämätöntä, että kaikki analyysit käyttävät kaikkia tietoja. Eri analyysi käyttää BIG DATA: n eri osia tuottaa tarvittavat tulokset ja ennusteet.
Suuret tiedot ovat olennaisesti tietoja, jotka analysoidaan tuloksiin, joita voit käyttää ennusteisiin ja muihin tarkoituksiin. Kun käytät termiä Big Data, yhtäkkiä yrityksesi tai organisaatiosi työskentelee huipputason tietotekniikalla päätettäessä erilaisia tuloksia käyttämällä samoja tietoja, jotka olet tallentanut tarkoituksellisesti tai tahattomasti vuosien varrella.
Kuinka suuri on Big Data
Pohjimmiltaan kaikki yhdistetyt tiedot ovat suuria tietoja, mutta monet tutkijat ovat yhtä mieltä siitä, että suuria tietoja ei sinänsä voida manipuloida tavanomaisten laskentataulukoiden ja säännöllisten tietokantojen hallintatyökalujen avulla. He tarvitsevat erityisiä analysointityökaluja, kuten Hadoopia (tutkimme tätä erillisessä viestissä), jotta kaikki tiedot voidaan analysoida yhdellä kertaa (voi sisältää analyyseja).
Päinvastoin kuin edellä, vaikka en ole alan asiantuntija, sanoisin, että minkä tahansa järjestön - suuret tai pienet, järjestäytyneet tai järjestäytyneet organisaatiot - ovat suuria tietoja kyseiselle organisaatiolle ja että organisaatio voi valita omat työkalunsa analysoimaan tiedot.
Yleensä tietojen analysointia varten ihmiset käyttävät erilaisia datasarjoja luotaessa yhteen tai useampaan yhteiseen kenttiin, jotta analyysi olisi helppoa. Suurten tietojen tapauksessa ei ole tarpeen luoda osia sen analysoimiseksi. Meillä on nyt välineitä, jotka voivat analysoida tietoja riippumatta siitä, kuinka valtava on. Todennäköisesti nämä työkalut itse luokittelevat tiedot, vaikka ne analysoivat sitä.
Minusta on tärkeää mainita Jimmy Gutermanin "Big Data" -kirjan kaksi lauseesta:
“ Big Data: when the size and performance requirements for data management become significant design and decision factors for implementing a data management and analysis system.”
-ja-
“For some organizations, facing hundreds of gigabytes of data for the first time may trigger a need to reconsider data management options. For others, it may take tens or hundreds of terabytes before data size becomes a significant consideration.”
Joten näet, että sekä äänenvoimakkuus että analyysi ovat tärkeä osa Big Data -tietoja.
Lukea: Mikä on Data Mining?
Big Data Concepts
Tämä on toinen kohta, jossa useimmat ihmiset eivät ole samaa mieltä. Jotkut asiantuntijat sanovat, että Big Data Concepts on kolme V:
- tilavuus
- Nopeus
- lajike
Jotkut toiset lisäävät muutama V: n käsite:
- visualisointi
- Veracity (Luotettavuus)
- Variabiliteetti ja
- Arvo
Aion käsitellä Big Data-käsitteitä erillisessä artikkelissa, koska tämä viesti on jo nousussa. Mielestäni kolme ensimmäistä V: tä riittää selittämään Big Data-käsitteen.
Big Data Example - Miten NetFlix käytti sitä korjaamaan ongelmansa
Vuoden 2008 kohdalla NetFlixissa tapahtui katkos, jonka vuoksi monet asiakkaat jättivät pimeässä. Vaikka jotkut voisivat yhä käyttää streaming-palveluita, useimmat heistä eivät voineet. Jotkut asiakkaat saivat vuokrata DVD-levyjä, kun taas toiset epäonnistuivat. Wall Street Journalin blogikirje kertoo, että Netflix oli juuri alkanut demand-streaming -palvelun avulla.
Keskeytys johti johdon ajattelemaan mahdollisia tulevia ongelmia ja näin ollen; se kääntyi suurille tiedoille. Se analysoi suuria liikennealueita, herkkiä pisteitä ja verkon läpäisykykyä jne. Käyttämällä näitä tietoja ja työskennellyt sen avulla alentamaan seisokkeja, jos tuleva ongelma syntyy, kun se meni maailmanlaajuisesti. Tässä on linkki Wall Street Journal Blogiin, jos haluat tarkistaa esimerkkejä Big Dataista.
Yllä oleva tiivistää, mikä on suuria tietoja maallikon kielellä. Voit kutsua sitä hyvin peruslähestymiseksi. Aion kirjoittaa muutama artikkeli asiaan liittyvistä tekijöistä, kuten - Big Data, Big Data 3 V: n käsitteistä, analyyseistä, työkaluista ja käyttötavoista jne. Samalla, jos haluat lisätä mitään edellä mainittuihin, ole hyvä ja kommentoi meille.
