fbpx

Analitis Data Besar

Kongsi di facebook
Kongsi
Kongsi di linkedin
Kongsi
Kongsi di twitter
Tweet
data

Analisis data besar mempunyai sejarah yang panjang dan terkenal.

Konsep data besar telah wujud selama bertahun-tahun, dan kebanyakan firma kini menyedari bahawa jika mereka menangkap semua data yang mengalir ke dalam operasi mereka, mereka boleh menggunakan analisis untuk mengekstrak nilai yang luar biasa. Perniagaan menggunakan analitik asas (hanya angka pada hamparan yang diperiksa secara manual) untuk mengenal pasti cerapan dan arah aliran seawal tahun 1950-an, beberapa dekad sebelum istilah "data besar" dicipta.

Kelebihan baharu analisis data besar pula ialah kelajuan dan kecekapan. Walaupun sebuah syarikat telah mengumpulkan data, menjalankan analisis dan mencungkil pengetahuan untuk keputusan masa depan beberapa tahun yang lalu, organisasi hari ini boleh mengenal pasti cerapan untuk keputusan semasa. Bekerja dengan lebih pantas – dan kekal lincah – memberikan perniagaan kelebihan daya saing yang tidak mereka miliki sebelum ini.

 

Apakah kepentingan analisis data besar?

 

Analitis data besar membantu perniagaan dalam memanfaatkan data mereka dan mengenal pasti peluang baharu. Hasilnya, keputusan perniagaan yang lebih bijak, operasi yang lebih berkesan, keuntungan yang lebih tinggi dan pengguna yang lebih gembira adalah hasilnya. Tom Davenport, Pengarah Penyelidikan IIA, menemu bual lebih daripada 50 perniagaan untuk kertasnya Big Data in Big Companies untuk melihat cara mereka mengeksploitasi data besar. Dia mendapati bahawa mereka berharga dalam cara berikut:

Pengurangan kos. Apabila ia datang untuk menyimpan sejumlah besar data, teknologi data besar seperti Hadoop dan analitik berasaskan awan memberikan penjimatan kos yang ketara, serta keupayaan untuk mendedahkan kaedah yang lebih berkesan untuk menjalankan perniagaan.

Lebih cepat, membuat keputusan yang lebih baik. Perniagaan boleh menilai maklumat dengan serta-merta – dan membuat keputusan berdasarkan perkara yang mereka pelajari – terima kasih kepada kelajuan Hadoop dan analitik dalam ingatan, serta keupayaan untuk mengkaji sumber data baharu.

Produk dan perkhidmatan baharu. Dengan keupayaan untuk menggunakan analitik untuk mengukur keperluan dan kepuasan pelanggan datang potensi untuk menyediakan pelanggan dengan apa yang mereka mahukan. Menurut Davenport, lebih banyak organisasi menggunakan analisis data besar untuk mencipta barangan baharu bagi memenuhi keperluan pelanggan mereka.

Apakah itu dan cara ia beroperasi adalah dua daripada teknologi yang paling penting.

Analisis data besar ialah istilah luas yang menggabungkan pelbagai teknologi. Sudah tentu, analitis lanjutan boleh digunakan dengan data besar, tetapi sebenarnya, pelbagai bentuk teknologi bekerjasama untuk membantu anda memanfaatkan sepenuhnya data anda. Pemain utama adalah seperti berikut:

Pembelajaran Mesin ialah istilah yang merujuk kepada kajian pembelajaran Mesin, subset AI yang mengajar mesin untuk belajar membolehkan penciptaan model yang pantas dan automatik yang boleh menganalisis lebih banyak data yang lebih kompleks dan menawarkan jawapan yang lebih pantas dan tepat – walaupun pada skala besar-besaran. Peluang organisasi untuk mengiktiraf kemungkinan yang menguntungkan – atau mengelakkan risiko yang tidak dijangka – dipertingkatkan dengan membangunkan model terperinci.

 

Pengurusan maklumat. Sebelum data berjaya dinilai, ia mestilah berkualiti tinggi dan ditadbir dengan baik. Dengan begitu banyak data yang masuk dan keluar dari perniagaan, adalah penting untuk mempunyai proses berulang untuk mewujudkan dan mengekalkan standard kualiti data. Setelah data boleh dipercayai, perniagaan harus melaksanakan program pengurusan data induk untuk memastikan semua orang dalam syarikat berada pada halaman yang sama.

 

Perlombongan data ialah istilah yang merujuk kepada proses teknologi perlombongan Data membolehkan anda menganalisis sejumlah besar data untuk mencari corak, yang kemudiannya boleh digunakan untuk analisis lanjut untuk menjawab masalah perniagaan yang rumit. Anda boleh menapis semua hingar yang huru-hara dan berulang-ulang dalam data dengan alat perlombongan data, menyerlahkan perkara yang berkaitan, menggunakan pengetahuan itu untuk menilai hasil yang mungkin, dan kemudian mempercepatkan proses membuat keputusan terdidik.

 

Hadoop. Pada kelompok perkakasan komoditi, rangka kerja perisian sumber terbuka ini boleh menyimpan sejumlah besar data dan melaksanakan program. Disebabkan peningkatan berterusan dalam jumlah dan jenis data, ia telah menjadi teknologi kritikal untuk menjalankan perniagaan, dan model pengkomputeran teragihnya mengendalikan data besar dengan cepat. Kelebihan lain ialah seni bina sumber terbuka Hadoop adalah percuma dan boleh menyimpan sejumlah besar data pada perkakasan yang murah.

 

Pemprosesan analitikal dalam ingatan. Anda boleh mendapatkan cerapan pantas daripada data anda dan bertindak ke atasnya dengan pantas dengan mengkaji data daripada memori sistem (bukannya pemacu cakera keras anda). Teknologi ini membolehkan organisasi menguji senario baharu dan mencipta model dengan lebih pantas dengan menghapuskan kelewatan penyediaan data dan pemprosesan analisis. Ini bukan sahaja cara mudah untuk perniagaan kekal tangkas dan membuat keputusan perniagaan yang lebih baik, tetapi ia juga membolehkan mereka menjalankan senario analitik berulang dan interaktif.

 

Analisis ramalan ialah istilah yang merujuk kepada kajian corak dalam Data, algoritma statistik dan teknik pembelajaran mesin digunakan dalam analitik ramalan untuk menentukan kemungkinan hasil masa hadapan berdasarkan data sejarah. Ini semua tentang memberi organisasi ramalan yang paling tepat tentang perkara yang akan berlaku pada masa hadapan, supaya mereka boleh berasa lebih yakin bahawa mereka membuat keputusan perniagaan yang terbaik. Analitik ramalan digunakan untuk pelbagai tujuan, termasuk pengesanan penipuan, pengurusan risiko, operasi dan pemasaran.

 

Perlombongan teks ialah kaedah menganalisis teks. Teknologi perlombongan teks membolehkan anda menganalisis data teks daripada web, kotak ulasan, buku dan sumber berasaskan teks lain untuk mendedahkan cerapan yang tidak kelihatan sebelum ini. Sikat perlombongan teks melalui dokumen – e-mel, blog, suapan Twitter, tinjauan, kecerdasan daya saing dan banyak lagi – menggunakan pembelajaran mesin atau teknologi pemprosesan bahasa semula jadi untuk membantu anda menilai sejumlah besar data dan mengenal pasti subjek baharu dan korelasi istilah.

Kongsi di facebook
Kongsi
Kongsi di linkedin
Kongsi
Kongsi di twitter
Tweet

Catatan Berkaitan

Pengarang

IMG
Hannah
a
Jin

Mengenai SCC

Kepentingan untuk berseronok dan maju dalam pendidikan teknologi untuk semua pelajar kami adalah moto kami. Kami mahu pelajar kami mencipta masa depan yang lebih baik bukan sahaja untuk diri mereka tetapi juga untuk masyarakat. Sama ada memprogramkan permainan video mereka sendiri, menganimasikan kartun mereka sendiri atau membina robot, tutor kami boleh membimbing mereka untuk mencari pandangan yang lebih baharu dan meneroka penemuan yang tidak ditemui melalui kursus kami.