Pagtimbang ng kalamangan at kahinaan ng Real-Time Big Data Analytics

Video.: The Rich in America: Power, Control, Wealth and the Elite Upper Class in the United States

Nilalaman

Ano ang Malaking Data, at Paano Ito Iba sa Mula sa Real-Time Big Data Analytics?
Mga kalamangan
Cons
Konklusyon
Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay

Pinagmulan: Seoterra / Dreamstime

Takeaway:

Ang pagkakaroon ng data ng real-time na agad na mai-access ay maaaring mukhang isang mainam na senaryo, ngunit sa mga kalamangan, mayroon ding mga disbentaha.

Sa panahong ito ng pagsabog ng data, ang mga organisasyon ay nangongolekta at nag-iimbak ng data sa patuloy na pagtaas ng mga rate. Gayunpaman, ang pagkolekta lamang ng data na iyon para sa iyong samahan ay walang anumang halaga ng negosyo. Real-time na pagsusuri at paggunita ng malaking data na ito ang mass ng data sa mahalagang istatistika. Habang ang real-time na pananaw na ito ay maaaring maging malaking halaga sa iyong samahan, mayroon itong parehong kalamangan at kahinaan.

Ano ang Malaking Data, at Paano Ito Iba sa Mula sa Real-Time Big Data Analytics?

Bago lumipat pa, hayaang talakayin ang malaking data - ano ba talaga ito? Ayon sa kaugalian, ang data ay naimbak nang mas madali dahil mayroong mas kaunti dito. Ang malaking data ay naganap noong nagkaroon ng pangangailangan na mag-imbak ng mga set ng data sa mas malaking dami. Ito ay hindi lamang data o isang set ng data, ngunit isang kumbinasyon ng mga tool, pamamaraan, pamamaraan at frameworks.

Ang malalaking data ay maaaring magmula sa halos anumang bagay na bumubuo ng data, kabilang ang mga search engine at social media, pati na rin ang ilang hindi gaanong halata na mga mapagkukunan, tulad ng mga power grids at infrastructure infrastructure. Ang data na ito ay maaaring ikategorya sa tatlong uri: nakabalangkas, semi-nakabalangkas at hindi nakabalangkas.

Ang malalaking data ay karaniwang kinokolekta at nasuri sa mga paunang natukoy na agwat. Gayunpaman, sa pamamagitan ng real-time malaking data analytics, ang koleksyon at pagsusuri ay tuluy-tuloy, na nagbibigay ng isang pananaw hanggang sa minutong pananaw. (Para sa higit pa sa malaking analytics ng data, tingnan kung Paano Maaaring I-optimize ng Pagganap ng IT ang Malaking Data Analytics.)

Ang Hadoop ay ang pinaka kilalang tool para sa pagsusuri ng malaking data, ngunit hindi ito mahusay na angkop para sa paghawak ng real-time malaking data analytics. Ang ilang mga real-time na malaking tool ng data ay kinabibilangan ng:

Storm - Ito ay isang real-time na ipinamamahagi na sistema ng pagkalkula na gumagana sa anumang programming language at nasusukat. Ito ay kasalukuyang pag-aari.
GridGain - Ito ay isang tool na open-source grid computing ng enterprise. Ito ay katugma sa Hadoop DFS na nag-aalok ng isang kapalit sa Hadoop's MapReduce.

Mga kalamangan

Hinahayaan ngayon na talakayin ang ilan sa mga pakinabang ng real-time malaking data analytics.

Mabilis na kilalanin ang mga error - Itinuturing ng isang error na naganap, at kailangang malutas ang ASAP. Sa real-time na malaking data analytics, ang error na ito ay maaaring makilala agad at mabilis na malutas. Makakatulong ito upang maiwasan ang maraming mga at / o mas matinding pagkabigo. Sa mahabang panahon, nakakatulong din ito sa isang reputasyon sa negosyo - ang mabilis na pagwawasto ng error ay makakatulong sa pagkakaroon ng mas maraming mga customer.
Ang pag-save - Kahit na ang pagpapatupad ng real-time malaking data analytics ay maaaring magastos, ang mataas na halaga ng agarang pagsusuri ng data ay maaaring gumawa ng para sa paggasta.
Mga progresibong serbisyo - Ang pagsubaybay sa mga produkto at serbisyo sa pamamagitan ng malaking data analytics ay maaaring humantong sa mas mataas na mga rate ng conversion para sa mga customer, na kung saan ay maaaring humantong sa mas mataas na kita. Ang mga kamangha-manghang mga error at isyu ay madaling mahulaan sa analytics, na makakatulong din sa pagtuon ng higit sa mga pangangailangan ng customer.
Real-time na pagtuklas ng pandaraya - Ang koponan na namamahala sa seguridad ng mga system at server ay maaaring mabilis at madaling ipagbigay-alam sa pandaraya, na nagpapahintulot sa kanila na gumawa ng mga hakbang sa real time, sa sandaling napansin ang pandaraya. (Upang malaman ang higit pa tungkol sa pagtuklas ng pandaraya, tingnan ang Pag-aaral ng Machine at Hadoop sa Deteksyon ng Next-Generation na Pandaraya.)
Mga diskarte sa mga kakumpitensya - Nakakatakot ang kumpetisyon sa maraming tao sa merkado ngayon, at ang malaking data analytics ay tumutulong sa pagbibigay ng isang detalyadong larawan ng mga kakumpitensya, tulad ng paglulunsad ng isang bagong produkto, pagbaba / pagtaas ng mga presyo para sa isang partikular na tagal o tumututok sa mga gumagamit mula sa isang tukoy na lokasyon.
Insight - Mahalaga ang mga pananaw sa pagbebenta para malaman kung saan nakatayo ang mga benta. Ang mga pananaw na ito ay maaaring humantong sa karagdagang kita, tulad ng hindi pagkawala ng isang customer sa pangmatagalang, pagsuri sa rate ng bounce at paghahanap ng pinakamainam na paraan ng pagdaragdag ng mga benta sa pamamagitan ng pagsusuri ng real-time na malaking data analytics.
Mga Uso - Ang mga pagpapasya sa pamamagitan ng pagsusuri ng mga trend ng customer ay maaaring gawin sa real-time na malaking data analytics. Maaaring kabilang dito ang mga handog, mga patalastas, mga pangangailangan ng customer, magagamit para sa isang partikular na panahon at iba pa. Samakatuwid, maaari rin itong mapabuti ang mga pangmatagalang desisyon.

Cons

Ngayon ay nagbibigay ng isang pagtingin sa kahinaan.

Hindi katugma ang Hadoop - Tulad ng nabanggit nang mas maaga, ang Hadoop, ang pinaka-malawak na ginagamit na tool para sa malalaking analytics ng data, ay hindi nakayanan ang kasalukuyang data. Samakatuwid, ang ilang iba pang mga tool ay kinakailangan, na may isang inaasahan na sa hinaharap na Hadoop ay magdagdag ng pag-andar para sa isang diskarte sa real-time.
Kinakailangan ng bagong diskarte - Ang ilang mga organisasyon ay ginagamit upang makatanggap ng mga pananaw isang beses sa isang linggo. Gayunpaman, sa patuloy na pag-agos ng real-time malaking data, kinakailangan ang isang ganap na magkakaibang pamamaraan. Maaari itong maging isang hamon para sa ilang mga organisasyon at maaaring humantong sa pag-remodeling ng ilang mga desisyon at plano.
Posibleng pagkabigo - Ang ilang mga organisasyon ay maaaring makakita ng real-time malaking data analytics bilang isang makintab na bagong laruan, at nais na ipatupad ito kaagad. Gayunpaman, kung hindi ipinatupad nang maayos, maaaring magdulot ito ng maraming mga problema. Kung ang isang negosyo ay hindi ginagamit sa paghawak ng data sa isang mabilis na rate, maaari itong humantong sa hindi tamang pagsusuri, na maaaring magdulot ng mas malaking problema para sa samahan.

Konklusyon

Ang real-time malaking data analytics ay maaaring maging napakahalaga sa isang negosyo, ngunit ang isang negosyo ay dapat munang tukuyin kung ang kalamangan ay higit sa kahinaan sa kanilang partikular na sitwasyon, at kung gayon, kung paano malalampasan ang mga kahinaan na iyon. Ito ay pa rin isang medyo bagong teknolohiya, kaya inaasahan na magbabago sa hinaharap at sana ay malutas ang ilan sa mga kasalukuyang mga hamon.