큰 데이터 또한 있다 서쪽 큰 가뭄

큰 데이터 중요 한 단계에로 발전 했다. 2017 년으로 큰 데이터 시장 50 십억 달러, 성장 것입니다 하지만 큰 데이터 프로젝트의 55% 실패 불행히도. 기회와 함께 대 광고 및 허위 정보, 우리는 서쪽 가뭄 무대의 큰 데이터에. 큰 데이터 산업 교착의 약간에서은: 수집, 저장 하 고 다른 모호한 태도와 그것을 위해 지불 하 고 얼마나 큰 데이터 그들의 비즈니스에 영향을 미칠 것입니다 궁금해 하는 동안 큰 데이터에서 혜택 산업에 투자 하는 그것을 이해 하는 사람들.


양성 실패


큰 데이터 에러율을 허용,이 상식, 반대 겠지만 실패는 또한 양성 실패와 포인트의 악성 실패.


? 설명 듣고: "테스트 하 고 학습" 방법은 큰 데이터의 원래 상태로 사용할 수 있습니다. 회사는 가정을 하 고 다음 그들을 확인 하 여 이러한 오류를 검색 해야 합니다. 큰 데이터를 파고 하 여 진정으로 일관 된 전략적 솔루션을 개발 하는 기업 수 있습니다.


가 "버그" 바로 분석 결과, 찾아서, 삶의 모든 생 업, 정밀 추천, 위험 관리, 장비 실패 예측에 대 한 중요 한 기회를 만드는 물류 관리 프로세스 간소화 실제로 필요한 과정입니다.

낙관적인 경우에
, 이들이 기업이 사용 하는 큰 데이터 수익의 신선한 소스를 열고 큰 데이터 중심의 기업 문화를 만들 새로운 제품의 개발을 판단. 이 단계로 진화, 기업 유연한 분석 및 판단 방법을 개발을 점차적으로 기업의 대규모 자동화 된 예측을 통해 최적의 개발을 실현 엄밀한 양적 및 비용 제어 아이디어를 휴식 해야 합니다. 이 방법에만 수 있습니다 그들은 정말 큰 데이터와 수익성 비즈니스 모델 찾아서 데이터를 기반으로 새로운 제품을 개발.


큰 데이터 사용, 속도의 초기에 핵심 요소 이었다. 빠르게 데이터 완료 되 고 더 신속 하 게 조직의 전문성까지, 빨리 그것 수 있습니다 가치 고 큰 데이터의 보다 세부적인 사용 새로운 높이에서 만들어집니다.


Quantcast 완벽 하 게 큰 데이터 회사로 자라의 4 단계 모델을 해석 합니다. 무료 웹 트래픽 모니터링 서비스를 제공 하는 첫 번째 단계가입니다. Quantcast 신속 하 게 시장 인식을 증가 그것의 매일 계산 1 십억 수준에 수천에서 성장 하는 때 전통적인 데이터베이스 기술을 따라 잡았다. 그리고 기업 가치에 대 한 청중 분석의 덕택으로 더 높은 품질의 분석 및 판단 기능, 그것을 제공 하는 단계별 사업 확장 및 고객 관계의 유지 보수.


Quantcast 곧 인구 통계 데이터의 분포를 찾을 수에 전했다 고 관심 활동 데이터의 광대 한 범위에서 때문에 큰 데이터 과학에 투자 하는 필요를 보았다. 잠시 후, Quantcast 많은 제품 및 서비스, 기존 고객에 게 유사성의 고차를 가진 새로운 고객을 찾아 광고주를 도운 Lookalikes 라는 매우 성공적인 프로젝트를 테스트 합니다. Quantcast 지금 년, $100 백만 벌고 그리고 유연성 큰 데이터의 개발에 기회를 적시에 응답 수 있습니다.


Quantcast, 구글, 페이 스 북, 링크 드 인은 개발의 이러한 단계를 통해 간 큰 데이터 회사의 전구. 때 큰 데이터 비즈니스 인터넷 회사에서 좀 더 성숙 되 고, 포용 하는 큰 데이터를 가치를 창출 하 고 경쟁력을 구축 하는 업체를 위한 시간 이다. 예를 들어 대형 IT 공급 업체 사용 하는 세련 된 기술 제품 데이터 및 트랜잭션 데이터 개선 권고와 거래 경험을 최적화 분석 예측 모델을 생성.


악성 실패


불행히도, 많은 회사는 아직도 매우 엄격한 모델에 갇혀 하 고 그들은 단순히 비용 제어 및 스토리지 확장성의 관점에서 큰 데이터를 사용 하는. 어쩌면 그들이 아직도에 사이드 라인 "유연한 분석" (민첩 한 분석)-생각 하 고 유연 하 게 데이터를 사용 하 여 저장 하는 전통적인 방법을 휴식.


즉 큰 데이터 탐색 하는 많은 회사 기회를 그들의 비즈니스를 개선 하 고 그들의 서비스, 최적화를 누락 하 고 그들은 또한 새로운 제품의 개발을 가정 하는 것 보다 큰 데이터를 이용 하는 기회를 누락 되었습니다. 그들은 큰 데이터 개발 학습 하지 추출 값에서 데이터 저장의 정체 기간 입력.


큰 데이터 요구 인간 및 인간 차원에서의 리소스 입력--, 더 많은 사람들이이 기술을 마스터에 대 한 필요 하 고 전통적인 비용 절약 방법 정리 해 고를 요구 한다. 큰 데이터 회사에 대 한 반대 경우입니다. 큰 데이터에 돌파구를 달성 하기 위해 기업 돈에 대 한 투표를 기꺼이 해야 합니다. 바꾸고에 시간 투자를 신속 하 게 대응할 수 없는 회사 더 작고, 더 유연한 기업에서 더 많은 기회를 취할 것입니다.


오류


아무것도 앞에서 언급 한 55% 실패 비율 보다 더 당황? 실패에 대 한 이유는 무엇 인가? 하나의 아이디어는, 서쪽에서 너무 많은 속임수 고 호 언 장담을 그들의 결과 볼 수 없습니다. 그들은 큰 데이터의 문화를 에뮬레이트 되는 것을 깨달았다. 자격의 부족에도 불구 하 고 부동산 조언자와 시스템 통합자는 위치 스스로 분야에서 전문가 서.


마찬가지로, 많은 전통적인 사업 권유 "빅 데이터"로 마지막 시대의 패턴. 그들의 많은 여전히 네트워크 (통계 분석 시스템, 1976 년에 시작) 있지 않은 컴퓨터에 SAS 사용 하는-그것은 큰 데이터 수? 다른 데이터 마이닝 및 보고, 추출, 변환 및 로드 작은 데이터베이스 내용에 집중 된다. 이러한 상인 일반적으로 오픈 소스 병렬 컴퓨팅 Apache Hadoop과 같은 프로그래밍 도구에서에서 분리 되는 독점 소프트웨어를 사용 합니다.


우리는 큰 데이터 개발-의 핵심 포인트에 꾸준한 성장을 계속 하는 데이터의 필요 합니다. 큰 데이터를 궁극적으로 오래 된 기술 이나 능력의 생각 하는 기업 부상 또는 그들의 사업을 계속 분석 능력 때문에. 그들의 프로젝트 실패 하거나 부정확 한 정보를 제공, 그들은 전쟁터를 잃게 하 고 정말 아는 기술 경쟁 업체에 기회를 양도.