큰 데이터 bi 및 예측 분석 더 강력 하 게

우리 모두 알다시피, 예측 분석은 통계와 데이터 과학자는 "상아탑"의 "특권" 언제나 그리고 그들은 일상적인 비즈니스 의사 결정자 멀리. 큰 데이터 변경 됩니다.

점점 더 많은 데이터 스트림을 온라인 하 고 기존 BI, CRM, ERP, 및 다른 중요 한 비즈니스 시스템에 통합, 예측 분석 결국 관심의 초점을 될 것입니다. 하지만 대부분의 고객 서비스 담당자와 현장 영업 담당자는 아직 생각 하지 영향, IBM 등 MicroStrategy 회사 이동 하기 시작 했습니다.

큰 데이터: 예측 분석은 더 이상 통계학자의 특권

영업 사원이 소매점의 제품 페이스 북 이나 트위터에 소매 업체의 등급을 조정할 수 있습니다 나는 고객 서비스 담당자 수 독립적으로 결정 하지 문제가 고객 인지 가치 유지 또는 업그레이드, 세계를 상상해 보세요.

일상적인 관리자의 손에 그룹 분석, 회귀 분석 등 도구를 사용 하는 큰 데이터를 더 많이 넣어 그리고 그들은 수를 사용 하 여 비 트랜잭션 데이터 장기 전략적 비즈니스 결정.

그럼, 전통적인 bi 도구를 대체 하는 큰 데이터는 아닙니다 리 타 Sallam, 가트너 연구에서 bi 분석가 말했다 큰 데이터 bi 더 소중 하 고 비즈니스, "우리는 항상 과거 데이터를 볼 필요가 만들고 큰 데이터가 있는 경우 당신은 그것을 해야한다." BI는 사라지지 않습니다, 그리고 대용량 데이터에 의해 강화 된다. "

발견의 초기 단계 동안 본 예측 시간이 지남에, 예를 들어, 중서부 지역에서 빨간 지갑 정말 팝니까 블루 지갑 보다 더 나은 입증 될 것입니다 어떻게 알 수 있습니까? 예비 데이터 분석 빨간색 지갑 빨간색 지갑 판매 더 이전 분기에 (또는 이전) 때문에 더 나은 판매를 제안할 수 있습니다.

그러나이 문제는 인과 관계가 없습니다. 역사적인 트랜잭션 데이터를 사용 하는 경우 더 자세히 보면---BI 도구에서 수집 된 있습니다 실제로 사업 빨간 지갑에서 찾고 있기 때문에 활동 위치 최신 비즈니스의 결과 다는 것.

그래서 IBM 기술 감독 데이비드 반 즈는 Hadoop 맵/리듀스, 같은 대용량 데이터 기술에서 결과를 참조 하는 확률이 신흥의. 예를 들어 중요 한 비즈니스 결정 Twitter 스트림의 감정 분석에 따라 싶지 않아.

소셜 미디어를 직접 반환 받을에 구조화 되지 않은 데이터 분석

소셜 미디어에 큰 사업 기회 있다. 예를 들어, 소매점으로 당신은 저스틴 Bieber의 분석 그가 지난 밤의 콘서트, 입고 자 켓 처럼 아주 많이 찾아서 트위터에 누군가가 말했다 그는 당신의 게에서 하나 구입 하 고 신속 하 게 결정할 수 그 코트에 재고의 양을 증가 시키는이 드레스는 매우 인기가 있을 것입니다 알고 있기 때문에 하지만 매우 제한 된 시간에서.

아무 예측 분석 (PA)이 있는 경우에,이 기회를 놓칠 가능성이 있습니다.

"과거에는, 우리는 결정에 따라 기록 데이터를 하지만 지금 시대는 다른," 반 즈 말했다. "이제 우리 예측 분석 해야 합니다." "

우리는 오픈 소스 기술 (대부분 큰 데이터 플랫폼의 발원지 오픈 소스에서), 및 결합 하 무어의 법칙, 상품 하드웨어, 클라우드 컴퓨팅, 능력 많은 양의 비 트랜잭션 데이터 저장을 해야 합니다.

구조화 되지 않은 데이터, 비디오 등 전자 메일을 종종 큰 데이터 원동력 이라고 여겨진다, 거의 과정에서 포함 된다. 블로그 및 사용자 포럼을 닦 고 지리적 데이터와이 정보를 연결 고 수 마이크로 전략 지혜 엔진, 귀하의 브랜드의 페이 스 북 사용자 평가의 14 백만 추적 같은 새로운 소스와 기존의 구조화 된 고객 데이터를 결합. 그래서 당신은 강한 예측 능력.

"두 가지 큰 데이터에 일어난" P.k.paleru, 마케팅 디렉터 MicroStrategy는 bi 공급 업체입니다. "다양 한 유형의 다른 원본의 데이터를 결합 수 있습니다 그리고 당신은 수 있다 또한 마이크로 조정 이러한 데이터를 모두." "

대용량 데이터 분석 시간 단축

이 분석의 큰 장점 중 하나는 "응답 시간을 단축" (TTA)는 폴 바스, 설립자와 새로운 유리한 파트너, 정보 관리 및 분석 컨설팅, 관리 파트너 말한다 데이터 과학자 개월 쿼리 또는 모델 사업 공급 체인 또는 생산 계획에 대 한 질문 그리고 지금 그것은 단지 몇 시간이 걸립니다 앞 대답을 구축 하고있다.

이것은 대용량 데이터 기술 최적화 또는 관계형 되기 전에 분석 정보를 허용 하기 때문 에입니다. 고급 분석 결합, 비즈니스 관리자 요구 하 고 답변 질문 여전히 필요 하지만 아주 짧은 시간에 그것은 도움의 손길을 빌려 직원과 데이터 모델러.

"이이 사람들이 사용 하는 큰 데이터 기계 학습의 과정을 자동화 를" 바르트, 제품 라인 및 시장 당 20000 데이터 모델을 생성 하는 사용자가 앞으로 18 개월을 예측할 수 있도록 말한다. "그것은 큰 변화 그리고 그들은 큰 데이터 기술과 많은 모델링 단계를 자동화할 수 있는 무인 수행할 수 있기 때문에 이것을 할 수 있어." "

오래 전, 몇 주 또는 몇 달 동안 단일 모델을 구축 하는 통계 분석에 대 한 거의 불가능 했다. 100 제품을 판매 하는 경우 귀하의 전체 제품 라인 1000 모델, 즉 이러한 모델에서 반환 된 정보는 매우 정확 하 게 초과할 수 없습니다.

빅 데이터 분석의 황금 시대는 아직와 서

이 비즈니스 사용자에 대 한 흥미로운, 대규모 데이터 분석 기법은 매우 빠르게 하려고 하지. Hadoop, 강력한, 하지만 여전히 대규모 데이터 집합 처리에 대 한 "원시" 도구입니다.

이러한 예측 분석 결과의 유용성에 대해 신중 하 게 생각 하 고은 100 백만 사람들의 의견 정말 초과 100000?

"데이터 중복의 많은" 말한다 바르트, "만약 제대로 분석 하려면" 해야 스마트 애 널 리스트, 그리고 다행히도, 큰 데이터 매우 강력한 도구 들을 제공. (邹铮 컴파일)

(책임 편집기: 유산의 좋은)