너무 한 스타 아침 Feng Xiaojie: 4 오해 큰 데이터의 분석

"9 월 5 일 Tenkine 서버 채널 뉴스" 현재 큰 데이터는 매우 뜨거운, 하지만 큰 데이터를 특정, 각 제조 업체는 다른 답변. 우리는 업계 큰 데이터를 정의 하는 4 개의 특성에 의존 알고: 볼륨, 큰 볼륨, PB 수준; 다양 한, 다양 한 데이터 형식; 정확성, 낮은 값 밀도; 빠른 처리 속도입니다. 즉, 막대 한 양의 다른 차원에서 데이터를 신속 하 게 정렬, 사용 가능한 정보에 그들을 설정 해야 합니다.

이 단계에서 큰 데이터 솔루션의 주요 문제는 3 종류로 나뉘어져: 전통적인 비즈니스 인텔리 전스 (BI) 도메인 확장. 이전 큰 데이터 통계, 협회 분석, 총 분석, 데이터의 다양 한 보고서에 반환에 샘플링에서 트렌드 예측 비즈니스 변화를 처리 합니다. 다양 한 데이터의 집계 분석 비즈니스 프로세스 개선 및 평가 기준, 데이터 상품 및 상용 응용 프로그램을 만드는 데 사용 됩니다. 데이터 서비스 또는 데이터 제품 또는 기존 데이터 또는 처리 기능을 포장 하 여 형성 된다.

응용 프로그램 배달 제조 업체 너무 한 스타 아침 제품 감독 Feng Xiaojie 리터럴 의미에서 큰 데이터 시트 이해 하기 어려운 것으로 보인다 고 말했다 하지만 의미에서 많은 산업 분야에서이 고 일부 오해에 순수의 개념에서 사람들이 대량 수준 데이터에 데이터의 거 대 한 수준 될 여겨질 수 있다.

큰 데이터 오해 하나: 큰은 좋은

회사는 데이터 볼륨에 있는 다량 성장을 직면 하 고 있다. 예를 들어, IDC의 최근 보고서는 글로벌 데이터 볼륨 2020 50 회 배 확장 됩니다 예측 합니다. 현재, 큰 데이터의 크기는 여전히 변화 표시기, 수십 TB에서에서 여러 PB에 이르기까지 단일 데이터 집합의 크기입니다.

많은 사람들이 큰 데이터를가지고 있으며 GB의 데이터를 처리 하는 일 수를 언급 하지 않습니다, 경우 Hadoop 클러스터 노드, 총 저장 얼마나 많은 Pb 및 다른 언어는 매우 두려워 다른 사람 답지 느낄. 하지만, 정말 데이터만 크고, 큰 데이터?

Feng Xiaojie 말한다, 데이터가 큰 경우 그것은 매우 유용! 그냥 돈을 의미 회전율을 사용 하는 방법, 데이터는 큰, 하지만 않습니다 하지 사용, 그것은 혼자 Pianan 코너로, 그것은 큰 데이터. 예를 들어 전통적인 포털 사이트의 많은 기본적으로 골든 힐 하지만 소비 상황의 아무 축복에 앉아 있다. 하루, 단지는 간단한 광고 프레 젠 테이 션, 더 많은 가치를 생산 하는 데이터의 분석을 통해 하지 하지만 사용자의 수백만의 수백.

큰 데이터 오해 2: 기술 다니엘 큰 데이터를 이해할 수 있습니다만

대용량 데이터 처리 기술과이 병렬 mapreduce로 데이터의 처리 속도 개선할 수 있습니다. MapReduce의 디자인은 많은 수의 저가 서버를 통해 처리 하는 대용량 데이터 병렬을 달성 하도록 설계 되었습니다, 그리고 데이터 일관성 요구 사항이 높은, 그것의 뛰어난 장점은 확장성 및 가용성, 데이터, 반구조적 및 구조화 되지 않은 데이터 혼합된 처리의 질량에 특히 적합 합니다.

전통적인 데이터 관리 및 비즈니스 분석 도구 및 기술 기업 큰 데이터 분석에서 통찰력을 얻을 수 있도록 새로운 방법을 떠오르고 있다 하는 동안 큰 데이터 로부터 압력을 받고 있습니다. 이러한 새 메서드는 데이터 처리, 분석 및 전통적인 도구와 기법에서 완전히 다른 방식으로 응용 프로그램. 이러한 새로운 접근에는 오픈 소스 프레임 워크 둡, nosql 데이터베이스와 대규모 병렬 분석 데이터베이스 (예: EMC의 Greenplum, HP의 수직) 포함 됩니다. 즉, 기업도 기술과 문화 두 가지 관점에서 분석에 그들의 접근을 재고 하 필요.

Feng Xiaojie 큰 데이터의 응용 프로그램 정책 수 있는 세부 실행 기술 보다 전략적 기능을 더 끝 없는 데이터에서 비즈니스 기회의 값을 참조 하 고 따라서 사업에 높은 수익을 가져다 줄 말한다. 그리고 의사 결정자 상관 안 하는 대로 기술에 너무 많은 세부 수준, 큰 데이터 정확 하 게 어떻게 기술 생성 및 사용자 경험에 밖으로 똑바르게 하는 방법.

3 오해 하는 큰 데이터: 그것은 큰 데이터는 회사.

큰 데이터 대기업만을 위해 적당 하다? 일반적인 회사에 대 한 그것 PB 수준 데이터를가지고 불가능 데이터 저장의 높은 비용을 지원할 수 없습니다 그리고 큰 데이터 기술 직원 매우 부족 하다. 하지만 중소 기업 또한 이용할 수 있습니다 제 3 자 데이터 처리 서비스 플랫폼의. 여부를 기업 큰 데이터 자체 비즈니스 요구를 필요 합니다.

Feng Xiaojie는 비록 큰 데이터 달콤한 페스트 리, 하지만 모두가 소화할 수 있다, 또는 모든 기업의 현 상태를 측정, 분명 기본 및 보조 모순를 참조 하거나 반환 하 고, 큰 데이터의 입력-출력 속도 좋은 기업의 모든 현상에 적합 하지 않습니다 고려 하지만 필요한 데이터를 말했다.

큰 데이터 오해 4: 대규모 데이터를 원하는

경우 거 대 한 양의 데이터를 엔터 프 라이즈 개발을 도울 수 있습니까? 이 앞으로 큰 데이터 값과 돈 값 사이의 비유에 돌아간다. 물론, 흐름을 하지 않습니다 돈을 더 쓸모 있다 그리고 큰 기지, 큰 손실 수 있습니다 결과.

돈 이다, 그래서 큰 데이터입니다. Bitcoin 선수 처럼만 사용 하 여 데이터를 유지 하 고 발굴 관계 및 데이터 뒤에 값을 비교할 수 없는 열정과 눈덩이 처럼 될 수 있도록 풍부 하 고 더 완벽 한 데이터 간의 관계. 마찬가지로, 기업의 대용량 데이터에 대 한 전체만 사용 하 여 대용량 데이터의 큰 데이터 흐름을 완벽 하 게, 그리고 지속적으로 부가가치 효과 실현 다음 큰 데이터 에너지를 방출 하는 기회가 있다.

그 결과, 비즈니스 의사 결정자에 대 한 큰 데이터의 술 이해 해야 Feng Xiaojie 지적 하 고 철저 하 게 이해 하는 머리는 돈 큰 총액을 소비 하 게 준비 하기 전에: 내가 정말 큰 데이터 필요 합니까? 수 있는 큰 데이터 정말 있 나?