큰 데이터를 얻는 것은 데이터베이스의 크기보다 큰 것입니다.

몇 달에 한 번씩 ‘큰 데이터’가되기 위해 ‘큰’데이터가 필요한 방식에 대한 논의가 다시 시작됩니다. 용어가 익숙해 짐에 따라 오용되고 오히려 큰 데이터를 중소기업에서도 데이터웨어 하우스를 달성 할 수있는 시스템으로 생각하는 것이 쉽습니다.

하지만 그 점을 놓치지 마라.

큰 데이터는 큰 것이 아니기 때문에 많은 데이터가 필요합니다. 규모가 크지 만 정규 데이터 세트 (대용량 임)가 다루지 않는 통찰력을 찾을 수있는 많은 영역을 다루고 있기 때문에 규모가 크다.

큰 데이터 프로젝트를 실행하는 기술이 더 많은 회사에 개방 될 수 있지만, 기술의 부족과 직감에 대한 기업의 선호 때문에 진보가 방해 받고 있습니다.

당신은 자신의 데이터 만 가지고도 영리한 일을 할 수 있습니다. JJ Food Service Limited는 고객이 주문 웹 사이트를 사용하여 Azure Machine Learning 서비스를 사용하는 방법에 대한 자세한 내용과 Microsoft Dynamics AX (3 천 5 백만 트랜잭션, 총 6GB)에서 3 년 간 영업을 수행했습니다. 이로써 각 고객에 대한 장바구니를 미리 채우고 주문을 빨리하는 시스템이 생겨서 뭔가를 잊어 버리고 다른 곳에서 구매할 가능성이 줄어 들었습니다.

비즈니스에 대한 데이터가있는 경우 예측 분석이나 권장 사항 엔진을 실행하지 않아도되므로 낭비입니다. Azure ML은 비즈니스 인텔리전스의 Excel 매크로와 비슷합니다. 사용법을 배우는 것이 필요하지만 PhD를 사용할 필요가 없으며 유용한 분석을 얻으려면 2 년의 프로그래밍 경험이 필요합니다.

이를 서비스로 제공하면 큰 데이터의 두 번째 단계를 더 쉽게 수행 할 수 있습니다. 일단 당신이 이미 알지 못했던 흥미로운 결과를 발견하면 비즈니스의 일부로 자동화 할 수 있습니다. 이들은 큰 데이터를 사용하지 않고 기존의 오래된 비즈니스 통찰력을 사용하기 때문에 사용자 정의 처리를 많이하지 않아도되므로 다른 비즈니스 프로세스를 실행하는 방식에 적합해야합니다.

적어도 이메일 할당량 사용을 중단하고 직원이 컴퓨터를 업그레이드하거나 노트북을 잃어 버렸을 때 유실되는 PST 파일을 넣어 강제로 검색 할 수있는 자산으로 변환하십시오.

Microsoft는 내부 Cosmos 대용량 데이터 서비스의 유료 버전을 제공하고 큰 데이터에 불만을 표시합니까? 어쩌면 그 시각화, 마법 상자 의존, 큰 데이터는 큰 의료 돌파구를 의미합니다

Mimecast (Exchange 및 Office 365에 연결) 또는 Delve와 같은 Office 365 도구 또는 Outlook Web App의 검색 상자와 같은 보관 서비스는 이전 메일을 관계가있는 사람을 찾는 방법으로 바꿉니다.

오래된 전자 메일 및 문서는 저장 장치에 더 많은 드라이브를 구입해야하는 번거 로움이 아니며 구조화되지 않은 준 구조화 된 데이터에서 정보를 추출 할 수있는 도구가 많아지면 큰 데이터를 얻을 수있는 큰 잠재력이 있습니다. 이러한 도구는 여전히 대부분 파이프 꿈과 연구 프로젝트이지만, 모든 종류의 비즈니스 정보를 맷돌로보기보다는 리소스로 생각할수록 더 큰 미래의 데이터를 얻을 수 있습니다.

그러나 가장 흥미로운 큰 데이터는 귀하의 비즈니스가 아직 가지고 있지 않은 정보와 상관 관계가되는 경우가 종종 있습니다. 누군가가 좋은 보험 위험에 처해 있는지, 시간에 맞춰 보험료를 지불하고 많은 보상을하지 않는 사람이 있는지 알고 싶다면, 정말로 알고 싶은 것은 그들이 의자에 멍청이 보호 장치를 사용하는지 여부입니다. 스커프 보호 장치를 사용하는 것은 좋은 보험 위험입니다 (이 모든 것에 흥미로운 개인 정보 보호 질문이 있습니다. 보험 회사에서는 스커프 보호 장치를 사용하지 않기 때문에 더 높은 요금을 부과한다고 말하지는 않습니다).

마찬가지로 비즈니스가 얼마나 건강한 지 신속하게 파악하려면 보내고받는 소포의 수 (시간 경과에 따라 크게 변했는지 여부)를 확인하십시오. 대부분의 비즈니스는 공급품과 배송 제품을 받고 회사를 출입하는 소포량의 변화는 비즈니스 운영 방식에 대해 많이 알려주고 대출 여부를 결정하는 경우 알고 싶은 것만 알 수 있습니다. .

Big Data Analytics, 빅 데이터 애널리틱스, DataRobot은 데이터 과학의 저조한 성과를 자동화하는 것을 목표로하고 있으며 Big Data Analytics, MapR 창업자 인 John Schroeder는 사임하고, 대체 할 COO

대용량 데이터의 개념에 열성적이든 또는 새로운 데이터가 거의 없다고 생각하든 관계없이 오해를 일으킬만한 영역입니다.

이미 모든 선적 정보를 분석하고있는 한 대형 포장 해운 회사는 적절한 장소에 창고를 배치해야하고 충분한 약혼자를 모집하여이를 깨달았고 모든 패키지 기록을 분석하여이를 수행하고 재무 분석 결과를 제공하기 시작했습니다. 대출 및 신용 등급을 관리하는 회사.

그것은 가솔린 가격을 설정하는 빅 데이터의 가장 초기 사용이 무엇인지 연상시킵니다.

상업용 휘발유 카드 회사가 그 달의 끝 부분에 고객이 지불해야만했던 것의 기록이 아니라 영국 전역의 가솔린 ​​비용에 대한 거대한 지리적 데이터베이스가 Esso 그들이 청구 할 수있는 금액을 정확히 알고 싶지만 여전히 가장 저렴한 지역 휘발유를 갖고 있는지 묻습니다.

Esso는 기회에 뛰어 들었다. 현재 모든 석유 회사들은 펌프에서 가격을 구입하지만 몇 년 동안은 Esso가 독점적으로 데이터에 액세스 할 수 있었지만 경쟁보다 훨씬 유리했습니다.

시장 또는 고객에 대해 가장 많이 알아야 할 것은 보유한 데이터에 포함되지 않을 수도 있고 보유한 데이터에 다른 회사에서 사용할 수있는 정보가 포함될 수도 있다는 교훈입니다.

빅 데이터

LinkedIn, 새로운 블로깅 ​​플랫폼 발표

Big OLAP 시대인가?

DataRobot은 데이터 과학의 낮은 매달린 열매를 자동화하는 것을 목표로합니다.

MapR 창업자 존 슈뢰더 (John Schroeder)가 물러났다.