Coursera Learner working on a presentation with Coursera logo and
Coursera Learner working on a presentation with Coursera logo and

Analityka dużych danych polega na wykorzystaniu zaawansowanych technik analitycznych w odniesieniu do bardzo dużych, różnorodnych zbiorów danych, które obejmują dane strukturalne, półstrukturalne i niestrukturalne, pochodzące z różnych źródeł, o różnej wielkości od terabajtów do zetabajtów.

Duże dane to termin stosowany do zestawów danych, których wielkość lub rodzaj jest przekazywany przez zdolność zwyczajowych społecznych baz danych do wychwytywania, nadzorowania i przetwarzania informacji z małą inercją. Ogromna ilość informacji ma co najmniej jedną z towarzyszących cech: duża objętość, duża prędkość lub duży asortyment. Rozumowanie komputerowe (inteligencja symulowana), przenośne, społeczne i internet przedmiotów (Internet przedmiotów) prowadzą do zawiłości informacji poprzez nowe struktury i źródła informacji. Na przykład, duże dane pochodzą z czujników, gadżetów, wideo/dźwięków, systemów, zapisów dzienników, aplikacji opartych na wartościach, sieci i Internetu – całkiem sporo z nich powstaje w sposób ciągły i na ogromną skalę.

Badanie ogromnej ilości informacji pozwala ekspertom, specjalistom i klientom biznesowym na lepsze i szybsze dokonywanie wyborów z wykorzystaniem informacji, które zostały już zablokowane lub nie nadają się do wykorzystania. Organizacje mogą korzystać z zaawansowanych metod badawczych, na przykład badania zawartości, SI, analizy prognostycznej, eksploracji danych, pomiarów i normalnego języka, przygotowując się do zwiększenia nowych doświadczeń z wcześniej nieodkrytych źródeł informacji samodzielnie lub w połączeniu z istniejącymi informacjami dotyczącymi przedsiębiorstwa.

Przypadki użycia do analizy dużych danych

Usprawnienie procesu włączania klientów

Całkowicie zorganizowane, pół-i nieustrukturyzowane informacje pochodzące z kontaktu z klientem koncentrują się na organizacji, aby zwiększyć perspektywę 360 stopni na zachowanie klienta i inspiracje do poprawy reklamy dostosowanej do jego potrzeb. Źródła informacji mogą zawierać informacje o życiu w sieci, czujniki, telefony komórkowe, informacje o założeniach i dzienniku połączeń.

Wykrywanie i ograniczanie nadużyć finansowych

Ciągła wymiana informacji, proaktywne postrzeganie tych dziwnych przykładów i praktyk demonstrujących fałszywy ruch. Wykorzystanie intensywności ogromnych informacji wraz z badaniem normatywnym i korelacją sprawdzalnych i opartych na wartościach informacji pomaga organizacjom w przewidywaniu i łagodzeniu wymuszeń.

Efektywność łańcucha dostaw napędów

Zbieraj i badaj ogromne ilości informacji, aby zdecydować, w jaki sposób przedmioty docierają do celu, rozpoznając aspekty marnotrawstwa i gdzie można zaoszczędzić wydatki i czas. Czujniki, dzienniki i informacje oparte na wartościach mogą pomóc w śledzeniu podstawowych danych z magazynu do celu.