Pelin muuttaminen suurten tietojen käyttötapauksissa



Big Data voi puuttua suurten organisaatioiden kohtaamiin vaikeuksiin. Seuraavassa on arvokkaita Big Data -käyttötietoja, joita käytetään heidän kohtaamiensa ongelmien ratkaisemiseen.

'

Big Data voi puuttua suurten organisaatioiden kohtaamiin vaikeuksiin. Seuraavassa on arvokkaita Big Data -käyttötapauksia, joita voidaan käyttää heidän kohtaamiensa ongelmien ratkaisemiseen.





Suurten tietojen etsintä

Big Data -tutkimus käsittelee haasteita, kuten eri järjestelmiin tallennettu tieto ja pääsy näihin tietoihin päivittäisten tehtävien suorittamiseksi, joita suuret organisaatiot kohtaavat. Big Data -etsinnän avulla voit analysoida tietoja ja saada niistä arvokasta oivallusta.



Parannetut 360- ja ordm-asiakasnäkymät

Nykyisten asiakasnäkymien parantaminen auttaa saamaan täydellisen käsityksen asiakkaista ja käsittelemään kysymyksiä, kuten miksi he ostavat, miten he haluavat tehdä ostoksia, miksi he muuttavat, mitä he seuraavat seuraavaksi ja mitkä ominaisuudet saavat heidät suosittelemaan yritystä muille.

Tietoturva- / tiedustelulaajennus



Tietoturvan ja älykkyyden analysointialustojen parantaminen Big Data -tekniikoilla sosiaalisen median, sähköpostien, antureiden ja Telcon uusien tyyppien käsittelemiseksi ja analysoimiseksi, riskien vähentämiseksi, petosten havaitsemiseksi ja kyberturvallisuuden seuraamiseksi reaaliajassa älykkyyden, tietoturvan ja lainvalvonnan oivallusten parantamiseksi .

Operaatioanalyysi

Operointianalyysi on Big Data -tekniikoiden käyttäminen, jotta uuden sukupolven sovellukset, jotka analysoivat suuria määriä monirakenteisia, kuten kone- ja operatiivisia tietoja, parantavat liiketoimintaa. Nämä tiedot voivat sisältää mitä tahansa IT-koneista antureihin ja mittareihin, ja GPS-laitteet vaativat monimutkaisen analyysin ja korrelaation erityyppisissä tietojoukoissa.

Tietovaraston modernisointi

java mitä liitteet tekevät

Big Data on integroitava tietovaraston ominaisuuksiin toiminnan tehokkuuden lisäämiseksi. Harvoin käytetyistä tai vanhoista tiedoista varasto- ja sovellustietokannoista voidaan päästä eroon tietojen integrointiohjelmistoilla ja -työkaluilla.

Yritykset ja niiden Big Data -sovellukset:

Guangdongin matkapuhelimet:

Kiinassa suosittu mobiiliryhmä Guangdong käyttää Hadoopia poistaakseen tiedonsiirron pullonkaulat ja paljastaakseen asiakkaiden käyttötavan tarkoille ja kohdennetuille markkinointikampanjoille ja Hadoop HBase: lla tietotaulukoiden automaattiseen jakamiseen solmujen välillä tietojen tallennuksen laajentamiseksi.

Red Sox:

World Series -mestarit kohtaavat valtavia määriä peliin liittyviä jäsenneltyjä ja jäsentämättömiä tietoja, kuten sää, vastustajajoukkue ja pelia edeltävät kampanjat. Big Data antaa heille mahdollisuuden antaa ennusteita pelistä ja kuinka jakaa resursseja tulevan pelin odotettujen vaihtelujen perusteella.

Nokia:

Big Data on auttanut Nokiaa hyödyntämään tietojaan ymmärtämään ja parantamaan käyttäjien kokemuksia tuotteistaan. Yritys hyödyntää tietojenkäsittelyä ja monimutkaisia ​​analyyseja karttojen rakentamiseksi ennakoivaa liikennettä ja kerrostettuja korkeusmalleja käyttäen. Nokia käyttää Clouderan Hadoop-alustaa ja Hadoop-komponentteja, kuten HBase, HDFS, Sqoop ja Scribe, yllä mainittuun sovellukseen.

Huawei:

Huawei OceanStor N8000-Hadoop Big Data -ratkaisu on kehitetty edistyneen klusteroidun arkkitehtuurin ja yritystason tallennuskapasiteetin perusteella ja integroimalla se Hadoop-tietokonekehykseen. Tämä innovatiivinen yhdistelmä auttaa yrityksiä saamaan reaaliaikaisen analyysin ja käsittelyn tulokset kattavasta tietojen laskemisesta ja analysoinnista, parantaa päätöksentekoa ja tehokkuutta, helpottaa hallintaa ja alentaa verkkokustannuksia.

SAS:

SAS on yhdessä Hadoopin kanssa auttanut datatieteilijöitä muuntamaan Big Data suuremmiksi oivalluksiksi. Tämän seurauksena SAS on keksinyt ympäristön, joka tarjoaa visuaalisen ja vuorovaikutteisen kokemuksen, mikä helpottaa oivallusten saamista ja uusien suuntausten tutkimista. Tehokkaat analyyttiset algoritmit poimivat datasta arvokkaita oivalluksia, kun taas muistin sisäinen tekniikka mahdollistaa nopeamman pääsyn tietoihin.

CERN:

Big Data on tärkeä osa CERNissä, joka on suuren Hadron Supercolliderin koti, koska se kerää uskomattoman määrän tietoa 40 miljoonasta kuvastaan ​​sekunnissa 100 megapikselin kameroistaan, mikä tuottaa 1 petatavun dataa sekunnissa. Näiden kameroiden tiedot on analysoitava. Laboratorio kokeilee tapoja sijoittaa enemmän tietoja kokeistaan ​​sekä relaatiotietokantoihin että tietovarastoihin, jotka perustuvat NoSQL-tekniikoihin, kuten Hadoop ja Dynamo Amazonin S3: n pilvivarastopalveluun.

Buzzdata:

Buzzdata työskentelee Big Data -projektissa, jossa sen on yhdistettävä kaikki lähteet ja integroitava ne turvalliseen paikkaan. Tämä luo toimittajille hyvän paikan yhdistää ja normalisoida julkisia tietoja.

Puolustusministeriö:

Puolustusministeriö (DoD) on investoinut noin 250 miljoonaa dollaria valtavan määrän tietojen hyödyntämiseen ja hyödyntämiseen sellaisen järjestelmän luomiseksi, joka voi tehdä valvonnan ja tehdä itsenäisiä päätöksiä ja auttaa analyytikkoja tukemaan toimintaa. Osastolla on suunnitelmia lisätä analyyttisiä kykyjään 100-kertaiseksi, poimia tietoja kaikilla kielillä kirjoitetuista teksteistä ja vastaava lisäys esineiden, toimintojen ja tapahtumien määrään, joita analyytikot voivat analysoida.

Defense Advanced Research Projects Agency (DARPA):

DARPA aikoo investoida noin 25 miljoonaa dollaria laskentatekniikoiden ja ohjelmistotyökalujen parantamiseen, jotta voidaan analysoida suuria määriä puolirakenteisia ja jäsentämättömiä tietoja.

Kansalliset terveyslaitokset:

1000 genomiprojektissa olevalla 200 teratavun tietomäärällä se on asetettu erinomaiseksi esimerkkinä suurista tiedoista. Aineistot ovat niin massiivisia, että vain harvoilla tutkijoilla on laskentatehoa tietojen analysointiin.

Big Data -sovellusesimerkkejä eri toimialoilla:

Jälleenmyyjä / kuluttaja:

  • Markkinakorin analyysi ja hinnoittelun optimointi
  • Kauppa ja markkina-analyysi
  • Toimitusketjun hallinta ja analytiikka
  • Käyttäytymiseen perustuva kohdistaminen
  • Markkina- ja kuluttajasegmentit

Rahoitus- ja petospalvelut:

  • Asiakassegmentointi
  • Vaatimustenmukaisuus ja sääntelyraportti
  • Riskianalyysi ja hallinta.
  • Petosten havaitseminen ja tietoturva-analytiikka
  • Sairausvakuutuspetos
  • CRM
  • Luottoriski, pisteytys ja analyysi
  • Kaupan valvonta ja epänormaali kaupankäynnin analyysi

Terveys- ja biotieteet:

  • Kliinisten tutkimusten tietojen analysointi
  • Taudimallien analyysi
  • Potilaan hoidon laadun analyysi
  • Lääkekehitysanalyysi

Televiestintä:

  • Hintojen optimointi
  • Asiakkaan kuorinnan esto
  • Puhelun yksityiskohdatietueen (CDR) analyysi
  • Verkon suorituskyky ja optimointi
  • Mobiilikäyttäjän sijaintianalyysi

Yritystietovarasto:

  • Paranna EDW: tä purkamalla käsittely ja tallennus
  • Esikäsittelykeskus ennen pääsyä EDW: lle

Pelaaminen:

  • Käyttäytymisanalyysi

Korkeateknologia:

def __init __ (itse):
  • Optimoi kanavan muunnos
  • Ennakoiva tuki
  • Ennusta turvallisuusuhat
  • Device Analytics

Aiheeseen liittyvät julkaisut:

Ura etu Hadoop-sertifikaatin kautta .

Hadoopin ja MongoDB: n kasvava suosio.

Kuinka välttämätöntä Hadoop-koulutus on?

Hadoop 2.0: n usein kysytyt kysymykset.