Lielo datu analīze - ieskatu ieviešana darbībā

Šis emuārs ir par Big Data Analytics, tā nozīmi, nozīmi, dažādiem tam nepieciešamajiem rīkiem un visbeidzot par dažādiem domēniem un lietošanas gadījumiem.

Tāpat kā tiek teikts, ka Lielā sprādziena eksplozijas dēļ ir izveidojies viss Visums un mūsu galaktika, tāpat arī tik daudzu tehnoloģiju sasniegumu dēļ arī dati ir eksponenciāli auguši, izraisot Lielo datu sprādzienu. Šie dati nāk no dažādiem avotiem, tiem ir dažādi formāti, tie tiek ģenerēti ar mainīgu ātrumu un var saturēt arī neatbilstības. Tādējādi mēs varam vienkārši nosaukt tādu datu eksploziju kā .Šajā emuārā es izskaidrošu šādas tēmas, lai sniegtu ieskatu par Big Data Analytics:

Kāpēc Big Data Analytics?

Pirms es pārietu, lai pastāstītu jums par to, kas ir Analytics, ļaujiet man pastāstīt puišiem par to, kāpēc tas ir vajadzīgs. Ļaujiet man jums arī atklāt, ka mēs katru dienu izveidojam aptuveni 2,5 kvintiljonus baitus datu! Tāpēc tagad, kad esam uzkrājuši lielos datus, mēs nevaram tos neignorēt, ne arī ļaut tiem palikt dīkstāvē un likt tiem izniekot.





Dažādas organizācijas un sektori visā pasaulē sāka izmantot Big Data Analytics, lai gūtu daudzas priekšrocības. Big Data Analytics sniedz ieskatu, ko daudzi uzņēmumi pārvērš darbībās un gūst milzīgu peļņu, kā arī atklājumus. Es uzskaitīšu četrus šādus iemeslus, kā arī interesantus piemērus.

Pirmais iemesls ir



  1. Gudrākas un efektīvākas organizācijas veidošana
    Ļaujiet man pastāstīt par vienu šādu organizāciju - Ņujorkas Policijas departamentu (NYPD). NYPD lieliski izmanto lielos datus un analīzi, lai atklātu un identificētu noziegumus, pirms tie notiek. Viņi analizē vēsturiskos aresta modeļus un pēc tam tos kartē ar tādiem notikumiem kā federālās brīvdienas, algas dienas, satiksmes plūsmas, nokrišņi utt.Tas viņiem palīdz nekavējoties analizēt informāciju, izmantojot šos datu modeļus. Lielo datu un analīzes stratēģijapalīdzviņi identificē noziegumu vietas, caur kurām viņi izvieto savus virsniekus šajās vietās. Tādējādi, nonākot šajās vietās pirms noziegumu izdarīšanas, tie novērš noziegumu rašanos.

  2. Optimizējiet uzņēmējdarbību, analizējot klientu uzvedību Lielākā daļa organizāciju izmanto klientu uzvedības analīzi, lai nodrošinātu klientu apmierinātību un tādējādi palielinātu klientu bāzi. Labākais piemērs tam ir Amazon. Amazon ir viena no labākajām un visplašāk izmantotajām e-komercijas vietnēm, kuras klientu skaits ir aptuveni 300 miljoni. Viņi izmanto klientu klikšķu plūsmas datus un vēsturiskos pirkuma datus, lai sniegtu viņiem pielāgotus rezultātus pielāgotās tīmekļa lapās. Analizējot katra apmeklētāja klikšķi uz savas vietnes palīdz izprast viņu vietņu navigācijas uzvedību, ceļus, kurus lietotājs veica, lai nopirktu produktu, ceļus, kas lika viņiem pamest vietni, un daudz ko citu. Visa šī informācija palīdz Amazon uzlabot lietotāju pieredzi, tādējādi uzlabojot pārdošanas un mārketinga iespējas.
  3. Izmaksu samazināšana Lielo datu tehnoloģijas un tehnoloģiskie sasniegumi, piemēram, mākoņdatošana, dod ievērojamas izmaksu priekšrocības, kad runa ir par lielo datu glabāšanu un apstrādi. Ļaujiet man pastāstīt, kā veselības aprūpe izmanto Big Data Analytics, lai samazinātu viņu izmaksas. Mūsdienās pacienti, atrodoties mājās vai ārpusē, izmanto jaunas sensoru ierīces, kas sūta pastāvīgas datu plūsmas, kuras var uzraudzīt un analizēt reāllaikā, lai palīdzētu pacientiem izvairīties no hospitalizācijas, pašpārvaldot savus apstākļus.Hospitalizētiem pacientiem ārsti var izmantot prognozēšanas analīzi, lai optimizētu rezultātus un samazinātu atpakaļuzņemšanu.Pārklendas slimnīca izmanto analīzi un prognozēšanas modelēšanu, lai identificētu augsta riska pacientus un prognozētu iespējamos rezultātus, kad pacienti tiek nosūtīti uz mājām. Rezultātā Parkland samazināja 30 dienu atpakaļuzņemšanu pacientiem ar sirds mazspēju par 31%, gadā ietaupot 500 000 USD.

Jaunās paaudzes produkti

Ar spēju novērtēt klientu vajadzības un apmierinātību, izmantojot analīzi, tiek dota iespēja dot klientiem to, ko viņi vēlas. Es šeit esmu atradis trīs šādus interesantus produktus. Pirmkārt , Googlepašbraucoša automašīnakas katrā braucienā veic miljoniem aprēķinu, kas palīdz automašīnai izlemt, kad un kur pagriezties, vai palēnināt ātrumu, vai paātrināt ātrumu un kad mainīt joslu - tie paši lēmumi, kurus pie stūres pieņem cilvēka vadītājs.

The otrais viens irNetflix, kas divas sezonas veltīja savu ārkārtīgi populāro šovu House of Cards, pilnībā uzticoties Big Data Analytics! Pagājušajā gadā Netflix palielināja savu ASV abonentu bāzi par 10% un pievienoja gandrīz 20 miljonus abonentu no visas pasaules.



The trešais piemērs ir viena no patiešām foršajām jaunajām lietām, ar kuru esmu saskāries, ir viedais jogas paklājs. Pirmo reizi lietojot viedo paklāju, jūs varēsiet veikt virkni kustību, lai kalibrētu ķermeņa formu, izmēru un personiskos ierobežojumus. Šī personiskā profila informācija tiek saglabāta jūsu lietotnē Smart Mat, un tā palīdzēs viedajam matam noteikt, kad neesat līdzsvarojis vai līdzsvarots. Laika gaitā tas automātiski attīstīsies ar atjauninātiem datiem, uzlabojot jogas praksi.

Kas ir lielo datu analīze?

Tagad oficiāli definēsim “Kas ir lielo datu analīze?” Lielo datu analīze pārbauda lielus un dažāda veida datus, lai atklātu slēptos modeļus, korelācijas un citas atziņas. Būtībā lielo datu analīzi uzņēmumi lielākoties izmanto, lai veicinātu izaugsmi un attīstību. Tas galvenokārt ietver dažādu datu ieguves algoritmu piemērošanu dotajam datu kopumam, kas pēc tam palīdzēs viņiem labāk pieņemt lēmumus.

Big Data Analytics posmi

Šie ir šādi lielo datu analīzes procesa posmi:

Lielo datu analīzes veidi

Ir četri veidi:

  1. Aprakstošā analīze: Tas izmanto datu apkopošanu un datu ieguvi, lai sniegtu ieskatu pagātnē un atbildētu: 'Kas ir noticis?' Aprakstošā analīze veic tieši to, ko norāda nosaukums, viņi “apraksta” vai apkopo neapstrādātus datus un padara tos interpretējamus cilvēkiem.
  2. Paredzamā analīze: Tas izmanto statistikas modeļus un prognožu paņēmienus, lai saprastu nākotni un atbildētu: 'Kas varētu notikt?' Paredzamā analīze uzņēmumiem sniedz praktiskas ieskatus, pamatojoties uz datiem. Tas sniedz aplēses par nākotnes iznākuma iespējamību.
  3. Recepšu analīze: Tas izmanto optimizācijas un simulācijas algoritmus, lai sniegtu padomus par iespējamiem rezultātiem un atbildēm: “Kas mums jādara?” Tas ļauj lietotājiem “izrakstīt” dažādas iespējamās darbības un virzīt viņus uz risinājumu. Īsumā šis analītikas mērķis ir sniegt konsultācijas.
  4. Diagnostikas analīze: To izmanto, lai noteiktu, kāpēc kaut kas notika agrāk. To raksturo tādas metodes kā izpēte, datu atklāšana, datu ieguve un korelācijas. Diagnostikas analīzē dziļāk tiek apskatīti dati, lai izprastu notikumu pamatcēloņus.

Lielie dati Rīki

Šie ir daži no šiem rīkiem, kas izmantoti lielo datu analīzē: Hadoops , , Apache HBase , Apache Spark , , , Apache strops , Kafka .

Lielo datu domēni

  • Veselības aprūpe: Veselības aprūpe izmanto lielo datu analīzi, lai samazinātu izmaksas, prognozētu epidēmijas, izvairītos no novēršamām slimībām un uzlabotu dzīves kvalitāti kopumā. Viens no visizplatītākajiemLielo datu pielietojums veselības aprūpē ir elektroniskais veselības reģistrs (EHR).
  • Telekomunikācijas: Viņi ir viens no nozīmīgākajiem Big Data ieguldītājiem. Telekomunikāciju nozare uzlabo pakalpojumu kvalitāti unefektīvāk novirza satiksmi. Reāllaikā analizējot zvanu datu ierakstus, šie uzņēmumi var identificēt krāpniecisku rīcību un nekavējoties rīkoties pēc tās. Mārketinga nodaļa var pārveidot savas kampaņas, lai labāk mērķētu klientus, un izmantot iegūtās atziņas jaunu produktu un pakalpojumu izstrādei.
  • Apdrošināšana: Šie uzņēmumi izmanto lielo datu analīzi riska novērtēšanai, krāpšanas atklāšanai, mārketingam, klientu ieskatiem, klientu pieredzei un daudz ko citu.
  • Valdība: Indijas valdība izmantoja lielo datu analīzi, lai iegūtu aplēsi par tirdzniecību valstī. Viņi izmantoja Centrālās tirdzniecības nodokļa rēķinus, lai analizētu, kādā mērā valstis savstarpēji tirgojas.
  • Finanses: Bankas un finanšu pakalpojumu firmas izmanto analīzi, lai atšķirtu krāpniecisku mijiedarbību no likumīgiem uzņēmējdarbības darījumiem. Analīzes sistēmas iesaka veikt tūlītējas darbības, piemēram, bloķēt neregulārus darījumus, kas aptur krāpšanu pirms tās rašanās un uzlabo rentabilitāti.
  • Automašīna: Rolls Royce, kurš ir pieņēmis Big Data, savos dzinējos un piedziņas sistēmās ievietojot simtiem sensoru, kas reģistrē katru sīkāko informāciju par to darbību. Par izmaiņām reāllaikā ziņo inženieriem, kuri izlems labāko rīcību, piemēram, apkopes plānošanu vai inženieru komandu nosūtīšanu.
  • Izglītība: Šis ir viens lauks, kurā lielo datu analīze tiek absorbēta lēnām un pakāpeniski.Izvēloties lielo datu tehnoloģiju, kas ir mācību līdzeklis, nevis tradicionālās lekciju metodes, uzlabojās studentu mācīšanās, kā arī palīdzēja pasniedzējiem labāk izsekot viņu sniegumam.
  • Mazumtirdzniecība: Mazumtirdzniecība, tostarp e-komercija un veikali, biznesa optimizēšanai plaši izmanto Big Data Analytics. Piemēram, Amazon, Walmart utt.

Lielo datu izmantošanas gadījumi

Pirmais lietošanas gadījums, ko esmu šeit lietojis, ir Starbucks.

Otrais lietošanas gadījums, kuru es vēlos dalīties ar jums, ir Procter & Gamble.

Lielo datu analīzes tendences

Zemāk redzamais attēls attēlo Big Data tirgus ieņēmumi iekšāmiljardsASV dolāru no 2011. līdz 2027. gadam.

Te ir daži Forbes fakti un statistika :

Karjeras izredzes lielo datu analīzē:

  • Algu aspekti: Analītisko darbu vidējā alga ir aptuveni 94 167 USD. Data Scientist ir nosaukta par labāko darbu Amerikā trīs gadus pēc kārtas, un vidējā pamatalga ir 110 000 USD un 4524 darba piedāvājumi. Indijā to analītisko profesionāļu procentuālais daudzums, kuri pavada algas mazāk nekā INR 10 Lakhs, ir samazinājies no analītiķu profesionāļiem, kuri nopelna vairāk nekā INR 15 Lakhs, no 17% 2016. gadā līdz divdesmitviens% 2017. gadā līdz 22,3% 2018. gadā.
  • Milzīgas darba iespējas: Tādi uzņēmumi kā Google, Apple, IBM, Adobe, Qualcomm un daudzi citi algo Big Data Analytics profesionāļus.

Skillset

Šīs ir dažas prasmes, kas nepieciešamas atkarībā no lomas lielo datu analīzes jomā:

  • Pamata programmēšana: Jābūt zināšanām par vismaz dažām vispārējas nozīmes programmēšanas valodām, piemēram, Java un Python.
  • Statistiskā un kvantitatīvā analīze: Ideja par statistiku un kvantitatīvo analīzi ir ideāla.
  • Datu uzglabāšana: Nepieciešamas zināšanas par SQL un NoSQL datu bāzēm.
  • Datu vizualizācija: Ir ļoti svarīgi zināt, kā vizualizēt datus, lai varētu izprast ieskatus un tos pielietot darbībā.
  • Īpašas biznesa zināšanas: Lai optimizētu savu darbību, noteikti jāzina bizness, kurā viņi izmanto analīzi.
  • Skaitļošanas sistēmas: Vēlams, lai būtu jāzina vismaz viens vai divi rīki, kas nepieciešami lielo datu analīzei.

Tagad, kad jūs zināt Big Data Analytics, pārbaudiet Autors: Edureka, uzticams tiešsaistes mācību uzņēmums ar vairāk nekā 250 000 apmierinātu izglītojamo tīklu visā pasaulē. Edureka Big Data Hadoop sertifikācijas apmācības kurss palīdz izglītojamajiem kļūt par HDFS, dzijas, MapReduce, Pig, Hive, HBase, Oozie, Flume un Sqoop ekspertiem, izmantojot reāllaika lietošanas gadījumus mazumtirdzniecības, sociālo mediju, aviācijas, tūrisma, finanšu jomā.

t sql datuma datu tips

Vai mums ir jautājums? Lūdzu, pieminējiet to komentāru sadaļā, un mēs ar jums sazināsimies.