BIG DATA - jak się do nich dobrać?
- Józef Muszyński,
- 21.01.2013
Rozwijanie analityki biznesowej
Z Big Data związane są dzisiaj główne kierunki rozwoju analityki biznesowej. Obejmują one:
• możliwość wykorzystywania danych zarówno strukturalizowanych, jak niestrukturalizowanych, oraz wizualizacja tych danych w jednym logicznym zestawie informacji;
• tworzenie tymczasowej struktury na czas analizy zapewniającej elastyczność w łączeniu danych strukturalizowanych i niestrukturalizowanych;
Zobacz również:
- IDC CIO Summit – potencjał drzemiący w algorytmach
- Kwanty od OVHCloud dla edukacji
- Inteligentna chmura danych
• wykorzystanie danych bieżących lub bliskich bieżącym, co pozwala aplikacjom krytycznym, procesom biznesowym i użytkownikom na dostęp do aktualnych informacji;
• dostęp do zewnętrznych źródeł danych w chmurze umożliwiające dodanie danych spoza przedsiębiorstwa w celu wzbogacenia procesu analizy danych;
• dołączenie analityki do procesów biznesowych i aplikacji, umożliwiając w ten sposób automatyczne radzenie sobie z problemami biznesowymi bez interwencji ludzkiej.
Cechy wyróżniające ideę Big Data wyrażają się w czterech V: Volume (ilość danych), Variety (różnorodność danych) - połączenie wielu typów danych: strukturalizowanych i niestrukturalizowanych, wewnętrznych i zewnętrznych, historycznych i aktualnych; Velocity (szybkość analizy danych) - właściwa informacja dostarczona we właściwym czasie i z właściwym poziomem dokładności; Value -wartość, jaka może być uzyskać z połączenia pozostałych V.
Analityka Big Data pozwala na lepszy wgląd w stan procesów biznesowych dzięki integrowaniu olbrzymich ilości danych - o odmiennej złożoności, formatach i czasie powstania - w jedne, strukturalizowane dane wyjściowe. Tekst, głos, dane strumieniowe i niestrukturalizowane - połączone w jednej strukturze - pozwalają na powiązanie różnych aspektów informacji w modelach analizy dynamicznej. Modele te obsługują wielowymiarowe macierze danych i mogą być wykorzystane z tradycyjną analityką.
Narzędzia analityki biznesowej ewoluują w kierunku wsparcia takiego podejścia do analiz - zapewniają lepsze możliwości wizualizacji, wykorzystując informacje uzyskiwane w czasie bliskim rzeczywistemu i rozszerzając zakres analizowanych danych.
Sięganie do chmur
Jedną z najbardziej obiecujących cech Big Data jest włączenie do analizy źródeł danych powiązanych z biznesem, które nie są jednak gromadzone i przechowywane przez sam biznes. Najprostszym przykładem może być wymieszanie dostępnych wewnętrznie informacji o trendach sprzedaży z danymi o głównych trendach zainteresowań na portalach społecznościowych. Wykorzystanie chmury pomaga rozwiązać problem skalowalności Big Data - zarówno w obszarze pamięci masowej jak i możliwości przetwarzania.
Treści społecznościowe są najszybciej rozwijającą się kategorią nowych danych w przedsiębiorstwie. Gartner definiuje zawartość społecznościową jako niestrukturalizowane dane tworzone, edytowane i publikowane na korporacyjnych blogach oraz platformach komunikacji i współdziałania, a także na platformach komercyjnych jak Facebook, Linkedln, Twitter itp. Pojawiły się już firmy specjalizujące się w dostarczaniu tych danych na żądanie - do użycia w analizach biznesowych przedsiębiorstwa. Są to m.in. dostawcy usług cloud computing typu IaaS czy PaaS.