'
Большие данные могут помочь справиться с различными трудностями, с которыми сталкиваются крупные организации. Ниже приведены важные примеры использования больших данных, которые можно использовать для решения проблем, с которыми они сталкиваются.
Исследование больших данных
Исследование больших данных связано с такими проблемами, как информация, хранящаяся в разных системах, и доступ к этим данным для выполнения повседневных задач, с которыми сталкивается крупная организация. Исследование больших данных позволяет анализировать данные и извлекать из них ценную информацию.
Улучшенные панорамные и обычные обзоры клиентов
Улучшение существующих представлений клиентов помогает получить полное представление о клиентах, отвечая на такие вопросы, как почему они покупают, как они предпочитают делать покупки, почему они меняют, что они купят дальше и какие функции заставляют их рекомендовать компанию другим.
Расширение безопасности / разведки
Улучшение платформ анализа кибербезопасности и разведки с помощью технологий больших данных для обработки и анализа новых типов из социальных сетей, электронной почты, датчиков и телекоммуникационных компаний, снижения рисков, обнаружения мошенничества и мониторинга кибербезопасности в режиме реального времени, чтобы значительно улучшить аналитику, безопасность и понимание правоохранительных органов .
Анализ операций
Операционный анализ - это использование технологий больших данных для создания приложений нового поколения, которые анализируют большие объемы разнородных данных, таких как машинные и операционные данные, для улучшения бизнеса. Эти данные могут включать в себя все, что угодно, от ИТ-машин до датчиков и счетчиков, а для устройств GPS требуется сложный анализ и корреляция между различными типами наборов данных.
Модернизация хранилища данных
различия между хэш-картой и хеш-таблицей
Большие данные необходимо интегрировать с возможностями хранилищ данных для повышения операционной эффективности. Избавиться от редко используемых или старых данных из хранилищ и баз данных приложений можно с помощью программного обеспечения и инструментов интеграции информации.
Компании и их приложения для больших данных:
Мобильные телефоны Гуандун:
Популярная мобильная группа в Китае, Guangdong использует Hadoop для устранения узких мест в доступе к данным и выявления шаблонов использования клиентами для точных и целенаправленных рыночных продвижений и Hadoop HBase для автоматического разделения таблиц данных между узлами для расширения хранилища данных.
Red Sox:
Чемпионы World Series сталкиваются с огромными объемами структурированных и неструктурированных данных, связанных с игрой, например, о погоде, команде соперника и предигровых промоушенах. Большие данные позволяют им делать прогнозы об игре и о том, как распределять ресурсы на основе ожидаемых изменений в предстоящей игре.
Nokia:
Большие данные помогли Nokia эффективно использовать свои данные, чтобы понимать и повышать качество обслуживания пользователей их продуктов. Компания использует обработку данных и комплексный анализ для построения карт с прогнозируемым движением и многоуровневыми моделями высот. Nokia использует платформу Cloudera Hadoop и компоненты Hadoop, такие как HBase, HDFS, Sqoop и Scribe для вышеуказанного приложения.
Huawei:
Решение Huawei OceanStor N8000-Hadoop для больших данных разработано на основе передовой кластерной архитектуры и возможностей хранения корпоративного уровня и интеграции его с вычислительной средой Hadoop. Эта инновационная комбинация помогает предприятиям получать результаты анализа и обработки в режиме реального времени в результате исчерпывающих вычислений и анализа данных, улучшает процесс принятия решений и повышает эффективность, упрощает управление и снижает стоимость сети.
SAS:
SAS объединился с Hadoop, чтобы помочь специалистам по обработке данных преобразовать большие данные в более глубокие идеи. В результате SAS разработала среду, которая обеспечивает визуальный и интерактивный опыт, упрощая получение аналитических сведений и изучение новых тенденций. Мощные аналитические алгоритмы извлекают ценную информацию из данных, в то время как технология в памяти обеспечивает более быстрый доступ к данным.
ЦЕРН:
Большие данные играют жизненно важную роль в ЦЕРН, где находится большой адронный суперколлайдер, поскольку он собирает невероятный объем данных со своих 40 миллионов изображений в секунду со своих 100-мегапиксельных камер, которые выдают 1 петабайт данных в секунду. Данные с этих камер необходимо проанализировать. Лаборатория экспериментирует с способами размещения большего количества данных из своих экспериментов как в реляционных базах данных, так и в хранилищах данных на основе технологий NoSQL, таких как Hadoop и Dynamo, в облачном хранилище Amazon S3.
Buzzdata:
Buzzdata работает над проектом по большим данным, в котором необходимо объединить все источники и интегрировать их в безопасном месте. Это создает отличную возможность для журналистов подключать и нормализовать общедоступные данные.
Министерство обороны:
Министерство обороны (DoD) инвестировало около 250 миллионов долларов в сбор и использование колоссального объема данных для создания системы, которая может контролировать и принимать автономные решения, а также помогать аналитикам в обеспечении поддержки операций. У отдела есть планы увеличить их аналитические способности в 100 раз, извлекать информацию из текстов на любом языке и эквивалентное увеличение количества объектов, действий и событий, которые могут анализировать аналитики.
Агентство перспективных оборонных исследовательских проектов (DARPA):
DARPA намеревается инвестировать около 25 миллионов долларов в совершенствование вычислительных методов и программных инструментов для анализа больших объемов полуструктурированных и неструктурированных данных.
Национальные институты здоровья:
В 200 терабайтах данных, содержащихся в проекте 1000 Genomes, все это готово стать ярким примером больших данных. Наборы данных настолько огромны, что очень немногие исследователи обладают вычислительными возможностями для анализа данных.
Примеры применения больших данных в различных отраслях:
Розничная торговля / Потребитель:
- Анализ рыночной корзины и оптимизация цен
- Мерчандайзинг и анализ рынка
- Управление цепочкой поставок и аналитика
- Таргетинг на основе поведения
- Рыночная и потребительская сегментация
Финансы и услуги по борьбе с мошенничеством:
- Сегментация клиентов
- Соответствие и нормативная отчетность
- Анализ и управление рисками.
- Обнаружение мошенничества и аналитика безопасности
- Мошенничество с медицинским страхованием
- CRM
- Кредитный риск, скоринг и анализ
- Наблюдение за торговлей и анализ аномальных торговых моделей
Здоровье и науки о жизни:
- Анализ данных клинических испытаний
- Анализ паттернов заболевания
- Анализ качества ухода за пациентами
- Анализ разработки лекарств
Телекоммуникации:
- Оптимизация цен
- Предотвращение оттока клиентов
- Анализ детальной записи звонков (CDR)
- Производительность и оптимизация сети
- Анализ местоположения мобильных пользователей
Корпоративное хранилище данных:
- Улучшение EDW за счет разгрузки обработки и хранения
- Центр предварительной обработки перед тем, как попасть в EDW
Игры:
- Поведенческая аналитика
Высокие технологии:
изменчивый и неизменный в Java
- Оптимизировать конверсию воронки
- Прогностическая поддержка
- Прогнозирование угроз безопасности
- Аналитика устройств
Похожие сообщения:
Карьерный рост благодаря сертификации Hadoop .
Растущая популярность Hadoop и MongoDB.