Kio estas Big Data? Kio estas la Avantaĝoj de Grandaj Datumoj?

grandaj datumoj

La promeso de grandaj datumoj estas, ke kompanioj havos multe pli da inteligenteco por fari precizajn decidojn kaj antaŭdirojn pri kiel funkcias ilia komerco. Ni iomete sciu pri Big Data, kio ĝi estas, kaj kial ni uzu ĝin.

Granda Datumo estas Bonega Bando

Ne pri tio ni parolas ĉi tie, sed vi povus aŭskulti bonegan kanton dum vi legas pri Big Data. Mi ne inkluzivas la muzikfilmeton ... ĝi ne estas vere sekura por laboro. PS: Mi scivolas, ĉu ili elektis la nomon por kapti la ondon de populareco, kiun kreskis grandaj datumoj.

Kio estas Grandaj Datumoj?

Granda datumo estas termino uzata por priskribi la kolekton, prilaboradon kaj haveblecon de grandegaj volumoj de fluaj datumoj en reala tempo. La tri V-oj estas volumeno, rapideco kaj diverseco kun kredito al Doug Laney). Kompanioj kombinas merkatadon, vendojn, klientajn datumojn, transagajn datumojn, sociajn konversaciojn kaj eĉ eksterajn datumojn kiel akciaj prezoj, vetero kaj novaĵoj por identigi korelacion kaj kaŭzadon statistike validajn modelojn por helpi ilin fari pli precizajn decidojn.

Kial Granda Datumo Malsamas?

En la malnovaj tagoj ... vi scias ... antaŭ kelkaj jaroj, ni uzus sistemojn por ĉerpi, transformi kaj ŝarĝi datumojn (ETL) en gigantajn datumajn magazenojn, kun solvoj pri komerca inteligenteco konstruitaj por raportado. Periode, ĉiuj sistemoj rezervus kaj kombinus la datumojn en datumbazon, kie raportoj povus esti lanĉitaj kaj ĉiuj povus kompreni tion, kio okazis.

La problemo estis, ke la datumbaza teknologio simple ne povis trakti plurajn kontinuajn fluojn de datumoj. Ĝi ne povis trakti la volumon de datumoj. Ĝi ne povis modifi la alvenantajn datumojn realtempe. Kaj mankis raportaj iloj, kiuj ne povis trakti ion ajn krom rilatan demandon sur la malantaŭa fino. Grandaj Datumoj-solvoj ofertas nuban gastigadon, tre indeksitajn kaj optimumigitajn datumstrukturojn, aŭtomatajn arkivajn kaj ekstraktajn kapablojn, kaj raportaj interfacoj estis desegnitaj por provizi pli precizajn analizojn, kiuj ebligas al entreprenoj fari pli bonajn decidojn.

Pli bonaj komercaj decidoj signifas, ke kompanioj povas redukti la riskon de siaj decidoj, kaj fari pli bonajn decidojn, kiuj reduktas kostojn kaj pliigas merkatan kaj vendan efikecon.

Kio estas la Avantaĝoj de Grandaj Datumoj?

Komputila promenas tra la riskoj kaj ŝancoj asociitaj kun ekspluatado de grandaj datumoj en kompanioj.

  • Granda Datumo estas Ĝustatempa - 60% de ĉiu labortago, sciaj laboristoj elspezas provojn trovi kaj administri datumojn.
  • Granda Datumo Alireblas - La duono de altrangaj oficistoj raportas, ke malfacile estas aliri la ĝustajn datumojn.
  • Granda Datumo estas Holisma - Informoj nuntempe konserviĝas en siloj ene de la organizo. Merkatumaj datumoj, ekzemple, troveblas en retejo analytics, poŝtelefono analytics, socia analytics, CRM-oj, A / B-Testaj iloj, retpoŝtaj merkataj sistemoj, kaj pli ... ĉiu kun fokuso sur sia silo.
  • Granda Datumo estas Fidinda - 29% de kompanioj mezuras la monan koston de malbona kvalito de datumoj. Aferoj tiel simplaj kiel kontroli plurajn sistemojn por ĝisdatigoj de klientaj kontaktinformoj povas ŝpari milionojn da dolaroj.
  • Granda Datumo Gravas - 43% de kompanioj malkontentas pri sia ilo kapablo filtri sensignivajn datumojn. Io tiel simpla kiel filtri klientojn de via retejo analytics povas doni multajn informojn pri viaj akiraj klopodoj.
  • Granda Datumo estas Sekura - La averaĝa sekureco de datumoj kostas $ 214 po kliento. La sekuraj infrastrukturoj konstruataj de grandaj datumaj gastigantaj kaj teknologiaj partneroj povas ŝpari al la averaĝa kompanio 1.6% de jaraj enspezoj.
  • Big Data estas Aŭtoritata - 80% de organizoj luktas kun multaj versioj de la vero depende de la fonto de siaj datumoj. Kombinante multoblajn kontrolitajn fontojn, pli da kompanioj povas produkti tre precizajn informajn fontojn.
  • Granda Datumo estas Agebla - Malmodernaj aŭ malbonaj datumoj rezultigas 46% de kompanioj farantaj malbonajn decidojn, kiuj povas kosti miliardojn.

Tendencoj pri Big Data kaj Analytics 2017

2017 estos unika kaj tre ekscita jaro por la komerco de te inniko multmaniere. Entreprenoj strebos ekvilibrigi skalon kaj atenton al unuopaj klientoj sen kompromiti pri la funkcia rigoro. Ketan Pandit, Aureus Insights

Jen kie vi vidos uzitajn grandajn datumojn:

  1. 94% de merkataj profesiuloj diris personigo de klienta sperto estas ege grava
  2. $ 30 milionoj en ĉiujara ŝparado per utiligado datumoj pri sociaj amaskomunikiloj pri asertoj kaj fraŭdo analytics
  3. Ĝis 2020, 66% de bankoj havos blockchain en komerca produktado kaj skale
  4. Organizoj fidos inteligentaj datumoj pli kompare kun grandaj datumoj.
  5. Maŝino-al-homo (M2H) entreprenaj interagoj estos humanigitaj ĝis 85% ĝis 2020
  6. Komercoj investas 300% pli en Artefarita Inteligenteco (AI) en 2017 ol ili faris en 2016
  7. 25% kreskorapideco en la apero de parolado kiel signifa fonto de senstrukturaj datumoj
  8. Rajto Forgesita (R2BF) estos enfokusigita tutmonde sendepende de datuma fonto
  9. La 43% de klientaj servaj teamoj, kiuj ne havas realtempa analitiko daŭre ŝrumpos
  10. Per 2020, la Reala Produktado (AR) merkato atingos $ 90-miliardojn kompare kun la $ 30-miliardo de Virtuala Realaĵo

Tendencoj pri Big Data Analytics 2017

unu komento

  1. 1

Kion vi pensas?

Ĉi tiu retejo uzas Akismeton por redukti spamon. Lernu, kiel via komento datiĝas.