大数据:定义,价值,进化,利益和背景

什么是大数据?如何使用大数据以及为什么大数据对于vwin中国 今天的数据驱动业务中,可操作数据和分析最为重要,主要是非结构化数据在大量的用例中,业务流程,商业职能和行业?

大数据在某种程度上就是“所有数据”(在组织及其生态系统的背景下)。现在有很多数据。我们可以利用的数据量令人眼花缭乱,看看数字数据世界的增长率,它只会让你头晕。

大小,多样性,大数据的应用正以接近指数的速度加速 (夸布尔)

vwin免佣百家乐 (物联网)而数字化徳赢真人娱乐转型对所有垂直领域都产生了影响,其速度甚至更快。更重要的是:数据已经成为一个商业资产难以置信。所以,最好好好对待它。

原来,大数据主要是指数据集的大小和复杂性。以及不同形式的加工,对那些更大、更复杂的数据集进行分析等,以释放它们的价值。大多数人习惯于从纯量和多样性的角度来看:更多的数据,更多类型的数据,更多的数据源和更多样的数据形式。但这样的数据毫无意义,体积也是如此。真正重要的是意义,可操作数据,可操作信息,可操作情报,一个目标和……实现目标并从数据转移到决策和……行动,多亏了大数据分析 (BDA)而且,不然怎么可能呢?人工智能

大数据本质指南。

大数据

大数据:从量到量,但主要是价值

如果你意识到有多少数据,很容易理解为什么我们对数量和多样性着迷(数字一直在变化,它确实是指数级的)在很多方面,它的格式和形状,来自各种渠道。

掌握大数据和快速数据可以帮助组织感知其市场和客户群的变化,然后再做点什么。

考虑一下网上的数据,事务日志,社会数据和从大量数字化文件中提取的数据。考虑几种其他类型的非结构化数据,如电子邮件和文本消息,跨多个应用程序生成的数据ERP,客户关系管理,供应链管理系统,供应商和业务流程系统范围最广的产品,垂直应用,如建筑管理系统,等),地理位置数据,越来越多地,来自物联网领域的传感器和其他数据生成设备和组件的数据,主要是其工业变体,工业物联网 (对于欧洲人来说徳赢中国 ,非常数据密集的框架)

不管你何时读到这篇文章:如果你认为外面的数据量和组织的生态系统中的数据量都将放缓,再想一想。你可以想象有多大的数据和物联网,除了人工智能,为了弄清楚所有的数据,只是开始看到他们的巨大影响,事实上,对于大多数技术和应用,是否关心数字孪生预测性维护甚至是物联网(以及实现其中一些应用的相关技术;思考ar和vr)像这样的,对大多数人来说,现在还比较早。

大数据的信息机会

所以,“大数据”一词在一个日益数字化和非结构化的信息时代具有技术和处理背景,在这个时代,越来越多的数据集变得可用,越来越多的数据源被添加,导致真正的数据混乱。

预计整个数据市场的收入将从2015年的略低于700亿美元增长到2020年的1320亿美元- 451研究,二千零一十六

然而,就像信息混乱一样信息机会,大数据混乱也与机遇和目的有关。最重要的是,大数据的美妙之处在于它不严格遵循数据和信息处理的经典规则,即使是完美的哑数据也能产生巨大的结果。正如格雷格·塞特尔在福布斯上所解释的。

上述大型和复杂数据集的增加还需要在实时经济的“快速”环境中采用不同的方法,在这种环境下,快速访问复杂数据和信息比以往任何时候都更重要。想一想控制实时行动的信息传感设备,例如。或者,当人们为了一个或其他目的寻求信息/反馈时,他们对快速准确的信息/反馈的期望越来越高。的确,徳赢真人娱乐 优化,客户服务等也是许多大数据项目的关键目标。

从大数据到大洞察和重大决策

在所有这些演变中,大数据一词的定义,真是一个笼统的术语,一直在进化,在控制数据量的意义上,从其原始定义出发,速度和变化,作为在2001年的meta group/gartner文档(打开pdf)中进行了描述。

近年来,开放源码技术与数据存储和操作技术的结合以及数据量的不断增加,引起了人们对大数据的重新关注。正如蒂莫·埃利奥特所写。再加上其他各种第三平台技术,其中大数据(事实上,大数据分析)是这样的一部分云计算,移动和额外的“加速器”,如物联网,这就清楚了为什么大数据不仅获得了一些新的关注,而且导致了如下所示的大数据生态系统的扩展。

大数据生态系统-从数据到决策-IDC-单击查看完整图像
大数据生态系统–从数据到决策–IDC– 单击以获取完整图像

今天,当然在这里,我们看看生意,智力,决策和价值/机会视角。从量到值(我们需要什么数据来创造哪些好处)从混乱到挖掘和意义,把重点放在数据分析上,洞察和行动。

其中一个主要是非结构化数据混乱的关键问题是,我们需要什么样的数据才能实现一个或多个可能的操作。从大数据中创造价值——以及从整体上创造数据和信息——是一种整体性的价值,由期望的结果驱动。

大数据量大,-需要成本效益的速度和多样性信息资产,创新的信息处理形式,增强洞察力和决策能力 (加特纳)

随着物联网的发生和社会许多领域的数字化进程,科学和商业,收藏,对数据集和正确的数据进行处理和分析是未来许多年的挑战和机遇。

因为这样的大数据毫无意义或更好:如前所述,它被用作一个总括术语。就像大多数“趋势”的总括术语一样,有些混乱。分析数据集并将数据转化为智能和相关操作是关键。

大数据:结果和催化剂

虽然从业务角度来看,大数据经常被误解。(再一次,这是为了在正确的时间使用“正确的数据”,因为正确的原因)关于各组织使用特定数据存在争议,很明显,大数据是数字时代的逻辑结果。

同时,它在数字商务和社会的多个领域也是一个催化剂。仅举一个例子:大数据是信息管理发展的关键驱动因素之一,当然它在许多数字化转型项目和机会单元中发挥了作用。徳赢真人娱乐IES。

IBM的4 V大数据
IBM的4 V大数据

大数据的重要性,更重要的是,情报,分析学,解释,从“正确的数据”和“相关性”的角度出发,组合和价值智能组织将推动组织的工作方式,并影响招聘和技能优先事项。获胜者将了解价值,而不仅仅是技术,这需要数据分析师,也需要许多职能部门的执行官和从业人员来获取分析结果,更不用说数字化了,心态。巨大的挑战,当然是在市场营销和管理等领域。

大数据的对比:增值

除了传统的三大数据“V”之外,IBM决定添加第四个数据,如上图所示。

为什么不呢?最终价值就是我们所追求的。而且,当然,数据和信息也有价值。它可能不像音量那样明显。其他人则添加了更多的“V”。我们也可以想一个,但我们不要去那里。

体积

我们主要讨论基础设施所产生的大量数据和信息,处理和管理大数据,以选择性的方式。

大数据概念
原始3V–音量,速度和多样性–Shutterstock–版权所有: A型成像仪

速度

速度就是分析,动作和快速捕捉,处理和理解发生了,我们也看到了处理大量数据以获得越来越近的时间或实时结果的速度和机制,往往导致需要快速数据

品种

在广泛的数字环境中产生的数据之上,无论业务职能如何,社会区域或系统,在更具体的层次上创建的数据有了巨大的增长。品种是关于多种类型,有条理,无组织的,介于两者之间的一切。

准确性

准确性与准确性密切相关,从决策和情报的角度来看,这一点变得确定,我们可以在多大程度上信任数据来做我们需要/想要做的事情。

价值

如前所述,我们为目标增加价值,结果,在大数据应用程序中创建的优先级以及总体价值和相关性,价值在于旁观者和利益相关者的眼睛,从不或很少在体积维度。欢迎使用大数据。

转向高价值数据和用例:大数据在转换中的位置

如前所述,组织一直在关注(远)更多大数据的卷维度。当然,这并不太令人惊讶。

成交量过去和现在都是惊人的,所有的数据都进入了数据湖泊一直不容易,但仍然不容易(更多关于下面的数据湖,目前,将其视为一个可以收集和分析大量数据的环境)。在某一时刻,我们甚至开始谈论数据沼泽而不是数据湖。你可以想象这意味着:大量的数据来自(更多)来源和系统,导致浑水(不是艺术家)。

拥有大量数据是一回事,拥有高质量数据是另一回事,利用高价值数据实现高价值目标(可以说是从水里出来的东西)又是一场球赛。

大数据从整个扩展企业中涌入,互联网,以及第三方数据源。惊人的信息量和多样性要求使用大型数据处理框架。 (夸布尔)

幸运的是,组织开始以更智能和更有意义的方式利用大数据。尽管数据湖继续增长(可以肯定的是,请注意,大数据和数据科学不仅仅是关于湖泊,数据仓库等也很重要)还有一个转变大数据处理面向云和高价值数据用例。

这发生在许多领域。根据Qubole的2018年大数据趋势与挑战报告大数据正在越来越多的部门、职能部门和业务流程中使用,这些部门和职能部门和业务流程从大数据中获得最大价值。(按重要性的降序排列,以报告调查中受访者的百分比为基础)包括客户服务,IT规划,出售,金融,资源规划,它发出响应,营销,人力资源和工作场所,以及供应链。

换句话说:几乎所有的业务流程。正如一篇文章中提到的报告的一些收获,向云技术的转变导致了机器学习程序的扩展。(机器学习或ML是人工智能领域)加强网络安全,vwin免佣百家乐客户体验优化和预测性维护,一个顶级的工业4.0用例,伸出手来。

更多部门,更多功能,更多用例,更多的目标,希望/尤其是更多地关注创造价值和明智的行动和决策:最终,这才是大数据(分析)而且,让我们面对现实,大多数数字徳赢真人娱乐化改造项目和使能技术,如人工智能,物联网等等。

到目前为止,所有这些技术和其他技术都是重叠的总括性术语和使能因素,这应该是一个不足为奇的问题。收敛,相互需要,相互充实(也导致了新的应用,如数字孪生兄弟,仅列举其中一个),取决于目标。不仅仅是关于物联网与AI或者其他组合,它是为了正确的目的而进行的正确的组合,即基于正确数据的行动和决策,等等?你现在已经知道了咒语。

大数据示例列表,跨行业和业务功能的用例和应用程序

大数据介绍是一个起点,定期更新大数据和人工智能等重要主题。行动中的大数据实例,市场的演变,关于BDA的更新和新文章(大数据分析)以及更广泛意义上的数据科学。

下面是一些网站和在线资源的列表,提供现实生活中大数据示例和应用领域的列表。

组织的大数据工作集中在哪里?

显然,分析是关键。然而,哪些大数据源用于分析和获得见解?

大数据是从哪里来的-IBM
大数据是从哪里来的?信贷:IBM

2012,IBM和牛津大学(University of Oxford)商学院(Said Business School)发现,当时大多数大数据项目都专注于分析内部数据,以获取见解。在内部数据源中,大多数(88%)有关交易数据的分析,73%的日志数据和57%的电子邮件。

很少有企业忙于寻找外部大数据,从他们的防火墙外面,主要是非结构化的(大多数内部资源也是如此)并提供充足的机会获得洞察力(例如)情绪分析)

到目前为止,这张图片可能已经改变了,当然,它还取决于行业/应用程序的目标和类型。随着网络周边的衰落,不断发展物联网等领域的举措,提高大数据分析的成熟度,我们确实希望看到一个详细的更新。

关于大数据及其发展和应用的更多信息

智能数据:超越体积,走向现实

大数据是…大。随着以非结构化数据为主的数据量的增加,在纯粹的数据量方面存在噪声的挑战。

为了实现业务成果和实际成果,提高业务水平,为客户提供更好的服务,增强市场营销优化或响应任何可以使用数据改进的业务挑战,我们需要智能数据,使焦点从数量转移到价值。

了解有关智能数据的更多信息

快速数据:响应速度和灵活性

为了做出反应和积极行动,速度是最重要的。

然而,您如何从主要是非结构化的大数据雪崩式的转变为实时经济中所需的速度?当客户适应能力是保持相关性的关键时,快速数据是答案之一。

了解有关快速数据的更多信息

大数据分析:做出明智的决策和预测

作为曾经处理过数据的人,甚至在我们开始谈论大数据之前,分析才是最重要的。

没有分析,就没有行动或结果。虽然智能数据都是有价值的,他们与大数据分析携手合作。事实上,大数据分析,更具体地说,预测分析,这是高德纳大数据炒作周期中第一个达到生产力高峰的技术。

了解有关大数据分析的更多信息

非结构化数据:增加意义和价值

在大数据环境中,最大且增长最快的信息形式是我们所称的非结构化数据或非结构化信息。它来自各种各样的来源,增加了庞大而日益多样化的数据和信息世界。

要在非结构化数据和信息(从文本文件和社会数据到电子邮件正文)中利用巨大的机会,意义和上下文需要推导出来。这就是认知计算所能实现的:看到模式,提取意义并在大数据的“如何”中添加“为什么”。

了解有关非结构化数据的详细信息

什么使(大)数据具有可操作性?

没有智慧,在数据/信息源越来越多的大数据环境中,意义和目的数据无法付诸行动,格式和类型。

此外,数据有几个方面是需要的,以使其完全可操作。无论是大数据还是其他类型的数据,初学者的可操作数据是准确的:数据元素是正确的,清晰有效。第二个方面是可达性,它也有几种形式。其他方面包括流动性,质量和组织。

更多关于数据可操作性的内容

客户服务大数据

今天的客户期望良好的客户体验,而数据管理在其中扮演着重要的角vwin免佣百家乐色。

在客户服务和联络中心日益增长的大数据现实中,从客户服务和客户体验的角度来理解数据需要一种集成的全渠道方法,通过这种方法,客户信息和数据源的绝对vwin免佣百家乐数量,互动和交易,对于希望获得一致和无缝体验的客户,需要从意义上进行转变,从服务的角度来看。

关于大数据和客户服务的更多信息

用人工智能解决大数据挑战

Roland Simonis解释了人工智能如何用于智能文档识别以及非结构化信息和大数据挑战。

他所涉及的人工智能方法包括语义理解和统计聚类。随着人工智能模型在输入信息分类中的应用,识别,路由和最后但并非最不重要,自我学习机制。

用人工智能解决信息和大数据挑战

大数据分析的数据湖

在大数据环境中处理不断增长的数据量和各种数据的传统方法已经不起作用了。这就是数据湖的由来。

数据湖是组织战略性地收集和存储为达到特定目标而需要分析的所有数据的存储库。数据或数据源的性质和格式在这方面并不重要:半结构化的,结构化的,非结构化的,什么都行。数据湖是企业在混合数据环境中进行大数据分析所需要的。然而,Hadoop是一个著名的解决方案供应商,我们知道数据湖并不是所有分析需求的通用解决方案,因此这个模型也存在挑战。

数据湖:什么,原因何在

其他有用的链接:

大数据:混沌秩序

有很多信息图表,大数据的图表和数据。

虽然,如上所述,这些预测在出版时往往会发生变化,下面是一个相当不错的信息图表,来自视觉资本家哪一个,数据之上,还展示了大数据如何在现实生活中使用的一些案例,并很好地说明了大数据的一些其他方面,例如大数据的一些来源和一些挑战。

查看下面的“从混乱中创造秩序”信息图或在视觉资本主义上看更广泛的版本。

大数据-从混乱中创造秩序-源视觉资本主义
大数据——从混乱中创造秩序——来源视觉资本家

上图:Shutterstock–Copy右边: 梅尔波曼–所有其他图像均为其各自提及的所有者的财产。