Klassen van Big Data Analytics - dummies

Bestaande analysetools en -technieken zullen zeer nuttig zijn bij het begrijpen van big data. De algoritmen die deel uitmaken van deze hulpprogramma's moeten echter kunnen werken met grote hoeveelheden potentieel realtime en ongelijksoortige gegevens. Er moet een competente infrastructuur zijn om dit te ondersteunen. En leveranciers die analysetools bieden, moeten er ook voor zorgen dat hun algoritmen over gedistribueerde implementaties werken. Vanwege deze complexiteit zal naar verwachting een nieuwe klasse van tools ontstaan ​​om big data beter te begrijpen.

Hier zijn drie klassen gereedschappen in deze laag van een referentiearchitectuur. Ze kunnen onafhankelijk of gezamenlijk door beleidsmakers worden gebruikt om het bedrijf te helpen sturen. De drie klassen hulpprogramma's zijn als volgt:

• Rapportage en dashboards: Deze hulpprogramma's bieden een "gebruikersvriendelijke & rdquo; weergave van de informatie uit verschillende bronnen. Hoewel dit een steunpilaar is in de traditionele gegevenswereld, evolueert dit gebied nog steeds voor big data. Sommige van de tools die worden gebruikt, zijn traditionele tools die nu toegang kunnen krijgen tot de nieuwe soorten databases die gezamenlijk NoSQL worden genoemd (niet alleen SQL).

• Visualisatie: Deze tools zijn de volgende stap in de evolutie van rapportage. De output heeft de neiging zeer interactief en dynamisch van aard te zijn. Een ander belangrijk onderscheid tussen rapporten en gevisualiseerde output is animatie. Zakelijke gebruikers kunnen de wijzigingen in de gegevens bekijken met behulp van een verscheidenheid aan verschillende visualisatietechnieken, waaronder mindmaps, heatmaps, infographics en verbindingsdiagrammen.

  Vaak zijn rapportage en visualisatie aan het einde van de bedrijfsactiviteit. Hoewel de gegevens kunnen worden geïmporteerd in een ander hulpprogramma voor verdere berekeningen of onderzoek, is dit de laatste stap.

• Analyse en geavanceerde analyse: Deze tools reiken naar het datawarehouse en verwerken de gegevens voor menselijke consumptie. Geavanceerde analyses moeten trends of gebeurtenissen expliciteren die transformatief, uniek of revolutionair zijn voor bestaande bedrijfspraktijken. Voorspellende analyses en sentimentanalyses zijn goede voorbeelden van deze wetenschap.