Saturs
Prezentēja: Bloor grupa
J:
Kā lielie dati ir ietekmējuši tradicionālo analītikas darbplūsmu?
A:
Biznesa analītikas vai citu analītisko procesu veikšana ir ļoti atšķirīga, un tā jānovērtē katrā gadījumā atsevišķi. Tomēr ir daži vispārīgi veidi, kā lielo datu kopu izmantošana ir mainījusi to, kā speciālisti vēršas pie analītikas projektiem.
Droši vien vissvarīgākais veids, kā lielie dati ir ietekmējuši analītiku, ir tas, kā tiek analizēti datu krājumi. Pirms lieliem datiem datu krājumi parasti tika analizēti pēc lineāra, pa vienam. Pirms datoriem tas tika darīts ar rokām. Tad Excel izklājlapas un citi rīki ļāva efektīvāk analizēt lineāro analīzi. Piemēram, izklājlapā būtu apkopoti dažādu klientu un viņu pirkumu vēstures tabulas, un lietotāji veidotu pārskatus par vidējiem pirkumiem, katru līniju atsevišķi un ņemot vērā katru ierakstu. Šī bija dominējošā analīzes veikšanas metode, līdz parādījās lieli dati.
Lielo datu pasaulē analīze parasti tiek veikta, izmantojot plašus algoritmus un modeļus. Parasti tas netiek darīts ar rokām, jo tas prasītu pārāk ilgu laiku un prasītu pārāk daudz resursu. Arī strukturālie rīki, kas nāk kopā ar lielajiem datiem, nozīmē, ka analītika nav jādara ar roku. Arvien vairāk tiek izmantots tas, ko sauc par heiristiku vai varbūtības darbu, kas ļauj veikt daudz efektīvāku analīzi, kuras pamatā ir modeļa atpazīšana un citas stratēģijas, kas aizvieto tradicionālās statistiskās analīzes procesu.
Šajā nolūkā mūsdienu uzņēmumi ātri iegulda līdzekļus visa veida aparatūrā un programmatūras rīkos, lai izmantotu šīs sarežģītākās datu ieguves metodes. Lielie dati ir ļoti ietekmējuši veidus, kā mēs analizējam gandrīz jebko, sākot no zinātnes projekta līdz biznesa procesam. Vienkārši sakot, programmatūras rīki apstrādā datus un sakārto tos ar automatizāciju un kaut ko, kas tuvojas mākslīgajam intelektam.