„Big Data Analytics“ - įžvalgų naudojimas

Kaip sakoma, kaip visa Visata ir mūsų galaktika susiformavo dėl Didžiojo sprogimo sprogimo, panašiai, dėl tiek daugybės technologijų pažangos, duomenys taip pat eksponentiškai augo ir sukėlė „Big Data“ sprogimą. Šie duomenys gaunami iš įvairių šaltinių, jų formatai skirtingi, jie generuojami kintamu greičiu ir taip pat gali turėti nenuoseklumų. Taigi mes galime tiesiog įvardyti tokių duomenų sprogimą kaip .Šiame tinklaraštyje paaiškinsiu šias temas, kad galėčiau pateikti įžvalgų apie „Big Data Analytics“:

• Kodėl verta naudoti „Big Data Analytics“?
• Kas yra „Big Data Analytics“?
• „Big Data Tools“
• Didieji duomenų domenai
• Didelių duomenų naudojimo atvejai
• „Big Data Analytics“ tendencijos

Kodėl verta naudoti „Big Data Analytics“?

Prieš pereidamas pasakoti apie tai, kas yra „Analytics“, leiskite man papasakoti jums, kodėl tai reikalinga. Leiskite jums taip pat atskleisti jums, vaikinai, kad mes sukuriame apie 2,5 kvintilijono baitų duomenų kiekvieną dieną! Taigi dabar, kai sukaupėme didžiuosius duomenis, negalime jų ignoruoti ir neleisti jiems likti nenaudojamiems ir priversti juos švaistytis.

Įvairios organizacijos ir sektoriai visame pasaulyje pradėjo naudoti „Big Data Analytics“, kad gautų daug naudos. „Big Data Analytics“ suteikia įžvalgų, kurias daugelis įmonių paverčia veiksmais ir gauna didžiulį pelną bei atradimus. Pateiksiu keturias tokias priežastis ir įdomius pavyzdžius.

Pirmoji priežastis yra

1. Pažangesnės ir efektyvesnės organizacijos kūrimas
   Leiskite man papasakoti apie vieną tokią organizaciją - Niujorko policijos departamentą (NYPD). NYPD puikiai naudoja „Big Data“ ir „Analytics“, kad nustatytų ir nustatytų nusikaltimus, kol jie dar neįvyko. Jie analizuoja istorinius arešto modelius ir tada juos susieja su tokiais įvykiais kaip federalinės šventės, darbo dienos, transporto srautai, krituliai ir kt.Tai padeda jiems nedelsiant analizuoti informaciją, naudojant šiuos duomenų modelius. Didžiųjų duomenų ir analizės strategijapadedajie nustato nusikaltimų vietas, per kurias dislokuoja savo pareigūnus šiose vietose. Taigi, pasiekę šias vietas iki nusikaltimų padarymo, jie užkerta kelią nusikaltimams.
   
   
2. Optimizuokite verslo operacijas analizuodami klientų elgseną Daugelis organizacijų naudoja klientų elgsenos analizę siekdamos užtikrinti klientų pasitenkinimą ir taip padidinti savo klientų bazę. Geriausias to pavyzdys yra „Amazon“. „Amazon“ yra viena geriausių ir plačiausiai naudojamų elektroninės prekybos svetainių, kurios klientų bazė siekia apie 300 mln. Jie naudoja klientų paspaudimų srauto duomenis ir istorinius pirkimo duomenis, kad pateiktų jiems pritaikytus rezultatus pritaikytuose tinklalapiuose. Analizuojant kiekvieno lankytojo paspaudimai savo svetainėje padeda suprasti jų naršymo svetainėje būdus, kelius, kuriais naudotojas ėjo įsigydamas produktą, kelius, kurie paskatino juos palikti svetainę, ir dar daugiau. Visa ši informacija padeda „Amazon“ pagerinti savo vartotojo patirtį, taip pagerindama jų pardavimus ir rinkodarą.
3. Kainos sumažinimas Didžiųjų duomenų technologijos ir technologinė pažanga, pvz., Debesų kompiuterija, suteikia didelių sąnaudų pranašumų, kai reikia saugoti ir apdoroti didelius duomenis. Leiskite man papasakoti, kaip sveikatos priežiūra naudoja „Big Data Analytics“, kad sumažintų jų išlaidas. Šiuo metu pacientai, būdami namuose ar už jos ribų, naudoja naujus jutiklių prietaisus, kurie siunčia nuolatinius duomenų srautus, kuriuos galima stebėti ir analizuoti realiuoju laiku, kad pacientai galėtų išvengti hospitalizacijos patys tvarkydami savo sąlygas.Hospitalizuotiems pacientams gydytojai gali naudoti nuspėjamąją analizę, kad optimizuotų rezultatus ir sumažintų readmisijas.Parklando ligoninė naudoja analizę ir nuspėjamąjį modeliavimą, kad nustatytų didelės rizikos pacientus ir numatytų galimus rezultatus, kai pacientai bus išsiųsti namo. Dėl to Parkland sumažino širdies nepakankamumu sergančių pacientų 30 dienų readmisiją 31 proc., kasmet sutaupant 500 000 USD.

Naujos kartos produktai

Gebėjimas įvertinti klientų poreikius ir pasitenkinimą atliekant analizę suteikia galimybę suteikti klientams tai, ko jie nori. Čia radau tris tokius įdomius produktus, kuriuos galėčiau paminėti. Pirmas , „Google“savaime važiuojantis automobilisdėl to kiekvienoje kelionėje atliekami milijonai skaičiavimų, kurie padeda automobiliui nuspręsti, kada ir kur pasukti, ar sulėtinti greitį, ar pagreitinti, ir kada persirikiuoti - tie patys sprendimai, kuriuos už vairo priima žmogaus vairuotojas.

The antra vienas yra„Netflix“, du sezonus atlikusi itin populiarią „Kortų namą“, visiškai pasitikėdama „Big Data Analytics“! Praėjusiais metais „Netflix“ padidino JAV abonentų skaičių 10% ir pridėjo beveik 20 milijonų abonentų iš viso pasaulio.

The trečias pavyzdys yra vienas iš labai šaunių dalykų, su kuriais susidūriau, yra išmanusis jogos kilimėlis. Pirmą kartą naudodami „Smart Mat“, jums teks atlikti keletą judesių, kad sukalibruotumėte savo kūno formą, dydį ir asmeninius apribojimus. Ši asmeninio profilio informacija yra saugoma jūsų „Smart Mat“ programoje ir padės „Smart Mat“ aptikti, kai nesate suderinti ar nesubalansuoti. Laikui bėgant, jis tobulės atnaujintais duomenimis, kai tobulinsite jogos praktiką.

Kas yra „Big Data Analytics“?

Dabar oficialiai apibrėžkime „Kas yra didžiųjų duomenų analizė?“ Didžiųjų duomenų analizė nagrinėja didelius ir skirtingus duomenų tipus, kad atskleistų paslėptus modelius, koreliacijas ir kitas įžvalgas. Iš esmės „Big Data Analytics“ įmonės dažniausiai naudoja savo augimui ir plėtrai palengvinti. Tai iš esmės apima įvairių duomenų gavybos algoritmų taikymą tam tikram duomenų rinkiniui, o tai padės jiems geriau priimti sprendimus.

„Big Data Analytics“ etapai

Tai yra šie „Big Data Analytics“ proceso etapai:

Didžiųjų duomenų analizės tipai

Yra keturi tipai:

1. Aprašomoji analizė: Duomenų kaupimas ir duomenų gavyba naudojama įžvalgoms apie praeitį ir atsakymui: „Kas nutiko?“ Aprašomoji analizė daro tiksliai tai, ką reiškia pavadinimas, jie „apibūdina“ arba apibendrina neapdorotus duomenis ir daro juos aiškinamus žmonėms.
2. Nuspėjama „Analytics“: Jis naudoja statistinius modelius ir prognozių metodikas, kad suprastų ateitį ir atsakytų: „Kas gali atsitikti?“ Nuspėjamoji analizė suteikia įmonėms naudingų įžvalgų, pagrįstų duomenimis. Jame pateikiami būsimų rezultatų tikimybės įvertinimai.
3. Receptinė analizė: Jis naudoja optimizavimo ir modeliavimo algoritmus patarimams dėl galimų rezultatų ir atsakymų: „Ką turėtume daryti?“ Tai leidžia vartotojams „paskirti“ įvairius galimus veiksmus ir nukreipti juos link sprendimo. Trumpai tariant, ši analizė skirta patarimams teikti.
4. Diagnostinė analizė: Jis naudojamas nustatyti, kodėl kažkas nutiko praeityje. Jai būdingi tokie metodai kaip gilinimasis, duomenų atradimas, duomenų gavyba ir koreliacijos. Diagnostinė analizė giliau išnagrinėja duomenis, kad suprastų pagrindines įvykių priežastis.

Dideli duomenys Įrankiai

Tai yra keletas iš šių „Big Data Analytics“ naudojamų įrankių: Hadoopas , , „Apache HBase“ , „Apache Spark“ , , , Apache avilys , Kafka .

Didieji duomenų domenai

• Sveikatos apsauga: Sveikatos priežiūra naudoja didelių duomenų analizę, kad sumažintų išlaidas, numatytų epidemijas, išvengtų ligų, kurių galima išvengti, ir apskritai pagerintų gyvenimo kokybę. Vienas iš labiausiai paplitusiųdidžiųjų duomenų taikymas sveikatos priežiūros srityje yra elektroninis sveikatos įrašas (EHR).
• Telekomunikacijos: Jie yra vienas reikšmingiausių „Big Data“ kūrėjų. Telekomunikacijų pramonė gerina paslaugų kokybę irefektyviau nukreipia eismą. Realaus laiko analizuodamos skambučių duomenų įrašus, šios įmonės gali nustatyti nesąžiningą elgesį ir nedelsiant pagal juos veikti. Rinkodaros skyrius gali modifikuoti savo kampanijas, kad geriau pritaikytų savo klientus, ir naudoti įgytas įžvalgas kuriant naujus produktus ir paslaugas.
• Draudimas: Šios įmonės naudoja didelių duomenų analizę rizikos vertinimui, sukčiavimo nustatymui, rinkodarai, klientų įžvalgoms, klientų patirčiai ir dar daugiau.
• Vyriausybė: Indijos vyriausybė naudojo didžiųjų duomenų analizę, kad gautų prekybos šalyje įvertinimą. Jie naudojo centrines pardavimo mokesčio sąskaitas faktūras, kad analizuotų, kiek valstybės prekiauja tarpusavyje.
• Finansai: Bankai ir finansinių paslaugų įmonės naudoja analitiką, kad atskirtų nesąžiningą sąveiką nuo teisėtų verslo sandorių. Analitikos sistemos siūlo neatidėliotinus veiksmus, pavyzdžiui, blokuoti nereguliarius sandorius, kurie sustabdo sukčiavimą dar neįvykus ir padidina pelningumą.
• Automobilis: „Rolls Royce“, kuris pritaikė „Big Data“, į savo variklius ir varymo sistemas įdėdamas šimtus jutiklių, kurie fiksuoja kiekvieną smulkmeną apie jų veikimą. Apie duomenų pasikeitimus realiuoju laiku pranešama inžinieriams, kurie nuspręs geriausią veiksmų planą, pvz., Techninės priežiūros planavimą ar inžinerinių komandų dispečerį.
• Išsilavinimas: Tai yra viena iš sričių, kur „Big Data Analytics“ įsisavinama lėtai ir palaipsniui.Vietoj tradicinių paskaitų metodų mokymosi priemonę pasirinkę dideliais duomenimis pagrįstą technologiją, pagerino studentų mokymąsi ir padėjo mokytojams geriau sekti jų rezultatus.
• Mažmeninė: Mažmeninė prekyba, įskaitant elektroninę prekybą ir parduotuves, savo verslui optimizuoti plačiai naudoja „Big Data Analytics“. Pavyzdžiui, „Amazon“, „Walmart“ ir kt.

Didelių duomenų naudojimo atvejai

Pirmasis čia panaudotas „Starbucks“ atvejis.

Antrasis atvejis, kuriuo noriu pasidalinti su jumis, „Procter & Gamble“.

„Big Data Analytics“ tendencijos

Žemiau pateiktame paveikslėlyje pavaizduotas „Big Data“ rinkos pajamų įmlrdJAV dolerių nuo 2011 iki 2027 metų.

Stai keleta „Forbes“ faktai ir statistika :

Karjeros galimybės „Big Data Analytics“:

• Atlyginimo aspektai: Vidutinis analitikų darbo užmokestis yra maždaug 94 167 USD. „Data Scientist“ trejus metus iš eilės buvo tituluojamas geriausiu darbu Amerikoje, jo vidutinė bazinė alga yra 110 000 USD ir 4524 siūlomos darbo vietos. Indijoje analitikų, dirbančių mažiau nei 10 INR, Lakhs procentinė dalis sumažėjo. Analizės specialistų, uždirbančių daugiau nei 15 INR Lakhs, procentas išaugo nuo 17% 2016 m dvidešimt vienas% 2017 m 22,3% 2018 m.
• Didžiulės darbo galimybės: Tokios kompanijos kaip „Google“, „Apple“, IBM, „Adobe“, „Qualcomm“ ir daugelis kitų samdo „Big Data Analytics“ profesionalus.

Įgūdžių rinkinys

Tai yra keletas įgūdžių, kurių reikia atsižvelgiant į vaidmenį „Big Data Analytics“ srityje:

• Pagrindinis programavimas: Reikėtų žinoti bent apie kai kurias bendros paskirties programavimo kalbas, tokias kaip „Java“ ir „Python“.
• Statistinė ir kiekybinė analizė: Idealu turėti mintį apie statistiką ir kiekybinę analizę.
• Duomenų saugojimas: Reikalingos žinios apie SQL ir NoSQL duomenų bazes.
• Duomenų vizualizavimas: Labai svarbu mokėti vizualizuoti duomenis, kad galėtume suprasti įžvalgas ir jas pritaikyti.
• Specifinės verslo žinios: Norint optimizuoti savo veiklą, būtinai reikia žinoti apie verslą, kuriame jie naudoja analizę.
• Skaičiavimo sistemos: Pageidautina, kad reikėtų žinoti apie bent vieną ar du įrankius, reikalingus „Big Data Analytics“.

Dabar, kai žinote „Big Data Analytics“, patikrinkite sukūrė patikima internetinė mokymosi įmonė „Edureka“, turinti daugiau nei 250 000 patenkintų besimokančiųjų tinklą visame pasaulyje. „Edureka Big Data Hadoop“ sertifikavimo mokymo kursas padeda besimokantiesiems tapti HDFS, verpalų, „MapReduce“, „Pig“, „Hive“, „HBase“, „Oozie“, „Flume“ ir „Sqoop“ ekspertais, naudojant realaus laiko naudojimo atvejus mažmeninės prekybos, socialinės žiniasklaidos, aviacijos, turizmo, finansų srityse.

kaip rodyti masyvą php

Turite mums klausimą? Prašau paminėti tai komentarų skiltyje ir mes su jumis susisieksime.