Фраза дня: big data

Большие данные (big data) - это комбинация структурированных, полуструктурированных и неструктурированных данных, собранных организациями, которые могут быть использованы для получения информации, в проектах машинного обучения, прогнозного моделирования и других приложениях расширенной аналитики.

Системы, обрабатывающие и хранящие большие данные, стали обычным компонентом архитектур управления данными в организациях. Большие данные часто характеризуются тремя факторами: большим объемом данных во многих средах, большим разнообразием типов данных, хранящихся в системах больших данных, и скоростью, с которой данные генерируются, собираются и обрабатываются. Эти характеристики были впервые выявлены Дугом Лэйни, в то время аналитиком в Meta Group Inc., в 2001 году; Gartner еще больше популяризировал их после приобретения Meta Group в 2005 году. Совсем недавно к различным описаниям больших данных, включая достоверность, ценность и изменчивость, было добавлено несколько других характеристик.

Хотя большие данные не приравниваются к какому-либо конкретному объему данных, развертывание больших данных часто занимает терабайты (ТБ), петабайты (ПБ) и даже эксабайты (ЭБ).

Важность больших данных
Компании используют большие данные, накопленные в их системах, для улучшения операций, улучшения обслуживания клиентов, создания персонализированных маркетинговых кампаний на основе конкретных предпочтений клиентов и, в конечном итоге, повышения прибыльности. Компании, использующие большие данные, обладают потенциальным конкурентным преимуществом по сравнению с теми, которые этого не делают, поскольку они могут принимать более быстрые и обоснованные бизнес-решения при условии эффективного использования данных.

Например, большие данные могут предоставить компаниям ценную информацию о своих клиентах, которую можно использовать для уточнения маркетинговых кампаний и методов, чтобы повысить вовлеченность клиентов и коэффициент конверсии.

Кроме того, использование больших данных позволяет компаниям становиться все более клиентоориентированными. Исторические данные и данные в реальном времени могут использоваться для оценки меняющихся предпочтений потребителей, что позволяет предприятиям обновлять и улучшать свои маркетинговые стратегии и становиться более отзывчивыми к желаниям и потребностям клиентов.

Большие данные также используются медицинскими исследователями для выявления факторов риска заболеваний и врачами для диагностики заболеваний и состояний у отдельных пациентов. Кроме того, данные, полученные из электронных медицинских карт (ЭМК), социальных сетей, Интернета и других источников, предоставляют организациям здравоохранения и правительственным учреждениям самую последнюю информацию об угрозах или вспышках инфекционных заболеваний.

В энергетической отрасли большие данные помогают нефтегазовым компаниям определять потенциальные места бурения и контролировать работу трубопроводов; Аналогичным образом, коммунальные предприятия используют его для отслеживания электрических сетей. Фирмы, предоставляющие финансовые услуги, используют системы больших данных для управления рисками и анализа рыночных данных в режиме реального времени. Производители и транспортные компании полагаются на большие данные для управления цепочками поставок и оптимизации маршрутов доставки. Другое государственное использование включает реагирование на чрезвычайные ситуации, предупреждение преступности и инициативы умного города.

Примеры больших данных
Большие данные поступают из множества различных источников, таких как системы бизнес-транзакций, базы данных клиентов, медицинские записи, журналы посещений в Интернете, мобильные приложения, социальные сети, репозитории научных исследований, машинно-сгенерированные данные и датчики данных в реальном времени, используемые в средах IoT (Internet of Things). Данные могут быть оставлены в необработанном виде в системах больших данных или предварительно обработаны с помощью инструментов интеллектуального анализа данных или программного обеспечения для подготовки данных, чтобы они были готовы к конкретному аналитическому использованию.

Некоторые примеры::

• Сравнительный анализ. Это включает в себя изучение показателей поведения пользователей и наблюдение за взаимодействием с клиентами в режиме реального времени, чтобы сравнить продукты, услуги и авторитет бренда одной компании с продуктами ее конкурентов.
• Прослушивание социальных сетей. Это информация о том, что люди говорят в социальных сетях о конкретном бизнесе или продукте, выходящая за рамки того, что может быть предоставлено в ходе опроса или опроса. Эти данные можно использовать для определения целевой аудитории для маркетинговых кампаний, наблюдая за деятельностью по определенным темам из различных источников.
• Маркетинговый анализ. Сюда входит информация, которая может быть использована для более информированного и инновационного продвижения новых продуктов, услуг и инициатив.
• Анализ удовлетворенности и настроений клиентов. Вся собранная информация может показать, как клиенты относятся к компании или бренду, если могут возникнуть какие-либо потенциальные проблемы, как можно сохранить лояльность к бренду и как можно улучшить работу с клиентами.

Продолжить ознакомление с bogdata можно здесь.