'
Big Data może rozwiązać różne trudności napotykane przez duże organizacje. Poniżej przedstawiono przykłady użycia Big Data o dużej wartości, które można wykorzystać do rozwiązania problemów, z którymi się borykają.
Eksploracja Big Data
Eksploracja Big Data zajmuje się wyzwaniami, takimi jak informacje przechowywane w różnych systemach i dostęp do tych danych w celu wykonywania codziennych zadań, przed którymi stoi duża organizacja. Eksploracja Big Data pozwala analizować dane i uzyskiwać z nich cenne informacje.
Ulepszone widoki 360 i ordm klientów
Poprawa istniejących poglądów klientów pomaga uzyskać pełne zrozumienie klientów, odpowiadając na pytania, takie jak dlaczego kupują, jak wolą robić zakupy, dlaczego się zmieniają, co kupią w następnej kolejności i jakie funkcje sprawiają, że polecają firmę innym.
Rozszerzenie Security / Intelligence
Wzmocnienie platform do analizy cyberbezpieczeństwa i danych wywiadowczych dzięki technologiom Big Data w celu przetwarzania i analizowania nowych typów z mediów społecznościowych, e-maili, czujników i Telco, zmniejszania ryzyka, wykrywania oszustw i monitorowania cyberbezpieczeństwa w czasie rzeczywistym, aby znacznie poprawić informacje wywiadowcze, bezpieczeństwa i organów ścigania .
Analiza operacji
Analiza operacji polega na wykorzystaniu technologii Big Data, aby umożliwić nową generację aplikacji, które analizują duże ilości danych o wielu strukturach, takich jak maszyny i dane operacyjne, w celu usprawnienia działalności. Dane te mogą obejmować wszystko, od maszyn IT po czujniki i mierniki, a urządzenia GPS wymagają złożonej analizy i korelacji w różnych typach zbiorów danych.
Modernizacja hurtowni danych
klasa adaptera w Javie z przykładem
Big Data należy zintegrować z możliwościami hurtowni danych, aby zwiększyć wydajność operacyjną. Pozbycie się rzadko używanych lub starych danych z baz danych hurtowni i aplikacji można przeprowadzić za pomocą oprogramowania i narzędzi do integracji informacji.
Firmy i ich aplikacje Big Data:
Guangdong Telefony:
Guangdong, popularna grupa mobilna w Chinach, wykorzystuje Hadoop do usuwania wąskich gardeł w dostępie do danych i odkrywania wzorców wykorzystania klientów w celu precyzyjnych i ukierunkowanych promocji rynkowych oraz Hadoop HBase do automatycznego dzielenia tabel danych na węzły w celu rozszerzenia pamięci masowej.
Red Sox:
Mistrzowie World Series napotykają ogromne ilości ustrukturyzowanych i nieustrukturyzowanych danych związanych z grą, takich jak pogoda, drużyna przeciwnika i promocje przedmeczowe. Big Data pozwala im dostarczać prognozy dotyczące gry i sposobu alokacji zasobów na podstawie oczekiwanych różnic w nadchodzącej grze.
Nokia:
Big Data pomogło firmie Nokia efektywnie wykorzystać ich dane do zrozumienia i ulepszenia doświadczeń użytkowników z ich produktami. Firma wykorzystuje przetwarzanie danych i złożone analizy do tworzenia map z predykcyjnym ruchem i warstwowymi modelami wysokości. W powyższej aplikacji Nokia używa platformy Hadoop firmy Cloudera i komponentów Hadoop, takich jak HBase, HDFS, Sqoop i Scribe.
Huawei:
Rozwiązanie Huawei OceanStor N8000-Hadoop Big Data zostało opracowane w oparciu o zaawansowaną architekturę klastrową i możliwości pamięci masowej na poziomie korporacyjnym oraz integruje je ze strukturą obliczeniową Hadoop. Ta innowacyjna kombinacja pomaga przedsiębiorstwom uzyskiwać analizy i wyniki przetwarzania w czasie rzeczywistym z wyczerpujących obliczeń i analiz danych, poprawia podejmowanie decyzji i wydajność, ułatwia zarządzanie i zmniejsza koszty sieci.
SAS:
SAS połączył się z Hadoop, aby pomóc naukowcom zajmującym się danymi przekształcić Big Data w bardziej szczegółowe informacje. W rezultacie SAS stworzył środowisko, które zapewnia wizualne i interaktywne wrażenia, ułatwiając zdobywanie wglądu i odkrywanie nowych trendów. Potężne algorytmy analityczne wyodrębniają cenne wnioski z danych, a technologia in-memory umożliwia szybszy dostęp do danych.
CERN:
Big Data odgrywa istotną rolę w CERN, domu wielkiego Hadron Supercollider, ponieważ zbiera niewiarygodną ilość danych z 40 milionów zdjęć na sekundę ze swoich 100-megapikselowych kamer, co daje 1 petabajt danych na sekundę. Należy przeanalizować dane z tych kamer. Laboratorium eksperymentuje ze sposobami umieszczania większej ilości danych z eksperymentów zarówno w relacyjnych bazach danych, jak i magazynach danych opartych na technologiach NoSQL, takich jak Hadoop i Dynamo, w usłudze pamięci masowej w chmurze Amazon S3
Buzzdata:
Buzzdata pracuje nad projektem Big Data, w którym musi połączyć wszystkie źródła i zintegrować je w bezpiecznym miejscu. Tworzy to doskonałe miejsce dla dziennikarzy do łączenia i normalizowania danych publicznych.
Departament Obrony:
Departament Obrony (DoD) zainwestował około 250 milionów dolarów w okiełznanie i wykorzystanie ogromnej ilości danych, aby stworzyć system, który może kontrolować i podejmować autonomiczne decyzje oraz pomagać analitykom we wspieraniu operacji. Departament planuje 100-krotne zwiększenie zdolności analitycznych, wydobycie informacji z tekstów w dowolnym języku i równoważne zwiększenie liczby obiektów, czynności i zdarzeń, które mogą analizować analitycy.
Agencja Zaawansowanych Projektów Badawczych w Obronie (DARPA):
DARPA zamierza zainwestować około 25 milionów dolarów w ulepszenie technik obliczeniowych i narzędzi programowych do analizy dużych ilości częściowo ustrukturyzowanych i nieustrukturyzowanych danych.
Narodowy Instytut Zdrowia:
Mając 200 terabajtów danych zawartych w projekcie 1000 genomów, wszystko to ma być najlepszym przykładem Big Data. Zbiory danych są tak ogromne, że bardzo niewielu badaczy ma moc obliczeniową do analizy danych.
Przykłady zastosowań Big Data w różnych branżach:
Handel detaliczny / konsumencki:
- Analiza koszyka rynkowego i optymalizacja cen
- Merchandizing i analiza rynku
- Zarządzanie łańcuchem dostaw i analityka
- Kierowanie na podstawie zachowań
- Segmentacja rynku i konsumentów
Usługi finansowe i oszustwa:
- Segmentacja klientów
- Zgodność i sprawozdawczość regulacyjna
- Analiza i zarządzanie ryzykiem.
- Wykrywanie oszustw i analityka bezpieczeństwa
- Oszustwa związane z ubezpieczeniem medycznym
- CRM
- Ryzyko kredytowe, scoring i analiza
- Nadzór handlu i analiza nieprawidłowych wzorców handlowych
Zdrowie i nauki przyrodnicze:
- Analiza danych z badań klinicznych
- Analiza wzorców choroby
- Analiza jakości opieki nad pacjentem
- Analiza rozwoju leków
Telekomunikacja:
- Optymalizacja cen
- Zapobieganie odpływowi klientów
- Analiza danych dotyczących połączeń (CDR)
- Wydajność i optymalizacja sieci
- Analiza lokalizacji użytkowników mobilnych
Hurtownia danych przedsiębiorstwa:
- Ulepsz EDW, odciążając przetwarzanie i przechowywanie
- Centrum przetwarzania wstępnego przed dotarciem do EDW
Hazard:
- Analiza behawioralna
Wysoka technologia:
- Zoptymalizuj konwersję ścieżki
- Wsparcie predykcyjne
- Przewiduj zagrożenia bezpieczeństwa
- Analiza urządzeń
Powiązane posty:
Kariera uprzywilejowana dzięki certyfikacji Hadoop .
Rosnąca popularność Hadoop i MongoDB.
Jak istotne jest szkolenie Hadoop?
stwórz tablicę obiektów java