'
Big Data kann die verschiedenen Schwierigkeiten lösen, mit denen große Unternehmen konfrontiert sind. Im Folgenden werden hochwertige Big Data-Anwendungsfälle aufgeführt, mit denen die Probleme behoben werden können, mit denen sie konfrontiert sind.
Big Data Exploration
Big Data Exploration befasst sich mit den Herausforderungen wie Informationen, die in verschiedenen Systemen gespeichert sind, und dem Zugriff auf diese Daten, um alltägliche Aufgaben zu erledigen, denen sich große Unternehmen gegenübersehen. Mit der Big Data-Exploration können Sie Daten analysieren und daraus wertvolle Erkenntnisse gewinnen.
Verbesserte 360 & ordm Kundenansichten
Durch die Verbesserung der bestehenden Kundenansichten erhalten Sie ein umfassendes Verständnis der Kunden und können Fragen beantworten, z. B. warum sie kaufen, wie sie lieber einkaufen, warum sie sich ändern, was sie als Nächstes kaufen und welche Funktionen sie dazu bringen, ein Unternehmen anderen zu empfehlen.
Sicherheits- / Intelligenzerweiterung
Verbesserung der Plattformen für Cybersicherheit und Intelligenzanalyse mit Big-Data-Technologien zur Verarbeitung und Analyse neuer Typen aus sozialen Medien, E-Mails, Sensoren und Telekommunikation, Reduzierung von Risiken, Aufdeckung von Betrug und Überwachung der Cybersicherheit in Echtzeit, um die Erkenntnisse zu Intelligenz, Sicherheit und Strafverfolgung erheblich zu verbessern .
Betriebsanalyse
Bei der Betriebsanalyse geht es darum, mithilfe von Big Data-Technologien eine neue Generation von Anwendungen zu ermöglichen, die große Mengen multistrukturierter Daten wie Maschinen- und Betriebsdaten analysieren, um das Geschäft zu verbessern. Diese Daten können alles umfassen, von IT-Maschinen bis hin zu Sensoren und Messgeräten. GPS-Geräte erfordern eine komplexe Analyse und Korrelation zwischen verschiedenen Arten von Datensätzen.
Modernisierung des Data Warehouse
Wie erstelle ich eine Datei in Java?
Big Data muss in Data Warehouse-Funktionen integriert werden, um die betriebliche Effizienz zu steigern. Das Entfernen von Daten, auf die selten zugegriffen wird, oder von alten Daten aus Lager- und Anwendungsdatenbanken kann mithilfe von Informationsintegrationssoftware und -tools erfolgen.
Unternehmen und ihre Big-Data-Anwendungen:
Guangdong Handys:
Guangdong, eine beliebte Mobilfunkgruppe in China, verwendet Hadoop, um Datenzugriffsengpässe zu beseitigen und Kundennutzungsmuster für präzise und gezielte Marktwerbung aufzudecken, und Hadoop HBase, um Datentabellen automatisch auf Knoten aufzuteilen, um die Datenspeicherung zu erweitern.
Red Sox:
Die World Series-Champions stoßen auf riesige Mengen strukturierter und unstrukturierter Daten, die sich auf das Spiel beziehen, wie z. B. das Wetter, das gegnerische Team und die Aktionen vor dem Spiel. Mit Big Data können sie Prognosen über das Spiel und die Zuweisung von Ressourcen basierend auf den erwarteten Abweichungen im kommenden Spiel bereitstellen.
Nokia:
Big Data hat Nokia dabei geholfen, ihre Daten effektiv zu nutzen, um die Benutzererfahrung mit ihren Produkten zu verstehen und zu verbessern. Das Unternehmen nutzt Datenverarbeitung und komplexe Analysen, um Karten mit vorausschauendem Verkehr und geschichteten Höhenmodellen zu erstellen. Nokia verwendet für die oben genannte Anwendung die Hadoop-Plattform von Cloudera und Hadoop-Komponenten wie HBase, HDFS, Sqoop und Scribe.
Huawei:
Die Big Data-Lösung von Huawei OceanStor N8000-Hadoop wurde auf der Grundlage einer fortschrittlichen Cluster-Architektur und Speicherfunktionen auf Unternehmensebene entwickelt und in das Hadoop-Computing-Framework integriert. Diese innovative Kombination hilft Unternehmen dabei, Ergebnisse aus einer umfassenden Datenberechnung und -analyse in Echtzeit zu analysieren und zu verarbeiten, die Entscheidungsfindung und Effizienz zu verbessern, das Management zu vereinfachen und die Netzwerkkosten zu senken.
SAS:
SAS hat sich mit Hadoop zusammengetan, um Datenwissenschaftlern dabei zu helfen, Big Data in größere Erkenntnisse umzuwandeln. Aus diesem Grund hat SAS eine Umgebung entwickelt, die visuelle und interaktive Erlebnisse bietet und es einfacher macht, Einblicke zu gewinnen und neue Trends zu erkunden. Die leistungsstarken Analysealgorithmen extrahieren wertvolle Erkenntnisse aus den Daten, während die In-Memory-Technologie einen schnelleren Zugriff auf Daten ermöglicht.
CERN:
Big Data spielt eine wichtige Rolle in CERN, der Heimat des großen Hadron Supercolliders, da es unglaubliche Datenmengen aus seinen 40 Millionen Bildern pro Sekunde von seinen 100-Megapixel-Kameras sammelt, die 1 Petabyte Daten pro Sekunde ausgeben. Die Daten dieser Kameras müssen analysiert werden. Das Labor experimentiert mit Möglichkeiten, mehr Daten aus seinen Experimenten sowohl in relationalen Datenbanken als auch in Datenspeichern zu platzieren, die auf NoSQL-Technologien wie Hadoop und Dynamo im Cloud-Speicherdienst von Amazon S3 basieren
Buzzdata:
Buzzdata arbeitet an einem Big-Data-Projekt, bei dem alle Quellen kombiniert und an einem sicheren Ort integriert werden müssen. Dies schafft einen großartigen Ort für Journalisten, um öffentliche Daten zu verbinden und zu normalisieren.
Verteidigungsministerium:
Das Verteidigungsministerium (Department of Defense, DoD) hat rund 250 Millionen US-Dollar in die Nutzung und Nutzung einer riesigen Datenmenge investiert, um ein System zu entwickeln, das Kontrolle und autonome Entscheidungen treffen und Analysten bei der Unterstützung von Operationen unterstützen kann. Die Abteilung plant, ihre analytischen Fähigkeiten um das 100-fache zu erhöhen, Informationen aus Texten in einer beliebigen Sprache zu extrahieren und die Anzahl der Objekte, Aktivitäten und Ereignisse, die Analysten analysieren können, entsprechend zu erhöhen.
Agentur für fortgeschrittene Verteidigungsforschungsprojekte (DARPA):
DARPA beabsichtigt, rund 25 Millionen US-Dollar in die Verbesserung von Computertechniken und Softwaretools zur Analyse großer Mengen halbstrukturierter und unstrukturierter Daten zu investieren.
Nationales Gesundheitsinstitut:
Mit 200 Terabyte Daten, die im 1000-Genom-Projekt enthalten sind, ist dies ein Paradebeispiel für Big Data. Die Datensätze sind so umfangreich, dass nur sehr wenige Forscher über die Rechenleistung verfügen, um die Daten zu analysieren.
Anwendungsbeispiele für Big Data in verschiedenen Branchen:
Einzelhandel / Verbraucher:
- Warenkorbanalyse und Preisoptimierung
- Merchandising und Marktanalyse
- Supply Chain Management und Analyse
- Verhaltensbasiertes Targeting
- Markt- und Verbrauchersegmentierungen
Dienstleistungen für Finanzen und Betrug:
wie man den Java-Pfad einstellt
- Kundensegmentierung
- Compliance und behördliche Berichterstattung
- Risikoanalyse und -management.
- Betrugserkennung und Sicherheitsanalyse
- Krankenversicherungsbetrug
- CRM
- Kreditrisiko, Bewertung und Analyse
- Handelsüberwachung und Analyse abnormaler Handelsmuster
Gesundheits- und Biowissenschaften:
- Datenanalyse für klinische Studien
- Krankheitsmusteranalyse
- Qualitätsanalyse der Patientenversorgung
- Analyse der Arzneimittelentwicklung
Telekommunikation:
- Preisoptimierung
- Prävention von Kundenabwanderung
- CDR-Analyse (Call Detail Record)
- Netzwerkleistung und -optimierung
- Standortanalyse für mobile Benutzer
Enterprise Data Warehouse:
- Verbessern Sie die EDW, indem Sie die Verarbeitung und Speicherung auslagern
- Hub vor der Verarbeitung, bevor Sie zu EDW gelangen
Spielen:
- Verhaltensanalyse
Hightech:
- Trichterkonvertierung optimieren
- Vorausschauende Unterstützung
- Vorhersage von Sicherheitsbedrohungen
- Geräteanalyse
Zusammenhängende Posts:
Karrierevorteil durch Hadoop-Zertifizierung .
Steigende Popularität von Hadoop und MongoDB.