Grundlagen statischer und gestreamter Daten in Predictive Analyics - Dummys

Daten in der Vorhersageanalyse können als gestreamt, statisch oder als Mischung aus beiden identifiziert werden. Gestreamte Daten ändern sich kontinuierlich; Beispiele dafür sind der ständige Strom von Facebook-Updates, Tweets auf Twitter und die sich ständig ändernden Aktienkurse, während der Markt noch offen ist.

Gestreamte Daten ändern sich ständig. statische Daten sind in sich geschlossen und eingeschlossen. Zu den mit statischen Daten verbundenen Problemen gehören Lücken, Ausreißer oder falsche Daten. All dies kann eine Bereinigung, Vorbereitung und Vorverarbeitung erfordern, bevor statische Daten für eine Analyse verwendet werden können.

Wie bei gestreamten Daten können andere Probleme auftreten. Lautstärke kann ein Problem sein; Die schiere Menge an ständig ankommenden Daten kann überwältigend sein. Und je schneller die Daten einströmen, desto schwieriger ist es für die Analyse aufzuholen.

Die beiden Hauptmodelle zum Analysieren von gestreamten Daten lauten wie folgt:

• Untersuchen Sie nur die neuesten Datenpunkte und treffen Sie eine Entscheidung über den Status des Modells und dessen nächsten Schritt. Dieser Ansatz ist inkrementell - er erstellt im Wesentlichen ein Bild der Daten, wenn sie ankommen.

• Werten Sie das gesamte Dataset oder eine Teilmenge davon aus, um jedes Mal eine Entscheidung zu treffen, wenn neue Datenpunkte eintreffen. Dieser Ansatz umfasst mehr Datenpunkte in der Analyse - was den "gesamten" Datensatz darstellt, ändert sich jedes Mal, wenn neue Daten hinzugefügt werden.

Abhängig von der Art Ihres Unternehmens und der erwarteten Auswirkung der Entscheidung ist ein Modell dem anderen vorzuziehen.

Einige Geschäftsbereiche, wie beispielsweise die Analyse von Umwelt-, Markt- oder Geheimdienstdaten, bieten neue Daten, die in Echtzeit eingehen. All diese Daten müssen analysiert werden, während sie gestreamt werden - und nicht nur richtig, sondern sofort interpretiert werden.

Auf der Grundlage der neu verfügbaren Informationen zeichnet das Modell die gesamte interne Darstellung der Außenwelt neu. Auf diese Weise erhalten Sie die aktuellste Grundlage für eine Entscheidung, die Sie möglicherweise schnell treffen und umsetzen müssen.

Beispielsweise kann ein Vorhersageanalysemodell einen Aktienkurs als Datenfeed verarbeiten, selbst wenn sich die Daten schnell ändern, die Daten im Kontext der in Echtzeit vorhandenen Marktbedingungen analysieren und dann entscheiden, ob ein Handel getätigt werden soll. bestimmter Bestand.

Die Analyse gestreamter Daten unterscheidet sich eindeutig von der Analyse statischer Daten. Die Analyse einer Mischung beider Datentypen kann noch schwieriger sein.