Video: Intelligent Data Management: Wenn Big Data zu Huge Data wird. 2024
Ist Big Data wirklich neu oder ist es eine Evolution in der Datenmanagement-Reise? Es ist eigentlich beides. Wie bei anderen Wellen im Datenmanagement basieren Big Data auf der Evolution der Datenmanagementpraktiken in den letzten fünf Jahrzehnten. Neu ist, dass zum ersten Mal die Kosten für Rechenzyklen und Speicher einen Wendepunkt erreicht haben. Warum ist das wichtig?
Noch vor wenigen Jahren würden Unternehmen in der Regel Kompromisse eingehen, indem sie Snapshots oder Teilmengen wichtiger Informationen speichern, da die Kosten für Speicher- und Verarbeitungsbeschränkungen sie daran hinderten, alles zu speichern, was sie analysieren wollten.
In vielen Situationen hat dieser Kompromiss gut funktioniert. Zum Beispiel kann eine Produktionsfirma alle zwei Minuten Maschinendaten gesammelt haben, um den Zustand der Systeme zu bestimmen. Es kann jedoch Situationen geben, in denen der Snapshot keine Informationen über einen neuen Fehlertyp enthält, die monatelang unbemerkt bleiben könnten.
Mit Big Data ist es nun möglich, Daten so zu virtualisieren, dass sie effizient gespeichert werden können und auch Cloud-basierte Speicher kostengünstiger genutzt werden können. Darüber hinaus haben Verbesserungen bei der Netzwerkgeschwindigkeit und -zuverlässigkeit andere physische Einschränkungen beseitigt, die darin bestehen, dass riesige Datenmengen in einem akzeptablen Tempo verwaltet werden können.
Hinzu kommen die Auswirkungen von Änderungen des Preises und der Ausgereiftheit des Computerspeichers. Mit all diesen technologischen Übergängen ist es nun möglich, sich Wege vorzustellen, wie Unternehmen Daten nutzen können, die vor fünf Jahren undenkbar gewesen wären.
Aber kein Technologiewandel geschieht isoliert; Es passiert, wenn ein wichtiger Bedarf besteht, der durch die Verfügbarkeit und Reifung von Technologie gedeckt werden kann. Viele der Technologien, die im Mittelpunkt von Big Data stehen, wie Virtualisierung, Parallelverarbeitung, verteilte Dateisysteme und In-Memory-Datenbanken, gibt es schon seit Jahrzehnten.
Fortgeschrittene Analytik gibt es auch schon seit Jahrzehnten, obwohl sie nicht immer praktikabel waren. Andere Technologien wie Hadoop und MapReduce sind erst seit wenigen Jahren auf dem Markt. Diese Kombination von technologischen Fortschritten kann jetzt signifikante Geschäftsprobleme angehen. Unternehmen wollen Erkenntnisse und verwertbare Ergebnisse aus vielen verschiedenen Daten mit der richtigen Geschwindigkeit gewinnen können.
Wenn Unternehmen Petabytes an Daten analysieren können (entspricht 20 Millionen Aktenschränken mit vier Schubladen, die mit Textdateien oder 13. 3 Jahre HDTV-Inhalten gefüllt sind) mit akzeptabler Leistung, um Muster und Anomalien zu erkennen, können Unternehmen anfangen, Daten zu verstehen. auf neue Weise.Beim Umstieg auf Big Data geht es nicht nur um Unternehmen.
Wissenschaft, Forschung und Regierungsaktivitäten haben ebenfalls dazu beigetragen, es voranzutreiben. Denken Sie nur daran, das menschliche Genom zu analysieren oder sich mit allen astronomischen Daten zu befassen, die in den Observatorien gesammelt wurden, um unser Verständnis der Welt um uns herum zu fördern. Denken Sie an die Menge an Daten, die die Regierung in ihren Anti-Terror-Aktivitäten sammelt, und Sie haben die Vorstellung, dass es bei Big Data nicht nur ums Geschäft geht.
Es gibt verschiedene Ansätze zum Umgang mit Daten. Daten in Bewegung würden verwendet, wenn ein Unternehmen in der Lage wäre, die Qualität seiner Produkte während des Herstellungsprozesses zu analysieren, um kostspielige Fehler zu vermeiden. Daten in Ruhe würden von einem Geschäftsanalysten verwendet werden, um die aktuellen Kaufmuster der Kunden besser zu verstehen, basierend auf allen Aspekten der Kundenbeziehung, einschließlich Verkauf, Social-Media-Daten und Kundendienstinteraktionen.
Denken Sie daran, dass sich Unternehmen noch in einem frühen Stadium befinden, um große Datenmengen zu nutzen, um eine 360-Grad-Ansicht des Geschäfts zu erhalten und Veränderungen und Veränderungen der Kundenerwartungen zu antizipieren. Die Technologien, die erforderlich sind, um die Antworten der Unternehmen zu erhalten, sind immer noch voneinander isoliert.
Bei Big Data geht es nicht nur um ein Tool oder eine Technologie. Es geht darum, wie alle diese Technologien zusammenkommen, um die richtigen Einsichten zur richtigen Zeit auf der Grundlage der richtigen Daten zu liefern - unabhängig davon, ob sie von Menschen, Maschinen oder dem Internet generiert werden.
