차례:
요즘에는 Apache Hadoop 및 관련 도구 사용에서 접근성 혁신, 중앙 기업 데이터웨어 하우스 안팎으로 데이터를 퍼널 링하는 기술적 인 방법에 대한 대화에 이르기까지 빅 데이터 IT 설정 생성과 관련된 내용에 대해 많은 이야기가 있습니다. 그러나 빅 데이터의 철학적 요소도 있습니다. 다시 말해, 비즈니스 성과를 높이고 비즈니스 모델을 향상시키기 위해 주위에있는 모든 데이터를 어떻게 사용합니까?
다음은 회사가 숫자를 무시하고 구체적인 결과에 적용하는 다섯 가지 방법입니다.
빅 데이터를 부문 별 플랫폼으로 직접 포팅
집계 된 비즈니스 데이터를 사용하는 쉬운 방법 중 하나는 특정 데이터 요소를 사전 설계된 비즈니스 프로세스 시스템에 배치하여 해당 데이터를 효과적으로 전달하는 것입니다. 아마도 가장 좋은 예는 CRM (고객 관계 관리) 도구 일 것입니다. 공급 업체는 종종 영업 직원 및 다른 사람들에게 효율적이고 실행 가능한 고객 파일 또는 폴더를 제공 할 수있는 대시 보드를 중심으로 서비스를 구축합니다.
CRM을 사용하면 필요한 데이터가 어딘가에 있다고 가정합니다. 고객 식별자를 그룹화하고, 이력 및 기타 관련 항목을 함께 묶을 수 있으면이 모든 것을 CRM 플랫폼으로 배송 할 수 있습니다. 영업팀이 감사합니다.
레거시 비즈니스 인텔리전스 시스템 구축
다시 말하지만, 사용하려는 특정 데이터 세트를 선택하고 선택하지만 회사가하는 또 다른 일은 기존 데이터에 점점 더 많은 빅 데이터 세트를 주입하여 데이터를 처리하는 일반적인 방법을 취하고 천천히 확장하는 것입니다 보고 기술.
따라서 레거시 시스템이 실제로 실제 진행을 얼마나 많이 보류하는지에 대한 몇 가지주의 리소스가 있습니다. 그러나 빅 데이터에 레거시 기술을 사용하는 방법, 수행 방법 및 올바른 직원이 모든 차이를 만들 수있는 방법을 보여주는 실용적인 가이드도 있습니다. 또한 기술적으로 배포 된 모든 것이 "레거시"이므로 더 나은 결과가 나올 때마다 레거시 시스템을 폐기하는 것이 항상 의미가있는 것은 아닙니다.
해당 데이터웨어 하우스 사용
중앙 저장소에 빅 데이터가 있고 액세스 방법을 알고 있다면 그 주위에 새로운 프로세스를 구축 할 수 있습니다.
다음은 일부 대기업이 구체적이고 정확한 빅 데이터 사용을 추구하는 방법에 대한 훌륭한 예입니다. 교차 인덱싱이라고 할 수 있습니다. 이는 기업이 소프트웨어 아키텍처의 다른 부분에있을 수있는 수많은 종류의 고객 계정간에 일관된 모델을 구성하는 데 도움이됩니다.
모든 실행 가능한 데이터를 결합하여 회사는 예를 들어 일회 판매 시점 소매 데이터베이스의 이름이 서비스 부서 중 하나의 이름과 일치하는지 확인할 수 있습니다. 그런 다음 회사는 정보를 두 부서로 가져 와서 누군가 전화를받을 때 그 사람이 두 채널에서 활동하고 있음을 알 수 있습니다.
이는 비즈니스 인텔리전스를 실제로 사용하는 것으로, 실제로 함께 스크랩 한 모든 빅 데이터를 기반으로 무언가를 수행하는 데 도움이됩니다.
구조 데이터
빅 데이터의 또 다른 주요 문제는 회사가 종종 구조화되지 않은 데이터를 수집한다는 것입니다. 비정형 데이터는 종이 또는 디지털 문서, 원시 또는 정제되지 않은 데이터베이스 리소스 또는 모바일 장치의 텍스트 및 코드 스 니펫 형태로 제공 될 수 있습니다. 비정형 데이터의 공통점은 관계형 데이터베이스 형식을 따르지 않는다는 것입니다. 결과적으로 기존의 관련 데이터베이스는이를 처리 할 수 없으며 비즈니스 인텔리전스를 얻을 수 없습니다.
이를 처리하는 두 가지 방법이 있습니다. 삽을 잡고 파기를 시작하거나 구조화되지 않은 데이터를 실행 가능한 데이터로 세분화하는 리소스를 확보하십시오. 새로운 소프트웨어에 투자하기를 원하지 않는 회사는 인간의 손을 사용하여 비정형 데이터를 정렬하고 올바르게 형식을 지정할 수 있지만 이제 비정형 데이터를 효과적으로 구문 분석하는 도구 덕분에 대안이 있습니다. 예를 들어 메타 데이터는 유용한 방법으로 데이터 마이닝을 자동화하는 한 가지 방법입니다.
데이터 레이크 식별 및 처리
빅 데이터 커뮤니티의 또 다른 큰 유행어는 데이터 레이크입니다. 본질적으로, 데이터 레이크는 사용되지 않은 거대한 데이터 풀입니다. 유휴 상태의 데이터에 대한 전형적인 정의입니다. 데이터로 수행 된 작업은 없으며, 방해받지 않으며, 정체 된 수역의 베니어처럼 춥고 온화합니다.
다시 말하지만 데이터 레이크를 처리하는 방법에는 여러 가지가 있지만, 모두 빅 데이터 세트에 무엇이 있는지, 그리고 왜 처음에 냉장 보관 중인지에 대해 검토하는 것부터 시작합니다. 회사는 자체 데이터 센터를 구축하고 초현대적 인 객체 지향 데이터 클러스터링 기술을 사용하여 이러한 데이터 레이크를 실행 가능한 부분으로 나눕니다. 이는 실제로 사례별로 이루어 지지만 일부 전문가들은 이러한 정보 레이크를 유용한 운하로 어떻게 연결하여 유용한 정보를 제공하여 유용한 정보를 만들어 낼 수있는 방법에 대한 제안을하고 있습니다.
