Případy použití hry Změna velkých dat

Big Data mohou řešit potíže, kterým čelí velké organizace. Níže jsou uvedeny příklady případů použití velkých dat Big Data, které se používají k řešení problémů, kterým čelí.

'

Big Data mohou řešit různé obtíže, jimž čelí velké organizace. Následují vysoce hodnotné případy použití Big Data, které lze použít k řešení problémů, kterým čelí.





Průzkum velkých dat

Big Data exploration se zabývá výzvami, jako jsou informace uložené v různých systémech a přístup k těmto datům za účelem plnění každodenních úkolů, kterým čelí velká organizace. Průzkum velkých dat vám umožňuje analyzovat data a získat z nich cenné poznatky.



Vylepšené 360 ° pohledy zákazníků

Vylepšení stávajících názorů zákazníků pomáhá získat úplné porozumění zákazníkům, řešení otázek, jako je to, proč nakupují, jak raději nakupují, proč se mění, co kupují dále a jaké funkce jim umožňují doporučit společnost ostatním.

Rozšíření zabezpečení / zpravodajství



Vylepšení platforem pro kybernetickou bezpečnost a analýzu inteligence pomocí technologií Big Data za účelem zpracování a analýzy nových typů ze sociálních médií, e-mailů, senzorů a Telco, snížení rizik, detekce podvodů a monitorování kybernetické bezpečnosti v reálném čase, aby se výrazně zlepšily zpravodajské, bezpečnostní a policejní pohledy .

Analýza operací

Provozní analýza je o použití technologií Big Data k umožnění nové generace aplikací, které analyzují velké objemy více strukturovaných dat, jako jsou stroje a provozní údaje, za účelem zlepšení podnikání. Tato data mohou zahrnovat cokoli od IT strojů po senzory a měřiče a zařízení GPS vyžadují komplexní analýzu a korelaci mezi různými typy datových sad.

Modernizace datového skladu

casting double to int v java

Big Data je třeba integrovat s funkcemi datového skladu, aby se zvýšila provozní efektivita. Zbavení zřídka přístupných nebo starých dat ze skladových a aplikačních databází lze provést pomocí softwaru a nástrojů pro integraci informací.

Společnosti a jejich velké datové aplikace:

Guangdong Mobily:

Guangdong, populární mobilní skupina v Číně, používá Hadoop k odstranění překážek v přístupu k datům a odhalení vzorů využití zákazníků pro přesnou a cílenou propagaci trhu a Hadoop HBase k automatickému rozdělení datových tabulek mezi uzly za účelem rozšíření datového úložiště.

Red Sox:

Šampióni World Series narážejí na obrovské objemy strukturovaných a nestrukturovaných dat souvisejících s hrou, jako je počasí, tým soupeře a propagační akce před hrou. Big Data jim umožňuje poskytovat předpovědi o hře a jak přidělit zdroje na základě očekávaných variací v nadcházející hře.

Nokia:

Big Data pomohla společnosti Nokia efektivně využívat jejich data k pochopení a zlepšení zkušeností uživatelů s jejich produkty. Společnost využívá zpracování dat a komplexní analýzy k vytváření map s prediktivním provozem a vrstvami výškových modelů. Nokia pro výše uvedenou aplikaci používá platformu Hadoop společnosti Cloudera a komponenty Hadoop, jako jsou HBase, HDFS, Sqoop a Scribe.

Huawei:

Řešení Huawei OceanStor N8000-Hadoop Big Data je vyvinuto na základě pokročilé klastrované architektury a schopnosti úložiště na podnikové úrovni a jeho integrace s výpočetním rámcem Hadoop. Tato inovativní kombinace pomáhá podnikům získat výsledky analýzy a zpracování v reálném čase z vyčerpávajícího výpočtu a analýzy dat, zlepšuje rozhodování a efektivitu, usnadňuje správu a snižuje náklady na síť.

SAS:

SAS v kombinaci s Hadoopem pomohlo vědcům v oblasti dat transformovat velká data na větší přehledy. Výsledkem je, že SAS přišel s prostředím, které poskytuje vizuální a interaktivní zážitek, což usnadňuje získávání poznatků a zkoumání nových trendů. Účinné analytické algoritmy extrahují cenné poznatky z dat, zatímco technologie v paměti umožňuje rychlejší přístup k datům.

CERN:

Big Data hraje důležitou roli v CERNu, domovském velkém Hadron Supercollideru, protože sbírá neuvěřitelné množství dat ze svých 40 milionů obrázků za sekundu ze svých 100 megapixelových fotoaparátů, což dává 1 petabajt dat za sekundu. Je třeba analyzovat data z těchto kamer. Laboratoř experimentuje s způsoby, jak umístit více dat ze svých experimentů do relačních databází a datových úložišť založených na technologiích NoSQL, jako jsou Hadoop a Dynamo, v cloudové službě Amazon S3

Buzzdata:

Buzzdata pracuje na projektu Big Data, kde potřebuje kombinovat všechny zdroje a integrovat je na bezpečném místě. To vytváří skvělé místo pro připojení novinářů a normalizaci veřejných dat.

Ministerstvo obrany:

Ministerstvo obrany (DoD) investovalo přibližně 250 milionů dolarů do využití a využití obrovského množství dat, aby bylo možné vyvinout systém, který bude moci kontrolovat a činit autonomní rozhodnutí a pomáhat analytikům poskytovat podporu operacím. Oddělení plánuje zvýšit své analytické schopnosti stokrát, získat informace z textů v jakémkoli jazyce a ekvivalentní zvýšení počtu objektů, činností a událostí, které mohou analytici analyzovat.

Agentura pro obranné výzkumné projekty (DARPA):

DARPA má v úmyslu investovat přibližně 25 milionů USD do zlepšení výpočetních technik a softwarových nástrojů pro analýzu velkého množství polostrukturovaných a nestrukturovaných dat.

binární až desítkový java kód

Národní institut zdraví:

Na 200 terabajtech dat obsažených v projektu 1000 genomů je vše připraveno jako ukázkový příklad velkých dat. Datové sady jsou tak masivní, že jen velmi málo vědců má výpočetní sílu pro analýzu dat.

Příklady použití velkých dat v různých průmyslových odvětvích:

Maloobchod / spotřebitel:

  • Analýza tržního koše a optimalizace cen
  • Merchandizing a analýza trhu
  • Správa a analýza dodavatelského řetězce
  • Cílení na základě chování
  • Segmentace trhu a spotřebitele

Služby v oblasti financí a podvodů:

  • Segmentace zákazníků
  • Dodržování předpisů a hlášení předpisů
  • Analýza a řízení rizik.
  • Detekce podvodů a bezpečnostní analýza
  • Podvody se zdravotním pojištěním
  • CRM
  • Úvěrové riziko, hodnocení a analýza
  • Dohled nad obchodem a analýza neobvyklých obchodních vzorců

Zdraví a vědy o životě:

  • Analýza údajů z klinických studií
  • Analýza vzorů nemocí
  • Analýza kvality péče o pacienta
  • Analýza vývoje léků

Telekomunikace:

  • Optimalizace cen
  • Prevence odchodů zákazníků
  • Analýza podrobného záznamu hovoru (CDR)
  • Výkon a optimalizace sítě
  • Analýza polohy mobilních uživatelů

Enterprise Data Warehouse:

  • Vylepšete EDW vyložením zpracování a skladování
  • Centrum předběžného zpracování před přechodem na EDW

Hraní:

  • Analýza chování

High Tech:

  • Optimalizujte převod cesty
  • Prediktivní podpora
  • Předvídat bezpečnostní hrozby
  • Analýza zařízení

Související příspěvky:

Kariéra zvýhodněna díky certifikaci Hadoop .

Rostoucí popularita Hadoop a MongoDB.

Jak důležité je školení Hadoop?

Nejčastější dotazy k Hadoop 2.0.