最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

译:在2014年用大数据取得成功的秘诀分享

[复制链接]
跳转到指定楼层
楼主
发表于 2014-11-14 08:56:15 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
本帖最后由 乔帮主 于 2014-11-14 08:59 编辑

正当你认为大数据无法变得更大时,它依旧变得更大。不管它的实际大小,大数据正显示出它的价值。各种组织都有各种形式和大小的大数据。他们认识到了重要性、机遇,甚至关注的必要性。这已经变得很明确,大数据将使那些忽视它的人过得不舒服。
那些已经驯服大数据的组织 – 他们自己知道它的价值之前进行的多结构化海量存储 – 正在提高其运营效率,不断增加自己的收入,并产生新的商业模式。
他们是怎么做到的呢?他们的技术成功可以归纳为以下秘诀。
1.通过短期思考进行长远考虑
并不是只有你一个人担心当前大数据技术。一切都发展如此之快,以至于我们不可能知道哪些工具,平台和方法将是今年或明年最好的。
放松。这种快速的发展可以为你所用。
每年,供应商使用大数据将会变得越来越熟悉。无论是内部部署还是在云中运行,关系和网上交易系统(OLTP)将变得更有效率,更智能。技术的发展将缓解hadoop和数据仓库之间的关系。并且产品进入市场,总是会更加准确的的满足您的特定需求。
因此,保持放松。对新产品的可能性保持开放,只要它们提供足够的价值来证明把它们集成到现有环境中。保持商业智能平台,这种平台会直接连接到各种各样的格式。你现在要为市场能提供的一切做好准备。
2.看穿了错误的选择
Hadoop或者数据仓库,这将您的组织需要的吗?啊,但是这是一个有趣的问题。和Hadoop的数据仓库不但可以很好地一起工作,组织实际上会受益于他们的合作。
数据仓库是最适合紧缩你的重要的结构化数据,并存储它,BI工具和仪表板可以很容易地找到它。但是对于一些分析处理和某些类型的转变,它的能力和速度是不足的。
Hadoop可以做到这一点。此外,虽然Hadoop在交互查询和数据管理方面不强,但是它擅长于处理非结构化的,复杂的数据。
它们共同构成一种共生关系。想象一下,例如,管理人员用这些数据来来预测明年的库存需要。该数据集可能是巨大的,并且几乎没有时间去模拟它,调整它,或准备把它给数据仓库准备好。当高管们要处理它时,也许一周之内他们就要搞定。这就是什么时候Hadoop会升级,以存储和细化数据并把样本发送到数据仓库中。
“大数据是不能代替数据仓库的,”Third Nature的CEO马克•马德森在他的文章“大数据是关于什么的。”中写道,“它也不是需要单独维护一个孤岛。这是新的IT环境的一部分。”
不要落入非Hadoop即数据仓库的陷阱。你可以而且应该同时使用它们。
3.平视大数据
当你思考大数据的时候,你应该平视它。Aberdeen Group的2013年报告发现,“使用可视化搜索工具的组织中,48%的BI用户都能够在没有IT人员帮助的情形下找到他们需要信息”没有可视化,这一比率会下降到只有23% 。
此外,根据这项研究可以发现,管理人员使用可视化数据发现比同行没有可视化的数据发现及时信息的可能性高出28%。
当涉及到大数据,也许最重要的是,该报告发现,可视化还利于和数据进行互动。管理人员使用可视化数据是他们的同行和数据进行互动的两倍(33%对15%)。他们也可能一时兴起询问问题,这些问题往往是由之前产生了片刻的见解启发的问题。
探索数据可视化让数据的故事以大脑可以一瞬间抓住的方式生动地展现出来。 “一个灯泡熄灭,”富国银行战略规划副总裁达纳朱伯说:“你只是没有用电子表格达到那个水平。”
可视化分析可以让你在任何时候做两件事情:
1.改变你这个在观察的数据 – 因为不同的问题,往往需要不同的数据。
2.改变你看待它的方式 – 因为每个视图可以回答不同的问题。
通过这些简单的步骤,你进入所谓的可视化分析的循环:你得到数据,查看数据,问及并回答问题,并重复。每一次,您的询问将加深您的见解。您可以向下钻取,向上追溯,或横跨钻探。您可能会带来新的数据。当可视化加速扩展你的思维的时候,你可以创建视图后视图。
译者:北理大数据教育苏道强老师



楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-3 09:25

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表