Nozioni di base sui dati statici e in streaming in Predictive Analyics - dummies

I dati nell'analisi predittiva possono essere identificati come in streaming, statici o un mix dei due. I dati in streaming cambiano continuamente; gli esempi includono il flusso costante di aggiornamenti di Facebook, i tweet su Twitter e i prezzi delle azioni in costante evoluzione mentre il mercato è ancora aperto.

I dati in streaming cambiano continuamente; dati statici è autonomo e racchiuso. I problemi associati ai dati statici includono lacune, valori anomali o dati errati, ognuno dei quali potrebbe richiedere un po 'di pulizia, preparazione e pre-elaborazione prima di poter utilizzare i dati statici per un'analisi.

Come per i dati in streaming, possono sorgere altri problemi. Il volume può essere un problema; l'enorme quantità di dati non-stop che arrivano costantemente può essere schiacciante. E più velocemente i dati sono in streaming, più difficile sarà l'analisi a raggiungere.

I due modelli principali per analizzare i dati in streaming sono i seguenti:

• Esaminare solo i punti dati più recenti e prendere una decisione sullo stato del modello e sulla sua prossima mossa. Questo approccio è incrementale - essenzialmente costruendo un'immagine dei dati man mano che arriva.

• Valuta l'intero set di dati, o un sottoinsieme di esso, per prendere una decisione ogni volta che arrivano nuovi punti dati. Questo approccio include più punti dati nell'analisi - ciò che costituisce il set di dati "intero" cambia ogni volta che vengono aggiunti nuovi dati.

A seconda della natura della tua attività e dell'impatto previsto della decisione, un modello è preferibile rispetto all'altro.

Alcuni domini aziendali, come l'analisi di dati ambientali, di mercato o di intelligence, premiano nuovi dati che arrivano in tempo reale. Tutti questi dati devono essere analizzati mentre vengono trasmessi in streaming e interpretati non solo correttamente ma immediatamente.

Sulla base delle nuove informazioni disponibili, il modello ridisegna l'intera rappresentazione interna del mondo esterno. In questo modo puoi disporre delle basi più aggiornate per una decisione che potresti dover prendere e agire rapidamente.

Ad esempio, un modello di analisi predittiva può elaborare un prezzo azionario come un feed di dati, anche mentre i dati cambiano rapidamente, analizzare i dati nel contesto delle condizioni di mercato immediate esistenti in tempo reale e quindi decidere se negoziare un stock particolare.

Chiaramente, l'analisi dei dati in streaming differisce dall'analisi dei dati statici. Analizzare un mix di entrambi i tipi di dati può essere ancora più difficile.