Casa Finanza personale La creazione di strutture gestite di Big Data - manichini

La creazione di strutture gestite di Big Data - manichini

Video: ALBERTO BAGNAI - CE LO CHIEDE L'EUROPA 2025

Video: ALBERTO BAGNAI - CE LO CHIEDE L'EUROPA 2025
Anonim

Mentre l'informatica si spostava nel mercato commerciale, i dati venivano archiviati in file flat che non imponevano alcuna struttura. Oggi, i big data richiedono strutture dati gestibili. Quando le aziende dovevano raggiungere un livello di comprensione dettagliata dei clienti, dovevano applicare metodi a forza bruta, compresi modelli di programmazione molto dettagliati per creare un certo valore.

Più tardi negli anni '70, le cose cambiarono con l'invenzione del modello di dati relazionali e del sistema di gestione dei database relazionali (RDBMS) che impose la struttura e un metodo per migliorare le prestazioni. Ancora più importante, il modello relazionale ha aggiunto un livello di astrazione in modo che fosse più facile per i programmatori soddisfare le crescenti esigenze aziendali di estrarre valore dai dati.

Il modello relazionale ha offerto un ecosistema di strumenti da un gran numero di società di software emergenti. Ha colmato un crescente bisogno di aiutare le aziende a organizzare meglio i loro dati ed essere in grado di confrontare le transazioni da una geografia all'altra.

Inoltre, ha aiutato i dirigenti aziendali che volevano essere in grado di esaminare informazioni come l'inventario e confrontarlo con le informazioni sugli ordini dei clienti a fini decisionali. Ma da questa esplosione di richieste di risposte emergeva un problema: la memorizzazione di questo crescente volume di dati era costosa e l'accesso era lento. A peggiorare le cose, esistevano molte duplicazioni di dati e l'effettivo valore commerciale di quei dati era difficile da misurare.

Quando il volume di dati che le organizzazioni dovevano gestire crescevano senza controllo, il data warehouse forniva una soluzione. Il data warehouse ha consentito all'organizzazione IT di selezionare un sottoinsieme dei dati memorizzati, in modo che fosse più facile per l'azienda cercare di ottenere informazioni approfondite.

Il data warehouse aveva lo scopo di aiutare le aziende a gestire quantità sempre maggiori di dati strutturati che dovevano essere in grado di analizzare riducendo il volume dei dati a qualcosa di più piccolo e più focalizzato su una particolare area dell'azienda. Riempiva la necessità di separare l'elaborazione del supporto decisionale operativo e il supporto decisionale - per motivi di prestazioni.

I magazzini spesso memorizzano i dati degli anni precedenti per comprendere le prestazioni dell'organizzazione, identificare le tendenze e aiutare a esporre modelli di comportamento. Ha inoltre fornito una fonte integrata di informazioni provenienti da varie fonti di dati che potrebbero essere utilizzate per l'analisi. Oggi, sia i sistemi di gestione dei contenuti che i data warehouse sono in grado di trarre vantaggio dai miglioramenti nella scalabilità dell'hardware, dalle tecnologie di virtualizzazione e dalla capacità di creare sistemi hardware e software integrati.

A volte questi stessi data warehouse erano troppo complessi e grandi e non offrivano la velocità e l'agilità richieste dall'azienda. La risposta è stata un ulteriore perfezionamento dei dati gestiti tramite data mart. Questi data mart sono stati incentrati su specifici problemi di business e hanno supportato l'esigenza aziendale di query veloci. Il magazzino si è evoluto per supportare tecnologie emergenti come sistemi integrati e dispositivi dati.

I data warehouse e i data mart risolvono molti problemi per le aziende che necessitano di un modo coerente per gestire enormi dati transazionali. Ma quando si trattava di gestire enormi volumi di dati non strutturati o semi-strutturati, il magazzino non era in grado di evolvere abbastanza per soddisfare le mutevoli esigenze.

Per complicare le cose, i data warehouse vengono in genere alimentati a intervalli di lotti, di solito settimanali o giornalieri. Ciò va bene per la pianificazione, la rendicontazione finanziaria e le tradizionali campagne di marketing, ma è troppo lento per ambienti aziendali e di consumo sempre più in tempo reale.

In che modo le aziende sarebbero in grado di trasformare i loro tradizionali approcci di gestione dei dati per gestire il volume in espansione di elementi di dati non strutturati? La soluzione non è emersa da un giorno all'altro. Quando le aziende hanno iniziato a memorizzare dati non strutturati, i fornitori hanno iniziato ad aggiungere funzionalità come BLOB (oggetti binari di grandi dimensioni).

In sostanza, un elemento di dati non strutturati verrebbe archiviato in un database relazionale come una porzione contigua di dati. Questo oggetto potrebbe essere etichettato ma non è stato possibile vedere cosa c'era dentro quell'oggetto. Chiaramente, questo non avrebbe risolto le mutevoli esigenze del cliente o del business.

Inserire il sistema di gestione del database degli oggetti (ODBMS). Il database degli oggetti memorizzava il BLOB come un insieme indirizzabile di pezzi in modo da poter vedere cosa c'era dentro. A differenza del BLOB, che era un'unità indipendente aggiunta a un database relazionale tradizionale, il database degli oggetti forniva un approccio unificato per gestire i dati non strutturati.

I database di oggetti includono un linguaggio di programmazione e una struttura per gli elementi di dati in modo che sia più facile manipolare vari oggetti di dati senza programmazione e join complessi. I database degli oggetti hanno introdotto un nuovo livello di innovazione che ha contribuito a condurre alla seconda ondata di gestione dei dati.

La creazione di strutture gestite di Big Data - manichini

Scelta dell'editore

Come salvare le immagini in un file immagine in R - dummies

Come salvare le immagini in un file immagine in R - dummies

Se vuoi pubblicare le tue risultati, è necessario salvare la trama in un file in R e quindi importare questo file grafico in un altro documento. Tuttavia, per la maggior parte del tempo, potresti semplicemente voler utilizzare la grafica R in modo interattivo per esplorare i tuoi dati. Per salvare un grafico su un'immagine ...

Come cercare più parole in R - dummies

Come cercare più parole in R - dummies

Quando si lavora con il testo in R, potrebbe essere necessario per trovare parole o motivi all'interno del testo. Immagina di avere una lista degli stati negli Stati Uniti e vuoi scoprire quali nomi di stato consistono in due parole. Per trovare sottostringhe, è possibile utilizzare la funzione grep (), che prende due argomenti essenziali: ...

Come cercare le singole parole in R - dummies

Come cercare le singole parole in R - dummies

Quando lavori con il testo, spesso tu può risolvere i problemi se riesci a trovare parole o motivi all'interno del testo. R rende questo facile da fare. Immagina di avere una lista degli stati negli Stati Uniti e vuoi scoprire quale di questi stati contiene la parola Nuovo. Per indagare su questo ...

Scelta dell'editore

Come calcolare le detrazioni e i crediti di imposta sugli investimenti immobiliari per l'esame di licenza immobiliare

Come calcolare le detrazioni e i crediti di imposta sugli investimenti immobiliari per l'esame di licenza immobiliare

Una detrazione fiscale è qualcosa che puoi vedere nell'esame di licenza immobiliare che puoi detrarre dal reddito di un investimento immobiliare per ridurre le tasse. Un credito d'imposta è qualcosa che puoi detrarre dalle tasse dovute. I governi federali e talvolta statali creano programmi che consentono crediti d'imposta o detrazioni per ...

Fattori economici che influenzano il valore per l'esame di licenza immobiliare - dummies

Fattori economici che influenzano il valore per l'esame di licenza immobiliare - dummies

Valore doesn ' semplicemente succede; le persone devono crearlo. La maggior parte di queste azioni personali che saranno trattate durante l'esame di licenza immobiliare, di solito chiamate influenze economiche, non sono altro che normali comportamenti umani. Il test pone due tipi di domande su questi principi o fattori economici. Vedrai domande sulle definizioni e ...

Come calcolare le aliquote fiscali per l'esame di licenza immobiliare - dummy

Come calcolare le aliquote fiscali per l'esame di licenza immobiliare - dummy

Pur calcolando la tassa le tariffe non sono qualcosa che devi sapere esattamente come fare per l'esame di licenza immobiliare, è qualcosa che devi capire in generale per rispondere a domande di non-matematica sul processo. Sapere come calcolare le tasse non è una cosa brutta da sapere, perché probabilmente si pagano le tasse di proprietà e ...

Scelta dell'editore

Suggerimenti per la registrazione Regole di gioco logiche sull'LSAT - manichini

Suggerimenti per la registrazione Regole di gioco logiche sull'LSAT - manichini

La maggior parte dei giochi di logica sull'LSAT hanno tre, quattro o cinque condizioni o regole che limitano il modo in cui giochi con i pezzi. Per ordinare i giochi, le restrizioni forniscono indizi su come i pezzi possono essere posizionati in relazione l'uno con l'altro. I tipi comuni di regole di ordinazione sono obiettivi, distanziatori e arrangiatori. Regole di destinazione I bersagli danno ...

Come gestire il tuo tempo con saggezza sul TASC - dummies

Come gestire il tuo tempo con saggezza sul TASC - dummies

Perché ogni sezione del TASC, oppure Prova l'esame di completamento secondario, ha un limite di tempo, vorrai essere consapevole di quanto tempo è passato mentre stai facendo il test. Un modo per gestire efficacemente il tuo tempo è semplicemente indossando un orologio. I centri di test potrebbero non avere sempre un orologio disponibile e ...

Rendendo più semplice il giorno di prova SSAT o ISEE - manichini

Rendendo più semplice il giorno di prova SSAT o ISEE - manichini

Non è possibile effettuare SSAT o ISEE più facile, ma puoi iniziare la giornata di test correttamente e renderlo più semplice e meno stressante, il che può portare a risultati migliori durante l'esame di ammissione. Ecco alcuni suggerimenti da tenere a mente al giorno del test SSAT o ISEE: riposati molto. La ...