Casa Finanza personale Livello 4 del Big Data Stack: Magazzini di dati analitici - manichini

Livello 4 del Big Data Stack: Magazzini di dati analitici - manichini

Video: Developer Keynote: Get to the Fun Part (Cloud Next '19) 2025

Video: Developer Keynote: Get to the Fun Part (Cloud Next '19) 2025
Anonim

Il data warehouse, il livello 4 del grande stack di dati e il suo compagno il data mart, sono stati a lungo le tecniche primarie che le organizzazioni utilizzano per ottimizzare i dati per aiutare i decisori. In genere, data warehouse e mart contengono dati normalizzati raccolti da una varietà di fonti e assemblati per facilitare l'analisi del business.

Data warehouse e date semplificano la creazione di report e la visualizzazione di elementi di dati disparati. Generalmente vengono creati da database relazionali, database multidimensionali, file flat e database di oggetti, in pratica qualsiasi architettura di archiviazione. In un ambiente tradizionale, in cui le prestazioni potrebbero non essere la priorità più elevata, la scelta della tecnologia sottostante è guidata dai requisiti per l'analisi, il reporting e la visualizzazione dei dati aziendali.

Poiché l'organizzazione dei dati e la sua disponibilità all'analisi sono fondamentali, la maggior parte delle implementazioni del data warehouse sono mantenute aggiornate tramite l'elaborazione batch. Il problema è che i data warehouse e i datamart caricati su batch potrebbero non essere sufficienti per molte applicazioni Big Data. Lo stress imposto dai flussi di dati ad alta velocità richiederà probabilmente un approccio più in tempo reale ai grandi magazzini di dati.

Ciò non significa che non si stia creando e alimentando un data warehouse analitico o un data mart con processi batch. Piuttosto, si potrebbe finire per avere più data warehouse o data mart, e le prestazioni e la scala rifletteranno i requisiti di tempo degli analisti e dei responsabili delle decisioni.

Poiché molti data warehouse e data mart sono costituiti da dati raccolti da varie fonti all'interno di un'azienda, devono essere affrontati anche i costi associati alla pulizia e alla normalizzazione dei dati. Con i big data, si riscontrano alcune differenze chiave:

  • I flussi di dati tradizionali (da transazioni, applicazioni e così via) possono produrre molti dati disparati.

  • Esistono anche dozzine di nuove fonti di dati, ognuna delle quali richiede un certo grado di manipolazione prima che possa essere tempestiva e utile per il business.

  • Le sorgenti di contenuto dovranno anche essere pulite, e queste potrebbero richiedere tecniche diverse da quelle che potresti utilizzare con i dati strutturati.

Storicamente, i contenuti dei data warehouse e dei data mart sono stati organizzati e consegnati ai dirigenti aziendali responsabili della strategia e della pianificazione. Con i big data, una nuova serie di team sta sfruttando i dati per prendere decisioni.

Molte implementazioni di big data forniscono funzionalità in tempo reale, quindi le aziende dovrebbero essere in grado di fornire contenuti per consentire alle persone con ruoli operativi di affrontare problemi come assistenza clienti, opportunità di vendita e interruzioni del servizio quasi in tempo reale.In questo modo, i big data aiutano a spostare l'azione dal back office al front office.

Gli strumenti e le tecniche di analisi esistenti saranno molto utili per dare un senso ai big data. Tuttavia, c'è un problema. Gli algoritmi che fanno parte di questi strumenti devono essere in grado di lavorare con grandi quantità di dati potenzialmente in tempo reale e disparati. L'infrastruttura dovrà essere presente per supportare questo.

Inoltre, i fornitori che forniscono strumenti di analisi dovranno anche assicurarsi che i loro algoritmi funzionino attraverso implementazioni distribuite. A causa di queste complessità, aspettiamo una nuova classe di strumenti per aiutare a dare un senso ai big data.

Ci sono tre classi di strumenti in questo livello dell'architettura di riferimento. Possono essere usati indipendentemente o collettivamente dai decisori per aiutare a guidare l'azienda. Le tre classi di strumenti sono le seguenti:

  • Reporting e dashboard: Questi strumenti forniscono un & ldquo; user-friendly & rdquo; rappresentazione delle informazioni da varie fonti. Sebbene sia un pilastro nel mondo dei dati tradizionali, quest'area è ancora in evoluzione per i big data. Alcuni degli strumenti che vengono utilizzati sono quelli tradizionali che ora possono accedere ai nuovi tipi di database definiti collettivamente NoSQL (Non solo SQL).

  • Visualizzazione: Questi strumenti rappresentano il prossimo passo nell'evoluzione del reporting. L'output tende ad essere altamente interattivo e dinamico in natura. Un'altra importante distinzione tra report e output visualizzato è l'animazione. Gli utenti aziendali possono osservare i cambiamenti nei dati utilizzando una varietà di diverse tecniche di visualizzazione, tra cui mappe mentali, mappe di calore, infografica e diagrammi di connessione. La segnalazione e la visualizzazione avvengono alla fine dell'attività aziendale.

  • Analitica e analisi avanzate: Questi strumenti raggiungono il data warehouse e elaborano i dati per il consumo umano. L'analisi avanzata dovrebbe esplicare tendenze o eventi che sono trasformativi, unici o rivoluzionari rispetto alle pratiche commerciali esistenti. L'analisi predittiva e l'analisi dei sentimenti sono buoni esempi di questa scienza.

Livello 4 del Big Data Stack: Magazzini di dati analitici - manichini

Scelta dell'editore

Il programma in cinque passaggi per superare la menopausa - dummy

Il programma in cinque passaggi per superare la menopausa - dummy

Alcune donne capiscono a malapena che la menopausa è loro. Altre donne, tuttavia, sono meno fortunate. Se sei uno di questi, prendi in mano questi pochi modi per rendere la tua esperienza più facile per te stesso: capisci e accetta che stai attraversando una transizione naturale, proprio come la pubertà. Fortunatamente, sei più vecchio e più saggio di te ...

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa For Dummies Cheat Sheet (edizione UK) - dummies

Menopausa segna la fine della fase riproduttiva della tua vita e così è un momento significativo di cambiamento fisico, emotivo e mentale per molte donne ma, per generazioni, donne di tutte le età hanno vagato alla cieca in menopausa senza sapere cosa aspettarsi. Qui puoi scoprire alcune delle nozioni di base.

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Perimenopausa: facilitare la transizione dalle mestruazioni alla menopausa - manichini

Mestruazioni e menopausa sono ben noti biologici pietre miliari nella vita di una femmina. Contrariamente al pensiero popolare, la menopausa non è il periodo di mesi o anni in cui una donna sta "attraversando il cambiamento". "Questo lasso di tempo è chiamato perimenopausa. La menopausa è una data effettiva nel tempo. In particolare, è il 12 ° anniversario dell'ultimo ciclo mestruale di una donna. ...

Scelta dell'editore

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

Come utilizzare il filtro automatico personalizzato su una tabella di Excel - dummies

È Possibile creare un filtro automatico personalizzato . Per fare ciò, seleziona il comando Filtro testo dal menu della tabella e scegli una delle opzioni di filtro del testo. Indipendentemente dall'opzione di filtro del testo selezionata, Excel visualizza la finestra di dialogo Filtro automatico personalizzato. Questa finestra di dialogo consente di specificare con estrema precisione quali record si desidera ...

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

Come utilizzare la funzione DPRODUCT in un database Excel - dummies

DPRODUCT moltiplica i valori che corrispondono al criterio in un database Excel. Questo è potente ma anche in grado di produrre risultati che non sono l'intenzione. In altre parole, è una cosa da aggiungere e ricavare una somma. Questa è un'operazione comune su un set di dati. Osservando la seguente figura, è possibile ...

Come utilizzare la funzione DPRODUCT in Excel - dummy

Come utilizzare la funzione DPRODUCT in Excel - dummy

La funzione DPRODUCT in Excel è strana. La funzione DPRODUCT moltiplica i valori nei campi da un elenco di database in base ai criteri di selezione. Perché vorresti farlo? Chissà. La funzione utilizza la sintassi = DPRODUCT (database, campo, criteri) in cui il database è un riferimento all'intervallo alla tabella di Excel che contiene il valore desiderato ...

Scelta dell'editore

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Programmazione con Java: riutilizzo dei nomi nella tua app per Android - dummies

Ci sono un paio di cose a cui vuoi pensare quando riutilizzi i nomi nella tua app per Android. È possibile dichiarare due variabili Java - bag1 e bag2 - per fare riferimento a due diversi oggetti BagOfCheese. Va bene. Ma a volte, avere solo una variabile e riutilizzarla per il secondo oggetto funziona altrettanto bene, ...

Java: Mettere a frutto l'uso della classe - dummies

Java: Mettere a frutto l'uso della classe - dummies

La classe Employee nell'elenco non ha alcun metodo principale , quindi non c'è un punto di partenza per l'esecuzione del codice. Per risolvere questo problema, il programmatore scrive un programma separato con un metodo principale e utilizza tale programma per creare istanze Employee. Questo elenco di codici mostra una classe con un metodo principale - uno che inserisce il ...

Classi wrapper java - dummies

Classi wrapper java - dummies

La differenza tra tipi primitivi e tipi di riferimento è una delle funzionalità più controverse di Java e gli sviluppatori si lamentano spesso sulle differenze tra valori primitivi e valori di riferimento. Ogni tipo primitivo viene cotto nella lingua. Java ha otto tipi primitivi. Ogni tipo di riferimento è una classe o un'interfaccia. È possibile definire il proprio ...