การวิเคราะห์ข้อมูลขนาดใหญ่ - เปลี่ยนข้อมูลเชิงลึกสู่การปฏิบัติ

เช่นเดียวกับจักรวาลทั้งหมดและกาแลคซีของเราถูกกล่าวว่าก่อตัวขึ้นเนื่องจากการระเบิดของบิ๊กแบงในทำนองเดียวกันเนื่องจากความก้าวหน้าทางเทคโนโลยีจำนวนมากข้อมูลจึงเพิ่มขึ้นอย่างทวีคูณซึ่งนำไปสู่การระเบิดของ Big Data ข้อมูลนี้มาจากแหล่งต่างๆมีรูปแบบที่แตกต่างกันสร้างขึ้นในอัตราที่ผันแปรและอาจมีความไม่สอดคล้องกัน ดังนั้นเราสามารถเรียกการระเบิดของข้อมูลเช่น .ฉันจะอธิบายหัวข้อต่อไปนี้ในบล็อกนี้เพื่อให้ข้อมูลเชิงลึกเกี่ยวกับ Big Data Analytics:

• ทำไมต้องใช้ Big Data Analytics
• Big Data Analytics คืออะไร?
• เครื่องมือข้อมูลขนาดใหญ่
• โดเมนข้อมูลขนาดใหญ่
• กรณีการใช้ข้อมูลขนาดใหญ่
• แนวโน้มในการวิเคราะห์ข้อมูลขนาดใหญ่

ทำไมต้องใช้ Big Data Analytics

ก่อนจะข้ามไปเล่าให้ฟังว่าคืออะไร Analytics ให้ฉันบอกพวกคุณเกี่ยวกับเหตุผลที่จำเป็น ผมขอเปิดเผยให้พวกคุณทราบด้วยว่าเราสร้างข้อมูลประมาณ 2.5 quintillion ไบต์ทุกวัน! ตอนนี้เราได้สะสม Big Data แล้วเราก็ไม่สามารถเพิกเฉยและปล่อยให้มันอยู่เฉยๆและทำให้มันสูญเปล่าไป

องค์กรและภาคส่วนต่างๆทั่วโลกเริ่มนำ Big Data Analytics มาใช้เพื่อให้ได้รับประโยชน์มากมาย Big Data Analytics ให้ข้อมูลเชิงลึกที่หลาย บริษัท เปลี่ยนเป็นการดำเนินการและสร้างผลกำไรมหาศาลตลอดจนการค้นพบ ฉันจะระบุเหตุผลสี่ประการดังกล่าวพร้อมกับตัวอย่างที่น่าสนใจ

เหตุผลประการแรกคือ

1. สร้างองค์กรที่ชาญฉลาดและมีประสิทธิภาพมากขึ้น
   ให้ฉันเล่าให้คุณฟังเกี่ยวกับองค์กรดังกล่าวคือกรมตำรวจนิวยอร์ก (NYPD) NYPD ใช้ Big Data และการวิเคราะห์อย่างชาญฉลาดเพื่อตรวจจับและระบุอาชญากรรมก่อนที่จะเกิดขึ้น พวกเขาวิเคราะห์รูปแบบการจับกุมในอดีตแล้วจับคู่กับเหตุการณ์ต่างๆเช่นวันหยุดของรัฐบาลกลางวันจ่ายเงินการจราจรปริมาณน้ำฝนเป็นต้นสิ่งนี้ช่วยพวกเขาในการวิเคราะห์ข้อมูลได้ทันทีโดยใช้รูปแบบข้อมูลเหล่านี้ ข้อมูลขนาดใหญ่และกลยุทธ์การวิเคราะห์ช่วยพวกเขาระบุสถานที่ก่ออาชญากรรมซึ่งพวกเขาส่งเจ้าหน้าที่ไปยังสถานที่เหล่านี้ ดังนั้นการไปถึงสถานที่เหล่านี้ก่อนก่ออาชญากรรมจึงป้องกันไม่ให้เกิดอาชญากรรม
   
   
2. เพิ่มประสิทธิภาพการดำเนินธุรกิจโดยการวิเคราะห์พฤติกรรมของลูกค้า องค์กรส่วนใหญ่ใช้การวิเคราะห์พฤติกรรมของลูกค้าเพื่อสร้างความพึงพอใจให้กับลูกค้าและด้วยเหตุนี้จึงเพิ่มฐานลูกค้า ตัวอย่างที่ดีที่สุดคือ Amazon Amazon เป็นหนึ่งในเว็บไซต์อีคอมเมิร์ซที่ดีที่สุดและใช้กันอย่างแพร่หลายโดยมีฐานลูกค้าประมาณ 300 ล้านคน พวกเขาใช้ข้อมูลคลิกสตรีมของลูกค้าและข้อมูลการซื้อในอดีตเพื่อให้ได้ผลลัพธ์ที่กำหนดเองบนหน้าเว็บที่กำหนดเอง กำลังวิเคราะห์ การคลิกของผู้เข้าชมทุกคนบนเว็บไซต์ช่วยให้พวกเขาเข้าใจพฤติกรรมการนำทางไซต์เส้นทางที่ผู้ใช้ซื้อผลิตภัณฑ์เส้นทางที่นำพวกเขาออกจากไซต์และอื่น ๆ ข้อมูลทั้งหมดนี้ช่วยให้ Amazon ปรับปรุงประสบการณ์การใช้งานของผู้ใช้ซึ่งจะช่วยปรับปรุงการขายและการตลาด
3. ลดต้นทุน เทคโนโลยีข้อมูลขนาดใหญ่และความก้าวหน้าทางเทคโนโลยีเช่นการประมวลผลแบบคลาวด์ทำให้เกิดข้อได้เปรียบด้านต้นทุนอย่างมากเมื่อต้องจัดเก็บและประมวลผลข้อมูลขนาดใหญ่ ให้ฉันบอกคุณว่าการดูแลสุขภาพใช้ Big Data Analytics เพื่อลดค่าใช้จ่ายได้อย่างไร ผู้ป่วยในปัจจุบันใช้อุปกรณ์เซ็นเซอร์ใหม่เมื่ออยู่ที่บ้านหรือนอกบ้านซึ่งจะส่งกระแสข้อมูลที่คงที่ซึ่งสามารถตรวจสอบและวิเคราะห์ได้แบบเรียลไทม์เพื่อช่วยให้ผู้ป่วยหลีกเลี่ยงการเข้ารับการรักษาในโรงพยาบาลโดยการจัดการสภาพของตนเองด้วยตนเองสำหรับผู้ป่วยในโรงพยาบาลแพทย์สามารถใช้การวิเคราะห์เชิงทำนายเพื่อเพิ่มประสิทธิภาพผลลัพธ์และลดการอ่านโรงพยาบาล Parkland ใช้การวิเคราะห์และแบบจำลองเชิงทำนายเพื่อระบุผู้ป่วยที่มีความเสี่ยงสูงและคาดการณ์ผลลัพธ์ที่เป็นไปได้เมื่อผู้ป่วยถูกส่งกลับบ้าน เป็นผลให้ Parkland ลดการอ่านข้อมูล 30 วันสำหรับผู้ป่วยที่มีภาวะหัวใจล้มเหลวลง 31%ประหยัดเงิน 500,000 เหรียญต่อปี

ผลิตภัณฑ์รุ่นใหม่

ด้วยความสามารถในการวัดความต้องการและความพึงพอใจของลูกค้าผ่านการวิเคราะห์พลังอำนาจในการให้สิ่งที่ลูกค้าต้องการ ฉันได้พบผลิตภัณฑ์ที่น่าสนใจสามอย่างที่จะกล่าวถึงที่นี่ อันดับแรก , Googleรถขับเองซึ่งทำให้เกิดการคำนวณหลายล้านครั้งในทุก ๆ การเดินทางซึ่งช่วยให้รถตัดสินใจได้ว่าจะเลี้ยวเมื่อใดและที่ไหนควรชะลอความเร็วหรือเพิ่มความเร็วและเมื่อใดที่ควรเปลี่ยนเลน - การตัดสินใจแบบเดียวกับที่คนขับทำหลังพวงมาลัย

วินาที หนึ่งคือNetflix ซึ่งมุ่งมั่นในการแสดง House of Cards ที่ได้รับความนิยมอย่างมากเป็นเวลาสองฤดูกาลโดยเชื่อมั่นใน Big Data Analytics! เมื่อปีที่แล้ว Netflix มีฐานผู้ติดตามในสหรัฐฯเพิ่มขึ้น 10% และเพิ่มสมาชิกเกือบ 20 ล้านคนจากทั่วโลก

ที่สาม ตัวอย่างเป็นหนึ่งในสิ่งใหม่ที่ยอดเยี่ยมที่ฉันได้พบคือเสื่อโยคะอัจฉริยะ ในครั้งแรกที่คุณใช้ Smart Mat ระบบจะนำคุณผ่านชุดการเคลื่อนไหวเพื่อปรับเทียบรูปร่างขนาดและข้อ จำกัด ส่วนบุคคลของคุณ ข้อมูลโปรไฟล์ส่วนบุคคลนี้ถูกเก็บไว้ในแอป Smart Mat ของคุณและจะช่วยให้ Smart Mat ตรวจจับได้เมื่อคุณไม่ได้จัดแนวหรือสมดุล เมื่อเวลาผ่านไปข้อมูลจะมีการพัฒนาโดยอัตโนมัติเมื่อคุณปรับปรุงการฝึกโยคะของคุณ

Big Data Analytics คืออะไร?

ตอนนี้ให้เรากำหนดอย่างเป็นทางการว่า“ Big Data Analytics คืออะไร” การวิเคราะห์ข้อมูลขนาดใหญ่จะตรวจสอบข้อมูลขนาดใหญ่และประเภทต่างๆเพื่อเปิดเผยรูปแบบความสัมพันธ์และข้อมูลเชิงลึกอื่น ๆ ที่ซ่อนอยู่ โดยทั่วไปแล้ว Big Data Analytics จะถูกใช้โดย บริษัท ต่างๆเพื่ออำนวยความสะดวกในการเติบโตและการพัฒนา สิ่งนี้เกี่ยวข้องกับการใช้อัลกอริธึมการขุดข้อมูลต่างๆกับชุดข้อมูลที่กำหนดซึ่งจะช่วยในการตัดสินใจที่ดีขึ้น

ขั้นตอนในการวิเคราะห์ข้อมูลขนาดใหญ่

ขั้นตอนต่อไปนี้ที่เกี่ยวข้องในกระบวนการวิเคราะห์ข้อมูลขนาดใหญ่:

ประเภทของการวิเคราะห์ข้อมูลขนาดใหญ่

มีสี่ประเภท:

1. การวิเคราะห์เชิงพรรณนา: ใช้การรวบรวมข้อมูลและการขุดข้อมูลเพื่อให้ข้อมูลเชิงลึกเกี่ยวกับอดีตและคำตอบ:“ เกิดอะไรขึ้น?” การวิเคราะห์เชิงพรรณนาทำในสิ่งที่ชื่อมีความหมายว่าพวกเขา“ อธิบาย” หรือสรุปข้อมูลดิบและทำให้มนุษย์สามารถตีความได้
2. การวิเคราะห์เชิงคาดการณ์: โดยใช้แบบจำลองทางสถิติและเทคนิคการคาดการณ์เพื่อทำความเข้าใจอนาคตและตอบว่า“ จะเกิดอะไรขึ้น” การวิเคราะห์เชิงคาดการณ์ช่วยให้ บริษัท มีข้อมูลเชิงลึกที่นำไปใช้ได้จริงตามข้อมูล เป็นการประมาณการเกี่ยวกับความเป็นไปได้ของผลลัพธ์ในอนาคต
3. Prescriptive Analytics: ใช้อัลกอริทึมการเพิ่มประสิทธิภาพและการจำลองเพื่อให้คำแนะนำเกี่ยวกับผลลัพธ์และคำตอบที่เป็นไปได้:“ เราควรทำอย่างไร?” ช่วยให้ผู้ใช้สามารถ 'กำหนด' การดำเนินการต่างๆที่เป็นไปได้และเป็นแนวทางในการแก้ปัญหา สรุปการวิเคราะห์นี้เป็นข้อมูลเกี่ยวกับการให้คำแนะนำ
4. การวิเคราะห์การวินิจฉัย: ใช้เพื่อพิจารณาว่าเหตุใดจึงเกิดเหตุการณ์ในอดีต โดดเด่นด้วยเทคนิคต่างๆเช่นการเจาะลึกการค้นหาข้อมูลการขุดข้อมูลและความสัมพันธ์ การวิเคราะห์การวินิจฉัยจะพิจารณาข้อมูลอย่างละเอียดเพื่อทำความเข้าใจสาเหตุที่แท้จริงของเหตุการณ์

ข้อมูลใหญ่ เครื่องมือ

ต่อไปนี้คือเครื่องมือบางส่วนที่ใช้สำหรับ Big Data Analytics: Hadoop , , Apache HBase , Apache Spark , , , อาปาเช่ไฮฟ์ , คาฟคา .

โดเมนข้อมูลขนาดใหญ่

• ดูแลสุขภาพ: การดูแลสุขภาพใช้การวิเคราะห์ข้อมูลขนาดใหญ่เพื่อลดต้นทุนทำนายโรคระบาดหลีกเลี่ยงโรคที่สามารถป้องกันได้และปรับปรุงคุณภาพชีวิตโดยทั่วไป แพร่หลายมากที่สุดแห่งหนึ่งการประยุกต์ใช้ข้อมูลขนาดใหญ่ในการดูแลสุขภาพคือ Electronic Health Record (EHRs)
• โทรคมนาคม: พวกเขาเป็นหนึ่งในผู้ให้ข้อมูลที่สำคัญที่สุดใน Big Data อุตสาหกรรมโทรคมนาคมช่วยเพิ่มคุณภาพการบริการและกำหนดเส้นทางการจราจรได้อย่างมีประสิทธิภาพมากขึ้น ด้วยการวิเคราะห์บันทึกข้อมูลการโทรแบบเรียลไทม์ บริษัท เหล่านี้สามารถระบุพฤติกรรมหลอกลวงและดำเนินการกับพวกเขาได้ทันที แผนกการตลาดสามารถปรับเปลี่ยนแคมเปญเพื่อกำหนดเป้าหมายลูกค้าได้ดีขึ้นและใช้ข้อมูลเชิงลึกที่ได้รับเพื่อพัฒนาผลิตภัณฑ์และบริการใหม่ ๆ
• ประกันภัย: บริษัท เหล่านี้ใช้การวิเคราะห์ข้อมูลขนาดใหญ่สำหรับการประเมินความเสี่ยงการตรวจจับการฉ้อโกงการตลาดข้อมูลเชิงลึกของลูกค้าประสบการณ์ของลูกค้าและอื่น ๆ
• รัฐบาล: รัฐบาลอินเดียใช้การวิเคราะห์ข้อมูลขนาดใหญ่เพื่อประเมินการค้าในประเทศ พวกเขาใช้ใบกำกับภาษีขายของส่วนกลางเพื่อวิเคราะห์ขอบเขตที่รัฐซื้อขายกันเอง
• การเงิน: ธนาคารและ บริษัท ที่ให้บริการทางการเงินใช้การวิเคราะห์เพื่อแยกความแตกต่างระหว่างการโต้ตอบที่เป็นการฉ้อโกงจากธุรกรรมทางธุรกิจที่ถูกต้องตามกฎหมาย ระบบการวิเคราะห์แนะนำให้ดำเนินการทันทีเช่นการปิดกั้นธุรกรรมที่ผิดปกติซึ่งจะหยุดการฉ้อโกงก่อนที่จะเกิดขึ้นและเพิ่มความสามารถในการทำกำไร
• รถยนต์: โรลส์รอยซ์ซึ่งใช้ Big Data ด้วยการติดตั้งเซ็นเซอร์หลายร้อยตัวในเครื่องยนต์และระบบขับเคลื่อนซึ่งบันทึกทุกรายละเอียดเล็ก ๆ เกี่ยวกับการทำงานของพวกเขา การเปลี่ยนแปลงของข้อมูลในแบบเรียลไทม์จะรายงานต่อวิศวกรที่จะตัดสินใจเลือกแนวทางปฏิบัติที่ดีที่สุดเช่นการจัดตารางเวลาการบำรุงรักษาหรือการจัดส่งทีมวิศวกร
• การศึกษา: นี่เป็นช่องหนึ่งที่การวิเคราะห์ข้อมูลขนาดใหญ่ถูกดูดซับอย่างช้าๆและทีละน้อยการเลือกใช้เทคโนโลยีที่ขับเคลื่อนด้วยข้อมูลขนาดใหญ่เป็นเครื่องมือในการเรียนรู้แทนที่จะใช้วิธีการบรรยายแบบเดิมช่วยเพิ่มการเรียนรู้ของนักเรียนและช่วยครูในการติดตามผลการปฏิบัติงานได้ดีขึ้น
• ขายปลีก: ร้านค้าปลีกรวมถึงอีคอมเมิร์ซและในร้านค้าต่างก็ใช้ Big Data Analytics เพื่อเพิ่มประสิทธิภาพธุรกิจของตน ตัวอย่างเช่น Amazon, Walmart เป็นต้น

กรณีการใช้ข้อมูลขนาดใหญ่

กรณีการใช้งานครั้งแรกที่ฉันนำมาที่นี่เป็นของ Starbucks

กรณีการใช้งานที่สองที่ฉันต้องการแบ่งปันกับพวกคุณคือ Procter & Gamble

แนวโน้มในการวิเคราะห์ข้อมูลขนาดใหญ่

ภาพด้านล่างแสดงถึงไฟล์ รายได้จากตลาดของ Big Data ในพันล้านดอลลาร์สหรัฐตั้งแต่ปี 2554 ถึง 2570

นี่คือบางส่วน ข้อเท็จจริงและสถิติโดย Forbes :

โอกาสในการทำงาน ในการวิเคราะห์ข้อมูลขนาดใหญ่:

• ด้านเงินเดือน: เงินเดือนเฉลี่ยของงานวิเคราะห์อยู่ที่ประมาณ $ 94,167 Data Scientist ได้รับการขนานนามว่าเป็นงานที่ดีที่สุดในอเมริกาเป็นเวลาสามปีโดยมีเงินเดือนพื้นฐานเฉลี่ยอยู่ที่ 110,000 ดอลลาร์และมีตำแหน่งงานว่าง 4,524 ตำแหน่ง ในอินเดียเปอร์เซ็นต์ของผู้เชี่ยวชาญด้านการวิเคราะห์ที่สั่งจ่ายเงินเดือนน้อยกว่า INR 10 Lakhs ได้ลดลงของผู้เชี่ยวชาญด้านการวิเคราะห์ที่มีรายได้มากกว่า INR 15 Lakhs เพิ่มขึ้นจาก 17% ในปี 2559 ถึง ยี่สิบเอ็ด% ในปี 2560 ถึง 22.3% ในปี 2561
• โอกาสในการทำงานมากมาย: บริษัท ต่างๆเช่น Google, Apple, IBM, Adobe, Qualcomm และอื่น ๆ อีกมากมายจ้างผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูลขนาดใหญ่

Skillset

ทักษะเหล่านี้เป็นทักษะที่จำเป็นขึ้นอยู่กับบทบาทในด้านการวิเคราะห์ข้อมูลขนาดใหญ่:

• การเขียนโปรแกรมพื้นฐาน: เราควรมีความรู้เกี่ยวกับภาษาโปรแกรมสำหรับวัตถุประสงค์ทั่วไปอย่างน้อยเช่น Java และ Python
• การวิเคราะห์ทางสถิติและเชิงปริมาณ: การมีความคิดเกี่ยวกับสถิติและการวิเคราะห์เชิงปริมาณนั้นเหมาะอย่างยิ่ง
• คลังข้อมูล: จำเป็นต้องมีความรู้เกี่ยวกับฐานข้อมูล SQL และ NoSQL
• การแสดงข้อมูล: เป็นสิ่งสำคัญมากที่จะต้องรู้วิธีแสดงภาพข้อมูลเพื่อที่จะสามารถเข้าใจข้อมูลเชิงลึกและนำไปใช้ในการดำเนินการได้
• ความรู้เฉพาะทางธุรกิจ: เราต้องตระหนักถึงธุรกิจที่พวกเขาใช้การวิเคราะห์เพื่อเพิ่มประสิทธิภาพการดำเนินงาน
• กรอบการคำนวณ: โดยเฉพาะอย่างยิ่งควรรู้เกี่ยวกับเครื่องมืออย่างน้อยหนึ่งหรือสองรายการที่จำเป็นสำหรับการวิเคราะห์ข้อมูลขนาดใหญ่

ตอนนี้คุณรู้จัก Big Data Analytics แล้วลองดูที่ไฟล์ โดย Edureka บริษัท การเรียนรู้ออนไลน์ที่เชื่อถือได้ซึ่งมีเครือข่ายผู้เรียนที่พึงพอใจมากกว่า 250,000 คนกระจายอยู่ทั่วโลก หลักสูตรการฝึกอบรม Edureka Big Data Hadoop Certification ช่วยให้ผู้เรียนมีความเชี่ยวชาญใน HDFS, Yarn, MapReduce, Pig, Hive, HBase, Oozie, Flume และ Sqoop โดยใช้กรณีการใช้งานแบบเรียลไทม์ในโดเมนการค้าปลีกโซเชียลมีเดียการบินการท่องเที่ยวการเงิน

br tag ใน html คืออะไร

มีคำถามสำหรับเรา? โปรดระบุไว้ในส่วนความคิดเห็นแล้วเราจะติดต่อกลับไป