비디오: Big Data - Tim Smith 2024
큰 데이터 분석에 대한 미묘한 차이가 있습니다. 그것은 실제로 작은 데이터에 관한 것입니다. 이것이 전체 전제에 혼란스럽고 반대로 보일 수 있지만 작은 데이터는 큰 데이터 분석의 산물입니다. 이것은 새로운 개념이 아니며, 오랫동안 데이터 분석을 해오 던 사람들에게는 익숙하지 않습니다. 전반적인 작업 공간은 더 넓지 만 답변은 "작음"의 어딘가에 놓여 있습니다. "
전통적인 데이터 분석은 고객 정보, 제품 정보, 트랜잭션, 원격 측정 데이터 등으로 채워진 데이터베이스로 시작되었습니다. 그럼에도 불구하고 너무 많은 데이터가 효율적으로 분석 할 수있었습니다. 시스템, 네트워크 및 소프트웨어에는 규모를 해결할 수있는 성능이나 용량이 없었습니다. 한 업계로서, 단점은 더 작은 데이터 세트를 작성함으로써 해결되었습니다.
이 작은 데이터 세트는 여전히 상당히 실용적이었고 다른 단점은 빨리 발견되었습니다. 가장 눈부신 것은 데이터와 작업 컨텍스트 사이의 불일치였다. 당신이 Accounts Payable에서 일했다면, 당신은 당신의 일을하기 위해 많은 양의 무관 한 데이터를보아야 만했습니다. 다시 한 번, 산업계는 작은 규모에서 작은 규모로 문맥 상 관련성이 높은 데이터 세트를 작성하여 대응했습니다.
데이터베이스에서 데이터웨어 하우스에서 데이터 마트로의 마이그레이션으로 인식 할 수 있습니다. 종종 창고와 마트의 데이터는 임의의 또는 실험적인 매개 변수로 선택되어 많은 시행 착오를 낳았습니다. 용량 감축이 계산상의 사실에 기반하지 않았기 때문에 기업은 필요하거나 원근감을 갖지 못했습니다.
대용량 데이터를 모든 볼륨, 속도 및 종류와 함께 입력하면 문제가 계속되거나 악화 될 수 있습니다. 인프라의 단점을 해결하고 막대한 양의 추가 데이터를 저장 및 처리 할 수 있지만 특히 빅 데이터를 관리하는 데 도움이되는 새로운 기술이 필요했습니다.
겉 모양에도 불구하고, 이것은 훌륭한 것입니다. 현재와 미래에 기업은 상상할 수있는 것보다 많은 데이터를 보유하게되며 데이터를 캡처하고 관리 할 수있는 수단을 갖게됩니다. 그 어느 때보 다 필요한 것은 올바른 데이터를시기 적절하게 분석하여 의사 결정을 내리고 조치를 취할 수있는 능력입니다.
