Analitika velikih podataka - pretvaranje uvida u akciju

Ovaj je blog o analitikama velikih podataka, njegovoj važnosti, značenju, raznim alatima potrebnim za nju i na kraju različitim domenama i slučajevima korištenja.

Baš kao što se kaže da su čitav svemir i naša galaksija nastali uslijed eksplozije Velikog praska, slično, zbog tolikog tehnološkog napretka, podaci također eksponencijalno rastu što dovodi do eksplozije Big Data. Ti podaci dolaze iz različitih izvora, imaju različite formate, generiraju se s promjenjivom brzinom, a mogu sadržavati i nedosljednosti. Dakle, eksploziju takvih podataka možemo jednostavno nazvati .Objasnit ću sljedeće teme na ovom blogu kako bih vam pružio uvid u analitiku velikih podataka:

Zašto analitika velikih podataka?

Prije nego što vam skočim reći što je Analytics, dopustite mi da vam kažem zašto je to potrebno. Dopustite mi da vam otkrijem i da svakodnevno stvaramo oko 2,5 kvintiljona bajtova podataka! Dakle, sada kada smo akumulirali velike podatke, niti ih možemo ignorirati, niti ih možemo pustiti da miruju i učiniti da propadnu.



Razne organizacije i sektori širom svijeta počeli su usvajati Big Data Analytics kako bi stekli brojne prednosti. Big Data Analytics daje uvide koje mnoge tvrtke pretvaraju u akcije i donose ogromnu dobit, kao i otkrića. Navest ću četiri takva razloga zajedno sa zanimljivim primjerima.

Prvi razlog je,

  1. Stvaranje pametnije i učinkovitije organizacije
    Dopustite mi da vam kažem o jednoj takvoj organizaciji, New York Police Department (NYPD). NYPD sjajno koristi Big Data i analitiku za otkrivanje i identificiranje zločina prije nego što se dogode. Oni analiziraju povijesne obrasce uhićenja, a zatim ih mapiraju s događajima kao što su savezni blagdani, plaće, prometni tokovi, kiše itd.To im pomaže u analizi podataka odmah korištenjem ovih obrazaca podataka. Big Data i analitička strategijapomažeidentificiraju mjesta zločina putem kojih raspoređuju svoje časnike na ta mjesta. Stoga dosezanjem ovih mjesta prije počinjenja zločina sprečavaju pojavu zločina.

  2. Optimizirajte poslovanje analizirajući ponašanje korisnika Većina organizacija koristi bihevioralnu analitiku kupaca kako bi im pružila zadovoljstvo, a time i povećala bazu kupaca. Najbolji primjer za to je Amazon. Amazon je jedno od najbolje i najčešće korištenih web mjesta za e-trgovinu s bazom klijenata od oko 300 milijuna. Koriste podatke o protoku klikova kupaca i povijesne podatke o kupnji kako bi im pružili prilagođene rezultate na prilagođenim web stranicama. Analizirajući klikovi svakog posjetitelja na njihovoj web stranici pomažu im u razumijevanju ponašanja u navigaciji web stranicama, putovima kojima je korisnik krenuo do kupnje proizvoda, putovima koji su ih doveli do napuštanja web mjesta i još mnogo toga. Sve ove informacije pomažu Amazonu da poboljša svoje korisničko iskustvo, a time i prodaju i marketing.
  3. Smanjenje troškova Tehnologije velikih podataka i tehnološki napredak poput računalstva u oblaku donose značajne troškovne prednosti kada je u pitanju pohrana i obrada velikih podataka. Dopustite mi da vam kažem kako zdravstvo koristi Big Data Analytics kako bi smanjilo svoje troškove. Pacijenti danas koriste nove senzorske uređaje kod kuće ili vani, koji šalju stalne tokove podataka koji se mogu pratiti i analizirati u stvarnom vremenu kako bi pomogli pacijentima da izbjegnu hospitalizaciju samoupravljanjem svojim uvjetima.Za hospitalizirane pacijente liječnici mogu koristiti prediktivnu analitiku za optimizaciju ishoda i smanjenje readmisije.Bolnica Parkland koristi analitiku i prediktivno modeliranje za identificiranje visoko rizičnih pacijenata i predviđanje vjerojatnih ishoda nakon što pacijente pošalju kući. Kao rezultat toga, Parkland je smanjio 30-dnevni prijem za pacijente sa zatajenjem srca za 31%, uštedeći 500 000 USD godišnje.

Proizvodi nove generacije

Uz mogućnost mjerenja potreba i zadovoljstva kupaca putem analitike, dolazi snaga da kupcima pružimo ono što žele. Ovdje sam pronašao tri tako zanimljiva proizvoda. Prvi , Googleovasamovozeći automobilšto donosi milijune izračuna na svakom putovanju koji pomažu automobilu da odluči kada i kamo će skrenuti, hoće li usporiti ili ubrzati i kada će promijeniti traku - iste odluke donosi i čovjek vozač za volanom.

The drugi jedno jeNetflix koji se dvije sezone obvezao na svoju izuzetno popularnu emisiju Kuća od karata, potpuno vjerujući u Big Data Analytics! Prošle je godine Netflix povećao bazu pretplatnika u SAD-u za 10% i dodao gotovo 20 milijuna pretplatnika iz cijelog svijeta.

The treći primjer je jedna od stvarno super novih stvari s kojima sam se susrela, pametna je joga prostirka. Kada prvi put upotrijebite svoj Smart Mat, provest će vas kroz niz pokreta za kalibriranje oblika, veličine i osobnih ograničenja tijela. Ovi podaci o osobnom profilu pohranjeni su u vašoj aplikaciji Smart Mat i pomoći će Smart Mattu da otkrije kada niste u položaju ili ravnoteži. S vremenom će se automatski razvijati s ažuriranim podacima kako poboljšavate svoju joga praksu.

Što je analitika velikih podataka?

Ajmo sada formalno definirati 'Što je Big Data Analytics?' Analitika velikih podataka ispituje velike i različite vrste podataka kako bi otkrila skrivene uzorke, korelacije i druge uvide. U osnovi, Big Data Analytics uglavnom koriste tvrtke kako bi im olakšale rast i razvoj. To uglavnom uključuje primjenu različitih algoritama za rukovanje podacima na zadati skup podataka, što će im pomoći u boljem donošenju odluka.

Faze u analitici velikih podataka

Sljedeće su faze uključene u postupak analize velikih podataka:

Vrste analitike velikih podataka

Postoje četiri vrste:

  1. Opisna analitika: Koristi agregaciju podataka i rudarenje podataka kako bi pružio uvid u prošlost i odgovorio: 'Što se dogodilo?' Deskriptivna analitika radi upravo ono što naziv implicira, oni 'opisuju' ili sažimaju sirove podatke i čine ih ljudima razumljivima.
  2. Predvidljiva analitika: Koristi statističke modele i tehnike predviđanja da bi razumio budućnost i odgovorio: 'Što bi se moglo dogoditi?' Prediktivna analitika pruža tvrtkama djelotvorne uvide na temelju podataka. Pruža procjene vjerojatnosti budućeg ishoda.
  3. Preskriptivna analitika: Koristi algoritme za optimizaciju i simulaciju za savjete o mogućim ishodima i odgovorima: 'Što trebamo učiniti?' Omogućuje korisnicima da 'propišu' niz različitih mogućih radnji i vode ih prema rješenju. Ukratko, ova se analitika bavi pružanjem savjeta.
  4. Dijagnostička analitika: Koristi se za utvrđivanje zašto se nešto dogodilo u prošlosti. Karakteriziraju ga tehnike kao što su detaljno analiziranje, otkrivanje podataka, rudarenje podataka i korelacije. Dijagnostička analitika dublje proučava podatke kako bi razumjela temeljne uzroke događaja.

Veliki podaci Alati

Ovo su neki od sljedećih alata koji se koriste za analitiku velikih podataka: Hadoop , , Apache HBase , Apache iskra , , , Apache košnica , Kafka .

Domene velikih podataka

  • Zdravstvo: Zdravstvo koristi analitiku velikih podataka za smanjenje troškova, predviđanje epidemija, izbjegavanje bolesti koje se mogu spriječiti i poboljšanje kvalitete života općenito. Jedan od najraširenijihprimjena velikih podataka u zdravstvu je Elektronička zdravstvena evidencija (EHR).
  • Telekom: Oni su jedan od najznačajnijih suradnika u Big Datau. Telekom industrija poboljšava kvalitetu usluge iusmjerava promet učinkovitije. Analizom zapisa podataka o pozivima u stvarnom vremenu, ove tvrtke mogu prepoznati prijevarno ponašanje i odmah na njih djelovati. Odjel za marketing može modificirati svoje kampanje kako bi bolje ciljao svoje kupce i upotrijebiti stečene uvide za razvoj novih proizvoda i usluga.
  • Osiguranje: Te tvrtke koriste analitiku velikih podataka za procjenu rizika, otkrivanje prijevara, marketing, uvid u kupce, iskustvo kupaca i još mnogo toga.
  • Vlada: Indijska vlada koristila je analitiku velikih podataka kako bi dobila procjenu trgovine u zemlji. Koristili su središnje račune za porez na promet kako bi analizirali u kojoj mjeri države međusobno trguju.
  • Financije: Banke i tvrtke za financijske usluge koriste analitiku kako bi razlikovale prijevarne interakcije od legitimnih poslovnih transakcija. Analitički sustavi predlažu trenutne radnje, poput blokiranja neregularnih transakcija, čime se prijevara zaustavlja prije nego što se dogodi i poboljšava profitabilnost.
  • Automobil: Rolls Royce koji je prihvatio Big Data ugradivši stotine senzora u svoje motore i pogonske sustave, koji bilježe sve sitne detalje o njihovom radu. O promjenama podataka u stvarnom vremenu izvještavaju se inženjeri koji će odlučiti najbolji put djelovanja, poput raspoređivanja održavanja ili otpreme inženjerskih timova.
  • Obrazovanje: To je jedno polje u kojem se analitika velikih podataka apsorbira polako i postupno.Odlučivši se za tehnologiju zasnovanu na velikim podacima kao alat za učenje umjesto tradicionalnih metoda predavanja, poboljšalo je učenje učenika kao i pomoglo učiteljima da bolje prate svoj rad.
  • Maloprodaja: Maloprodaja, uključujući e-trgovinu i prodavaonice, naširoko koristi Big Data Analytics za optimizaciju svog poslovanja. Na primjer, Amazon, Walmart itd.

Slučajevi korištenja velikih podataka

Prvi slučaj koji sam ovdje uzeo je Starbucks.

Drugi slučaj korištenja koji želim podijeliti s vama je Procter & Gamble.

Trendovi u analitici velikih podataka

Slika ispod prikazuje tržišni prihod od velikih podataka umilijardeAmerički dolari od 2011. do 2027. godine.

Evo nekoliko Činjenice i statistike Forbesa :

Izgledi za karijeru u analitici velikih podataka:

  • Aspekti plaće: Prosječna plaća analitičkih poslova iznosi oko 94 167 američkih dolara. Data Scientist proglašen je najboljim poslom u Americi već tri godine za redom, sa srednjom osnovnom plaćom od 110.000 USD i 4.524 otvorenih radnih mjesta. U Indiji je postotak analitičara koji zapovijedaju plaćama manjim od INR 10 Lakhs niži. Postotak analitičara koji zarađuju više od INR 15 Lakh povećao se sa 17% u 2016. do dvadeset i jedan% u 2017. do 22,3% u 2018. godini
  • Ogromne mogućnosti za posao: Tvrtke poput Googlea, Applea, IBM-a, Adobea, Qualcomma i mnogih drugih zapošljavaju stručnjake za Big Data Analytics.

Skup vještina

Ovo su neke od vještina koje su potrebne ovisno o ulozi u polju Big Data Analytics:

  • Osnovno programiranje: Treba imati znanje o barem nekom programskom jeziku opće namjene kao što su Java i Python.
  • Statistička i kvantitativna analiza: Idealno je imati ideju o statistici i kvantitativnoj analizi.
  • Skladištenje podataka: Potrebno je poznavanje SQL i NoSQL baza podataka.
  • Vizualizacija podataka: Vrlo je važno znati vizualizirati podatke kako biste mogli razumjeti uvide i primijeniti ih na djelu.
  • Specifično poslovno znanje: Nužno mora biti svjestan posla u kojem primjenjuju analitiku kako bi optimizirali svoje poslovanje.
  • Računski okviri: Poželjno bi bilo znati barem jedan ili dva alata potrebna za analitiku velikih podataka.

Sad kad znate analitiku velikih podataka, pogledajte Edureka, pouzdane tvrtke za internetsko učenje s mrežom od više od 250 000 zadovoljnih učenika raširenih širom svijeta. Edureka tečaj obuke za certificiranje velikih podataka Hadoop pomaže učenicima da postanu stručnjaci za HDFS, pređu, MapReduce, svinju, košnicu, HBase, Oozie, Flume i Sqoop koristeći slučajeve upotrebe u stvarnom vremenu na maloprodaji, društvenim mrežama, zrakoplovstvu, turizmu i financijama.

što je actionlistener u javi

Imate pitanje za nas? Molimo spomenite to u odjeljku za komentare i javit ćemo vam se.