Büyük veri nedir? Büyük veri ne yapabilir? Büyük veri aslında ne yapar?
Bugünlerde "büyük veri" teriminin ne kadar popüler olduğunu söylemeye gerek yok, "büyük veri" bölümü, son iki yılda İnternet ile ilgili tüm etkinlikler ve konferanslar için çok önemlidir.
Herhangi bir uygulayıcı veya büyük verinin ilk kez teması için, ortak bir his olabilir: büyük veri çok yararlıdır! Büyük veri nasıl kullanılır?
Büyük veri hakkında ezici kitaplar ve makaleler var ve görünen o ki onlar da bir mesaj gönderiyorlar: gittikçe daha fazla sektör ve insan büyük verinin uygulamasına dikkat etmeye ve gerçekten keşfetmeye başlıyor. Birlikte, büyük verinin harika kullanımı için bir plan çiziyoruz, ancak pratikte Yolda, ilk aşamada küçük adımlarla ilerlemeye devam ediyoruz.
Burada yine de kendi kendime yaptığım büyük veri öğrenme değişim eteğini tavsiye etmek istiyorum: 805127855. Etekler hepsi büyük veri geliştirmeyi öğreniyor.Büyük veriyi öğreniyorsanız, editör sizi katılmaya davet ediyor, herkes bir yazılım geliştirme partisi, hayır 2018'de kendim tarafından derlenen en son büyük veri gelişmiş materyallerinin ve gelişmiş geliştirme eğitimlerinin bir kopyası dahil olmak üzere kuru ürünleri düzenli olarak paylaşın (yalnızca büyük veri geliştirmeyle ilgili). Büyük veride daha derine inmek isteyen gelişmiş ve küçük ortaklara hoş geldiniz.
Büyük verinin kökleri İnternet'e dayanır ve veri ambarı, veri madenciliği ve bulut bilişim gibi İnternet teknolojilerinin gelişimi, büyük verinin uygulanmasının temelini atmıştır. Bununla birlikte, keşifte pratik uygulamalar hala gelişmektedir. Ayrıca keşifsel bir çalışma olarak, kişisel anlayışımdan sizinle dört soruyu paylaşmak ve tartışmak istiyorum: Büyük veri nedir? Büyük veri ne yapabilir? Büyük veri aslında ne yapar? Büyük veri ile ne yapmalı?
Öncelikle büyük veri nedir?
Yaygın olarak kullanılan 3 büyük veri tanımından alıntı:
(1) Daha güçlü karar verme gücüne, içgörü ve keşif gücüne ve süreç optimizasyon yeteneklerine sahip olmak için yeni işleme modellerini gerektiren toplu, yüksek büyüme oranı ve çeşitlendirilmiş bilgi varlıkları.
Gartner
(2) Büyük veri ölçeği (Hacim), hızlı veri akışı ve dinamik veri sistemi (Hız), çeşitli veri türleri (Çeşit), büyük veri değeri (Değer).
IDC
(3) Veya büyük miktarda veri, çok büyük miktarda veri veya büyük veri olarak adlandırılan bu, söz konusu veri miktarının o kadar büyük olduğu anlamına gelir ki, manuel olarak engellenemez, yönetilemez, işlenemez ve insanlar tarafından makul bir sürede yorumlanabilecek bilgilere göre sıralanamaz.
Wiki
Büyük verinin diğer tanımları da benzerdir.Büyük veriyi tanımlamak için birkaç anahtar kelime kullanabiliriz.
Her şeyden önce, "büyük ölçekli", bu ölçek iki boyuttan ölçülebilir, biri zaman serilerinden büyük miktarda veri birikimi, diğeri ise daha ayrıntılı verilerdir.
İkincisi, "çeşitlilik" metin, resim, video vb. Gibi farklı veri formatları olabilir, nüfus verileri, ekonomik veriler vb. Gibi farklı veri türleri olabilir ve İnternet, sensörler vb. Gibi farklı veri kaynaklarına sahip olabilir. .
Üçüncüsü, "dinamik". Veriler sürekli değişiyor. Zaman içinde hızla büyük miktarda veri ekleyebilir veya uzayda sürekli hareket eden ve değişen veriler olabilir.
Bu üç anahtar kelime, büyük veri imajını tanımlar.
Ancak "hızlı işlem hızı" gibi temel bir yeteneklere ihtiyaç vardır. Bu kadar büyük ölçekli, çeşitli ve dinamik olarak değişen veriler mevcutsa, ancak işlenmesi ve analiz edilmesi uzun zaman alıyorsa, buna büyük veri denmez. Başka bir bakış açısıyla bu verilerin hızlı işlenmesini sağlamak için manuel olarak gerçekleştirilmesi kesinlikle imkansızdır, bu nedenle makinalar yardımı ile gerçekleştirilmesi gerekmektedir.
Sonunda, istenen bilgileri veya büyük veri olarak adlandırılabilecek eksiksiz bir uygulama sistemini elde etmek için bu verileri hızlı bir şekilde işlemek ve analiz etmek için makineleri kullanabiliriz.
Büyük veriyi tanımlamak için aşağıdaki diyagramı kullanabiliriz:
Büyük veri kavramını tanımladıktan sonra, büyük veri ne yapabilir?
Büyük veriyi süreç açısından uygulamak istiyorsanız, muhtemelen durum budur.
Öncelikle veri kaynaklarına sahip olmalıyız ve ardından verileri toplayıp depolamalıyız.Bu temelde ürün ve hizmetlerimizi oluşturmak için analiz edip başvuruda bulunacağız.Ürün ve hizmetler de yeni veriler oluşturacak ve bu yeni veriler döngüsel olarak girecektir. Sürecimiz.
Burada yine de kendi kendime yaptığım büyük veri öğrenme değişim eteğini tavsiye etmek istiyorum: 805127855. Etekler hepsi büyük veri geliştirmeyi öğreniyor.Büyük veriyi öğreniyorsanız, editör sizi katılmaya davet ediyor, herkes bir yazılım geliştirme partisi, hayır 2018'de kendim tarafından derlenen en son büyük veri gelişmiş materyallerinin ve gelişmiş geliştirme eğitimlerinin bir kopyası dahil olmak üzere kuru ürünleri düzenli olarak paylaşın (yalnızca büyük veri geliştirmeyle ilgili). Büyük veride daha derine inmek isteyen gelişmiş ve küçük ortaklara hoş geldiniz.
Tüm bu döngüsel sistem, makineler aracılığıyla otomatikleştirilebilen akıllı bir sistem haline geldiğinde, ister ticari ister başka türlü olsun, yeni bir model haline gelebilir.
Daha sonra gerçek uygulamalara özel olarak, büyük verinin başarabileceği uygulamaların iki yönde özetlenebileceğini düşünüyorum, biri hassas özelleştirme, diğeri ise tahmin.
Her şeyden önce, hassas özelleştirme.
Esas olarak hem arz hem de talep tarafını hedefleyen, talep edenin bireysel ihtiyaçlarını elde etmek, tedarikçinin konumlandırma hedefini belirlemesine yardımcı olmak ve ardından talebe göre ürün sağlamak ve nihayet arz ve talep tarafları arasında en iyi eşleşmeyi sağlamaktır.
Spesifik uygulama örnekleri de üç kategoride özetlenebilir.
Birincisi, akıllı arama motorları gibi kişiselleştirilmiş ürünler, aynı içeriği arar, herkesin sonuçları farklıdır. Veya bazı özelleştirilmiş haber hizmetleri veya çevrimiçi oyunlar.
İkinci tür hassas pazarlamadır. Şimdi daha yaygın olan İnternet pazarlaması, Baidu promosyonu, Taobao web promosyonu vb. Veya coğrafi konuma dayalı bilgi aktarımı, belirli bir yere ulaştığımda, çevredeki tüketici tesislerini otomatik olarak zorlayacaktır.
Üçüncü tür, perakende mağazaların konumu veya kamu altyapısının konumu dahil olmak üzere konum seçimidir.
Bunların tümü, kullanıcı ihtiyaçlarının büyük veri analizi yoluyla yapılır ve ardından tedarikçi, nispeten özelleştirilmiş hizmetler sağlar.
İkinci uygulama yönü tahmindir.
Tahmin, önceden erken uyarılar yapmak veya gerçek zamanlı dinamik optimizasyon yapmak için geçmiş ve gelecekteki bazı ilgili faktörlere ve veri analizine dayalı olarak temel olarak hedef nesneye dayanır.
Spesifik uygulamadan kabaca üç kategoriye ayrılabilir.
Biri, küçük işletmelerden operasyonel kararlara, menkul kıymet yatırım kararlarına, tıp endüstrisinde klinik tanı ve tedavi desteğine ve e-devlete kadar değişen karar destek kategorisidir.
İkincisi, salgın tahmini, günlük sağlık yönetimi için hastalık tahmini, ekipman ve tesislerin işletimi ve bakımı, kamu güvenliği ve finans sektöründe kredi riski yönetimi gibi risk erken uyarısıdır.
Üçüncü tür, akıllı rota planlama, gerçek zamanlı fiyatlandırma vb. Gibi gerçek zamanlı optimizasyondur.
Yukarıdakiler, çeşitli literatürlerde büyük verinin ne için kullanılabileceğine dair bazı yaratıcı fikirlerdir.Aslında, belki de büyük verinin neler yapabileceği her yönüyle genişletilebilir.
Ama gerçeğe tekrar bakalım, büyük veri gerçekte ne ölçüde uygulandı?
Bana göre, gerçekten ticarileştirmeyi başaran tek bir büyük veri uygulaması var, o da İnternet pazarlaması.
Yukarıda listelediğimiz diğer yönlerin bazı ön uygulamaları olacak, ancak temelde hala keşif aşamasındalar. Örneğin, salgın tahminleri, teminatsız kredi kredileri vb. Henüz doğruluk, kesinlik ve ölçeklenebilirlik açısından dikkate alınmalıdır.
Büyük verinin gerçek uygulaması ile hedef plan arasındaki boşluğun ana nedeni nedir? Bence bu veri kaynağının sorunu.
Verileri uygulayabilmeniz için önce verileri almanız gerekir.
Bu nedenle, verilerin kullanılabilirliği, belirli endüstrilerde büyük verilerin uygulanabilirlik değerlendirmesinin önemli bir boyutu haline geldi.
Veri erişilebilirliği, veri standardizasyonu, açıklık ve konsantrasyon boyutlarından ölçülebilir
Aynı zamanda, veriler elde edildikten sonra, uygulama verileri açısından, verimlilik iyileştirme, maliyet düşürme veya yeni modellerin oluşturulması dahil olmak üzere büyük veri uygulamalarının potansiyel değer boyutlarından ölçülebilir.
Buna ek olarak, sadece endüstri içindeki promosyonu değil aynı zamanda sektörler arası promosyonu da içeren büyük veri endüstrisi uygulamalarının tekrarlanabilirliği / promosyonu perspektifinden de ölçülebilir.
Üç boyuttan, kişisel olarak çeşitli endüstrilerde büyük veri uygulaması olasılığı için bir konumlandırma yaptım, ancak bu konumlandırma hala çok nitel ve kaba ve sektördeki büyük veri uygulamalarının daha fazla tartışılmasını ve araştırılmasını gerektirebilir.
Büyük veri uygulamalarında uzmanlaşmış şirketler için büyük veri ne yapmalı?
Sanırım iki boyuttan geliştirilebilir.Birinci temel görev veri biriktirmektir.İnternet verisi ve büyük veri teknolojisinin iki kaynağına dayanarak, bazı bölümlere ayrılmış uygulamalardan başlayabiliriz.Örneğin, kurumsal bakış açısıyla başlayıp sonra genişleyebiliriz. Endüstri veya hatta sektörler arası bir bakış açısıyla, bazı ürünlerin bölümlere ayrılmış uygulamalardan çıktısı, daha fazla veri elde etmek için bir giriş olacak ve aynı zamanda büyük verinin daha geniş uygulaması için bir referans sağlayacaktır.
Ancak başka bir nokta daha var: Platform tabanlı internet şirketleri için hangi şirketlerin veya sektör verilerinin büyük veriyi birleştirip uygulayacağını belirlerken, platform özelliklerinin kullanılıp kullanılmadığı, uygulamanın sahip olup olmadığı gibi bazı tarama koşulları olabilir. Tekrarlanabilirlik veya promosyon belirli bir firma ile sınırlı değildir, en azından tüm sektöre uygulanabilir.
Yukarıdakiler, büyük veri hakkındaki kişisel düşüncelerimden bazıları ve umarım büyük verinin pratik uygulaması hakkında daha fazla arkadaşımla tartışabilir ve öğrenebilirim.
