🐼 🔯 👨‍⚖️ Was ist Big Data? ☝🏾 🏇🏾 👩🏼‍🎓

Der Begriff "Big Data" oder "Big Data" wurde seit 2011 immer beliebter. Heute hat ihn jeder mindestens einmal gehört. Das Problem ist, dass das Konzept oft nicht per Definition verwendet wird. Lassen Sie uns daher im Detail verstehen, was es ist.

Mit der Entwicklung der Technologie begann die Datenmenge exponentiell zuzunehmen. Herkömmliche Tools decken nicht mehr den Bedarf an Verarbeitung und Speicherung von Informationen ab. Um Daten zu verarbeiten, deren Volumen Hunderte von Terabyte überschreitet und ständig zunimmt, wurden spezielle Algorithmen erstellt. Sie werden als "Big Data" bezeichnet.

Heutzutage werden Informationen in großen Mengen aus verschiedenen Quellen gesammelt: dem Internet, Contact Centern, Mobilgeräten usw. In den meisten Fällen haben solche Daten keine klare Struktur und Reihenfolge, sodass eine Person sie nicht für Aktivitäten verwenden kann. Zur Automatisierung der Analyse werden Big-Data-Technologien verwendet.

Wann sind die ersten Big Data erschienen?

Big Data erschien in den 60-70er Jahren des letzten Jahrhunderts zusammen mit den ersten Rechenzentren (Rechenzentren). Im Jahr 2005 begannen Unternehmen, das Ausmaß der von Nutzern von Internetdiensten (Facebook, YouTube usw.) erstellten Inhalte zu verstehen. Gleichzeitig begann Hadoop, die erste Plattform für die Interaktion mit großen Datenmengen, ihre Arbeit. Heute ist es ein großer Stapel von Technologien zur Verarbeitung von Informationen. Wenig später wurde NoSQL immer beliebter - eine Reihe von Methoden zur Erstellung von Big-Data-Managementsystemen.

Die Menge der generierten Informationen begann mit dem Aufkommen großer Internetdienste zuzunehmen. Benutzer laden Fotos hoch, durchsuchen Inhalte usw. Alle diese Informationen werden in großen Mengen zur weiteren Analyse gesammelt. Anschließend können Sie die Dienste verbessern. Beispielsweise verwenden soziale Netzwerke Big Data, um Nutzern relevante Anzeigen (dh Anzeigen, die ihren Bedürfnissen und Interessen entsprechen) in einem Ziel anzuzeigen. Dies ermöglicht sozialen Netzwerken, Unternehmen die Möglichkeit zu geben, genaue Werbekampagnen durchzuführen.

Hauptmerkmale von Big Data

Ganz am Anfang des Artikels haben wir drei Haupteigenschaften von Big Data anhand einer allgemein akzeptierten Definition identifiziert. Öffnen wir sie genauer:

. « » , . : , — . « » .
. . «big data». .
. , . — .

In den letzten Jahren hat die Popularität von Big Data zugenommen, wodurch sie zwei zusätzliche Eigenschaften (Merkmale) erhalten haben: Wert und Zuverlässigkeit. Der Wert wird von jedem Unternehmen auf seine Weise bestimmt. Experten bewerten, ob die erhaltenen Informationen dem Unternehmen zugute kommen. Die Zuverlässigkeit zeigt, ob den verwendeten Daten vertraut werden kann (wie wahr sie sind), da ungenaue Informationen das Unternehmen und seine Aktivitäten schädigen können.

Wie arbeiten sie mit ihnen?

Big Data enthält viele nützliche Informationen, auf deren Grundlage Unternehmen neue Möglichkeiten schaffen und Geschäftsmodelle bilden. Die Arbeit mit Big Data ist in drei Phasen unterteilt: Integration, Verwaltung und Analyse.

Bühne 1. Integration

In dieser Phase integriert das Unternehmen Technologien und Systeme in seine Arbeit, die es ihm ermöglichen, große Mengen an Informationen aus verschiedenen Quellen zu sammeln. Datenverarbeitungs- und Formatierungsmechanismen werden eingeführt, um die Arbeit von Analysten mit "Big Data" zu vereinfachen.

2 Stufe. Steuerung

Die empfangenen Daten müssen irgendwo gespeichert werden. Dieses Problem wird behoben, bevor Sie mit ihnen arbeiten. Die Entscheidung wird auf der Grundlage vieler Kriterien getroffen, von denen die wichtigsten Präferenzen in Bezug auf Format und Verarbeitungstechnologie sind. In der Regel verwenden Unternehmen lokalen Speicher, öffentliche oder private Cloud-Dienste für die Speicherung.

3 Stufe. Analyse

Big Data beginnt nach der Analyse zu profitieren. Dies ist die letzte Phase der Interaktion mit ihnen. Hierzu wird maschinelles Lernen, eine Assoziation von Lernregeln, genetischen Algorithmen und anderen Technologien verwendet. Nach der Analyse der Daten bleibt nur das für das Unternehmen wertvollste übrig.

Big Data-Beispiele

Im Allgemeinen mit "Big Data" aussortiert. Die wichtige Frage bleibt jedoch: Wo können sie in der Praxis angewendet werden? Antwort: In jedem Tätigkeitsbereich, der mit den für die Analyse erforderlichen Daten arbeitet. Schauen wir uns einige Beispiele aus der Praxis an. Auf diese Weise können Sie besser verstehen, warum Big Data benötigt wird und wie Sie davon profitieren können.

Big Data in Banken

Im russischen Bankensektor nutzte die Sberbank als erste Big Data. Auf der Grundlage von „Big Data“ und einem biometrischen System entwickelten sie 2014 ein System zur Identifizierung der Identität eines Kunden anhand von Fotos. Das Funktionsprinzip ist sehr einfach: Vergleich des aktuellen Bildes mit einem Foto aus der Datenbank, das Mitarbeiter bei der Ausstellung einer Bankkarte aufnehmen. Das neue System hat Betrugsfälle um das Zehnfache reduziert.

Die Sberbank nutzt auch heute noch Big Data für ihre Arbeit: Durch das Sammeln und Analysieren von Informationen können Sie Risiken verwalten, Betrug bekämpfen, die Kreditwürdigkeit von Kunden bewerten, Warteschlangen in Filialen verwalten und vieles mehr.

Ein weiteres Beispiel aus dem russischen Bankensektor ist VTB24. Das Unternehmen begann etwas später als die Sberbank mit der Implementierung von „Big Data“. Heute verwenden sie Big Data, um Kundenabflüsse zu segmentieren und zu verwalten, Abschlüsse zu erstellen, Bewertungen im Internet zu analysieren und vieles mehr.

Alfa-Bank Big Data hilft dabei, den Ruf der Marke im Internet zu überwachen, die Kreditwürdigkeit neuer Kunden zu bewerten, Inhalte zu personalisieren, Risiken zu verwalten usw.

Big Data im Geschäft

Viele Menschen glauben fälschlicherweise, dass die Arbeit mit Big Data nur für den Bankensektor und IT-Unternehmen relevant ist. Dies widerlegt das Beispiel des Eisen- und Stahlwerks Magnitogorsk, das den Sniper-Service entwickelt hat, um die Rohstoffkosten in der Produktion zu senken. Die Technologie sammelt große Mengen an Informationen, analysiert diese und gibt Empfehlungen zur Optimierung der Materialkosten.

Surgutneftegas verwendet ein spezielles System, um die wichtigsten Geschäftsprozesse in Echtzeit zu verfolgen. Dies hilft bei der Automatisierung der Produktbuchhaltung, der Preisgestaltung, der Bereitstellung der richtigen Daten für die Mitarbeiter usw.

Big Data im Marketing

Marketer verwenden Big Data, um die Ergebnisse von Werbekampagnen vorherzusagen. Die Analyse hilft auch bei der Identifizierung des am meisten interessierten Publikums. Ein markantes Beispiel für "Big Data" im Marketing ist Google Trends. Das System empfängt eine große Datenmenge, und nach der Analyse kann der Benutzer die Saisonalität eines Produkts (Arbeit, Dienstleistung) beurteilen.

Schwierigkeiten bei der Verwendung

Wo es große Chancen gibt, warten dort große Schwierigkeiten. Diese Regel hat Big Data nicht umgangen.

Die erste Schwierigkeit für Unternehmen besteht darin, dass Big Data viel Platz beansprucht. Ja, die Speichertechnologien werden ständig verbessert, aber gleichzeitig wächst die Datenmenge stetig (durchschnittlich zweimal alle zwei Jahre).

Der Erwerb eines riesigen Speichers löst nicht alle Probleme. Eine einfache Datenspeicherung macht keinen Sinn. Sie müssen mit ihnen zusammenarbeiten, um Vorteile zu erzielen. Hier ergibt sich eine weitere Komplikation - die Verarbeitung der empfangenen Big Data.

Jetzt verbringen Analysten 50-80% der Arbeitszeit damit, Informationen in eine für den Kunden akzeptable Form zu bringen. Unternehmen müssen mehr Fachkräfte einstellen, was die Kosten erhöht.

Ein weiteres Problem ist die schnelle Entwicklung von Big Data. Regelmäßig erscheinen neue Tools und Services für die Arbeit (z. B. Hbase). Unternehmen müssen viel Zeit und Geld investieren, um "im Trend" zu sein und nicht hinter der Entwicklung zurückzubleiben.

Big Data ist daher eine Kombination von Technologien zur Verarbeitung großer Informationsmengen (Hunderte von Terabyte und mehr), und heutzutage bestreiten nur wenige Menschen ihre Bedeutung für die Zukunft. Ihre Popularität wird wachsen und die Verbreitung im Geschäft wird zunehmen. Anschließend werden sie Technologien für die Analyseautomation entwickeln und nicht nur große, sondern auch mittelständische und kleine Unternehmen werden mit Big Data arbeiten.

Möchten Sie lernen, wie Sie mit Big Data arbeiten und Ihr Wissen in der Analytik erweitern? Melden Sie sich für unseren Online-Kurs zu Big Data Analyst an. Finde die Details heraus!