Datenmanagement für Big Data

Ist Big Data wirklich neu oder ist es eine Entwicklung in der Datenmanagement-Reise? Es ist eigentlich beides. Wie bei anderen Wellen in Datenmanagement, ist große Daten auf der Entwicklung von Datenmanagement-Praktiken in den letzten fünf Jahrzehnten gebaut. Was neu ist, ist, dass zum ersten Mal, die Kosten der Rechenzyklen und Speicher einen Wendepunkt erreicht hat. Warum ist das wichtig?

Noch vor wenigen Jahren wäre kompromittieren Organisationen in der Regel von Snapshots oder Teilmengen von wichtigen Informationen zu speichern, da die Kosten für die Lagerung und Verarbeitung Einschränkungen ihnen verboten, alles zu speichern sie zu analysieren wollten.

In vielen Situationen dieser Kompromiss funktionierte gut. Zum Beispiel haben ein produzierendes Unternehmen Maschinendaten könnten alle zwei Minuten gesammelt, die Gesundheit der Systeme zu bestimmen. Allerdings könnte es Situationen geben, in denen der Snapshot Informationen über eine neue Art des Mangels enthalten würde und das könnte für Monate unbemerkt bleiben.

Mit großen Daten ist es nun möglich, Daten zu virtualisieren, so dass sie effizient gespeichert werden kann, und unter Verwendung von Cloud-basierten Speicher, kostengünstiger als gut. Darüber hinaus Verbesserungen in der Netzwerkgeschwindigkeit und Zuverlässigkeit haben andere physikalische Grenzen massive Mengen von Daten auf einem akzeptablen Tempo zu verwalten zu können, entfernt.

Hinzu kommt die Auswirkungen von Änderungen im Preis und Raffinesse des Computerspeichers. Mit all diesen Technologiewechsel ist es nun Möglichkeiten, sich vorzustellen, dass die Unternehmen Daten nutzen können, die noch vor fünf Jahren undenkbar gewesen wäre.

Aber keine Technologie Übergang geschieht in Isolations- es geschieht, wenn ein wichtiges Bedürfnis, das vorhanden ist, indem die Verfügbarkeit und die Reifung der Technologie erfüllt werden können. Viele der Technologien in den Mittelpunkt der großen Daten, wie Virtualisierung, parallele Verarbeitung, verteilte Dateisysteme und In-Memory-Datenbanken haben es schon seit Jahrzehnten.

Advanced-Analysen gibt es schon auch seit Jahrzehnten, obwohl sie nicht immer praktisch gewesen. Andere Technologien wie Hadoop und MapReduce haben nur ein paar Jahren auf der Szene. Diese Kombination von technologischen Fortschritte können nun erhebliche geschäftliche Probleme adressieren. Die Unternehmen wollen in der Lage sein zu gewinnen Erkenntnisse und umsetzbare Ergebnisse aus vielen verschiedenen Arten von Daten mit der richtigen Geschwindigkeit.

Wenn die Unternehmen Petabyte Daten (entspricht 20 Millionen Vier-Schublade Aktenschränke gefüllt mit Textdateien bzw. 13,3 Jahre HDTV-Inhalte) eine akzeptable Leistung zu analysieren, zu erkennen Muster und Anomalien können Unternehmen beginnen Gefühl der Daten auf neue Weise zu machen. Der Umzug in Big Data ist nicht nur über Unternehmen.

Wissenschaft, Forschung und staatlichen Aktivitäten haben auch vorwärts geholfen, es zu fahren. Man denke nur an das menschliche Genom oder der Umgang mit all den astronomischen Daten zu analysieren an Observatorien gesammelt unser Verständnis der Welt um uns herum zu fördern. Betrachten wir die Menge der Daten, die Regierung als auch in ihrer Anti-Terror-Aktivitäten sammelt, und Sie bekommen die Idee, dass große Datenmengen nicht nur ums Geschäft ist.

Verschiedene Ansätze zur Handhabung Daten existieren. Daten in Bewegung würde verwendet werden, wenn ein Unternehmen in der Lage, die Qualität ihrer Produkte während des Herstellungsprozesses zu analysieren, kostspielige Fehler zu vermeiden. Data at Rest würde durch ein Business-Analyst verwendet werden, um Kunden besser aktuelle Kaufverhalten bezogen auf alle Aspekte der Kundenbeziehung, einschließlich Vertrieb, Social-Media-Daten und Kundendienst-Interaktionen zu verstehen.

Denken Sie daran, dass die Unternehmen der Nutzung riesiger Datenmengen immer noch in einem frühen Stadium sind eine 360-Grad-Sicht auf das Unternehmen zu gewinnen und zu antizipieren Verschiebungen und Veränderungen in der Kundenerwartungen. Die erforderlichen Technologien haben die Antworten auf die geschäftlichen Anforderungen sind immer noch voneinander getrennt.

Big Data ist nicht einfach nur um ein Werkzeug oder eine Technologie. Es geht darum, wie all diese Technologien zusammen kommen, die richtigen Erkenntnisse zu geben, zur richtigen Zeit, bezogen auf die richtigen Daten - ob sie von Menschen erzeugt wird, Maschinen oder im Web.