Classes de Big Data Analytics - mannequins

Les outils et techniques d'analyse existants seront très utiles pour comprendre le Big Data. Les algorithmes qui font partie de ces outils doivent cependant être capables de travailler avec de grandes quantités de données potentiellement en temps réel et disparates. Une infrastructure compétente doit être en place pour soutenir cela. Et les fournisseurs fournissant des outils d'analyse devront également s'assurer que leurs algorithmes fonctionnent à travers les implémentations distribuées. En raison de ces complexités, une nouvelle classe d'outils devrait émerger pour aider à donner du sens au Big Data.

Voici trois classes d'outils dans cette couche d'une architecture de référence. Ils peuvent être utilisés indépendamment ou collectivement par les décideurs pour aider à diriger l'entreprise. Les trois classes d'outils sont les suivantes:

• Reporting et tableaux de bord: Ces outils fournissent un "user-friendly & rdquo; représentation de l'information provenant de diverses sources. Bien que pilier dans le monde des données traditionnelles, ce domaine évolue toujours pour le big data. Certains des outils utilisés sont des outils traditionnels qui peuvent maintenant accéder aux nouveaux types de bases de données appelés collectivement NoSQL (Not Only SQL).

• Visualisation: Ces outils sont la prochaine étape de l'évolution du reporting. La production a tendance à être hautement interactive et dynamique. Une autre distinction importante entre les rapports et les résultats visualisés est l'animation. Les utilisateurs professionnels peuvent observer les modifications apportées aux données à l'aide de diverses techniques de visualisation, notamment des cartes mentales, des cartes thermiques, des infographies et des diagrammes de connexion.

  Souvent, les rapports et la visualisation se produisent à la fin de l'activité commerciale. Bien que les données puissent être importées dans un autre outil pour un calcul ou un examen plus poussé, c'est la dernière étape.

• Analyses et analyses avancées: Ces outils pénètrent dans l'entrepôt de données et traitent les données pour la consommation humaine. Les analyses avancées doivent expliquer les tendances ou les événements qui sont transformatifs, uniques ou révolutionnaires par rapport aux pratiques commerciales existantes. L'analyse prédictive et l'analyse des sentiments sont de bons exemples de cette science.