Big Data Technologií

Většina expertů očekávat, že výdaje na velkých datových technologií, aby i nadále v šíleným tempem po zbytek desetiletí. Podle celosvětového pololetního průvodce výdaji na velká Data a analytiku společnosti IDC podniky pravděpodobně utratí 150,8 miliardy dolarů za velká data a obchodní analytiku v roce 2017, což je o 12,4 procenta více než v roce 2016. A firma předpovídá složené roční tempo růstu (CAGR) 11,9 procenta pro trh do roku 2020, kdy tržby dosáhnou 210 miliard dolarů.

Dan Vesset, vicepresident skupiny v IDC, řekl, „Po letech křížení přijetí S-křivky, big data a business analytics řešení konečně hit proudu. jako aktivátor podpory rozhodování a automatizace rozhodování je nyní pevně na radaru vrcholových manažerů. Tato kategorie řešení je také jedním z klíčových pilířů umožňujících úsilí o digitální transformaci napříč průmyslovými odvětvími a obchodními procesy po celém světě.“Společnost v příštích několika letech předpokládá obzvláště silný růst pro nerelační analytická úložiště dat a kognitivní softwarové platformy. Domnívá se, že do roku 2020 podniky utratí 70 miliard dolarů za software pro velká data.

Správa Dat Zdroj: Forrester Wave – Master Data Management

Průzkumy TO lídři a manažeři také půjčovat důvěře k myšlence, že podniky utrácejí značné částky na big data technologie. NewVantage Partners Big Data Executive Survey 2017 zjistil, že 95 procent vedoucích pracovníků Fortune 1000 uvedlo, že jejich firmy investovaly do technologie velkých dat za posledních pět let. V některých případech byly tyto investice velké, 37.2% respondentů tvrdí, že jejich společnosti strávil více než $100 milionů na big data projektů, a 6,5 investovala více než 1 miliardu dolarů.

a data IDG Enterprise 2016 & analytický výzkum zjistil, že tyto výdaje budou pravděpodobně pokračovat. Mezi dotázanými 89 procent očekávalo, že v příštích 12 až 18 měsících jejich společnosti nakoupí nová řešení, která jim pomohou odvodit obchodní hodnotu z jejich velkých dat.

Pokud jste na trhu pro big data řešení pro vaše podnikání, přečtěte si náš seznam nejlepších big data společnosti

Big Data Technologie: Investice do Průmyslu

Téměř každý průmysl se začala investovat ve velké dat analytics, ale někteří investují více těžce než ostatní. Podle IDC, bankovnictví, diskrétní výroba, procesní výroba, federální/ústřední vláda, a profesionální služby jsou mezi největší spenders. Společně tato odvětví pravděpodobně utratí 72,4 miliardy dolarů za velká data a obchodní analytiku v roce 2017 a vyšplhají se na 101 dolarů.5 miliard do roku 2020.

nejrychlejší růst výdajů na velkých datových technologií dochází v bankovnictví, zdravotnictví, pojišťovnictví, cenných papírů a investičních služeb a telekomunikací. Je pozoruhodné, že tři z těch odvětví, leží ve finančním sektoru, který má mnoho zvláště silný případy použití pro big data analytics, jako jsou detekce podvodů, řízení rizik a služby zákazníkům, optimalizace.

„mimo finanční služby představuje několik dalších odvětví přesvědčivé příležitosti,“ řekla Jessica Goepfertová, programová ředitelka IDC. „Například v oblasti telekomunikací se používají velká data a analýzy, které pomáhají udržet a získat nové zákazníky, jakož i pro plánování a optimalizaci kapacity sítě. Mezitím byl mediální průmysl v posledních letech sužován masivním narušením díky digitalizaci a masivní spotřebě obsahu. Zde mohou velká data a analytika pomoci firmám pochopit a sledovat návyky, preference a sentiment svých čtenářů. Prodejci zaměřených na big data a analytics příležitost by být dobře sloužil, aby se řemesla jejich zprávy kolem těchto odvětví priority, bolesti body, a případy použití.“

Z geografického hlediska, většina výdajů bude probíhat ve Spojených Státech, což bude pravděpodobně tvoří asi 52 procent big data a analytics výdaje v roce 2017. Západní Evropa je s téměř čtvrtinou výdajů druhým největším regionálním trhem. K nejrychlejšímu růstu však dochází v Latinské Americe a v asijsko-pacifickém regionu.

převážná část výdajů na velkých datových technologií přichází z podniků s více než 1000 zaměstnanci, které tvoří 60 procent trhu, podle IDC. Přesto malé a střední podniky nenechávají trend projít, protože představují téměř čtvrtinu výdajů na velká data a obchodní analytiku.

jaké velké datové technologie tedy tyto společnosti kupují?

non-relační analytické systémy jsou oblíbenou oblastí pro investice do velkých datových technologií, stejně jako kognitivní software.

15 velkých datových technologií ke sledování

seznam dodavatelů technologií nabízejících řešení velkých dat je zdánlivě nekonečný. Mnoho z big data řešení, která jsou obzvláště populární právě teď vejde do jedné z následujících 15 kategorií:

Hadoop Ekosystému

Zatímco Apache Hadoop nemusí být tak dominantní, jak to kdysi bylo, je to téměř nemožné mluvit o big data, aniž by zmínil tento open source framework pro distribuované zpracování velkých datových sad. V loňském roce Forrester předpověděl: „100% všech velkých podniků ji přijme (Hadoop a související technologie, jako je Spark) pro analýzu velkých dat během příštích dvou let.“

v průběhu let se Hadoop rozrostl tak, aby zahrnoval celý ekosystém souvisejícího softwaru, a mnoho komerčních velkých datových řešení je založeno na Hadoop. Ve skutečnosti, Zion průzkum Trhu předpovědi, že trh pro Hadoop-based produktů a služeb bude i nadále růst na 50 procent CAGR až do roku 2022, kdy bude v hodnotě $87.14 miliard, a to až od $7.69 miliard v roce 2016.

mezi klíčové dodavatele Hadoop patří Cloudera, Hortonworks a MapR a přední veřejné cloudy nabízejí služby, které tuto technologii podporují.

Spark

Apache Spark je součástí ekosystému Hadoop, ale jeho použití se stalo tak rozšířeným, že si zaslouží vlastní kategorii. Je to motor pro zpracování velkých dat v rámci Hadoop a je až stokrát rychlejší než standardní motor Hadoop, MapReduce.

V AtScale 2016 Big Data Splatnosti Průzkumu, 25 procent respondentů uvedlo, že jsou již nasazeny Jiskra ve výrobě, a 33 procent více, měl Jiskru projekty ve vývoji. Je zřejmé, že zájem o tuto technologii je značný a roste a mnoho prodejců s nabídkami Hadoop nabízí také produkty založené na Spark.

R

R, další open source projekt, je programovací jazyk a softwarové prostředí určené pro práci se statistikami. Miláček datových vědců je spravován nadací R a je k dispozici pod licencí GPL 2. Mnoho populárních integrovaných vývojových prostředí (IDE), včetně Eclipse a Visual Studio, podporuje jazyk.

několik organizací, které řadí popularitu různých programovacích jazyků, říká, že R se stal jedním z nejpopulárnějších jazyků na světě. Například IEEE říká, že R je pátým nejoblíbenějším programovacím jazykem a Tiobe i RedMonk ho řadí na 14. místo. To je významné, protože programovací jazyky v horní části těchto grafů jsou obvykle univerzální jazyky, které lze použít pro mnoho různých druhů práce. Pro jazyk, který se používá téměř výhradně pro velké datové projekty, aby byl tak blízko vrcholu, ukazuje význam velkých dat a význam tohoto jazyka ve svém oboru.

datová jezera

aby se usnadnil přístup k jejich rozsáhlým skladům dat, mnoho podniků zřizuje datová jezera. Jedná se o obrovské datové úložiště, které shromažďují data z mnoha různých zdrojů a ukládají je v přirozeném stavu. To se liší od datového skladu, který také shromažďuje data z různorodých zdrojů, ale zpracovává je a strukturuje pro ukládání. V tomto případě jsou metafory jezera a skladu poměrně přesné. Pokud jsou data jako voda, datové jezero je přirozené a nefiltrované jako vodní útvar, zatímco datový sklad je spíše jako sbírka lahví s vodou uložených na policích.

datová jezera jsou obzvláště atraktivní, když podniky chtějí ukládat data, ale zatím si nejsou jisti, jak by je mohly použít. Do této kategorie by se mohlo vejít mnoho dat internetu věcí (IoT) a trend IoT hraje do růstu datových jezer.

MarketsandMarkets předpovídá, že příjmy z datového jezera vzrostou z 2,53 miliardy dolarů v roce 2016 na 8 dolarů.81 miliard do roku 2021.

databáze NoSQL

tradiční systémy správy relačních databází (RDBMS) ukládají informace do strukturovaných definovaných sloupců a řádků. Vývojáři a správci databází dotaz, manipulovat a spravovat data v těchto RDBMS pomocí speciálního jazyka známého jako SQL.

databáze NoSQL se specializují na ukládání nestrukturovaných dat a poskytování rychlého výkonu, i když neposkytují stejnou úroveň konzistence jako RDBMS. Populární databáze NoSQL zahrnují MongoDB, Redis, Cassandra, Couchbase a mnoho dalších; dokonce i přední dodavatelé RDBMS, jako jsou Oracle a IBM, nyní nabízejí také databáze NoSQL.

databáze NoSQL se staly stále populárnějšími, protože trend velkých dat. Podle průzkumu spojeneckého trhu by trh NoSQL mohl mít do roku 2020 hodnotu 4, 2 miliardy dolarů. Trh s RDBMS je však stále mnohem, mnohem větší než trh s NoSQL.

MonboDB je jednou z několika známých databází NoSQL.

prediktivní analytika

prediktivní analytika je podskupina analýzy velkých dat, která se pokouší předpovídat budoucí události nebo chování na základě historických dat. Čerpá z technik dolování dat, modelování a strojového učení, aby předpověděl, co se bude dít dál. To je často používáno pro detekci podvodů, kreditní bodování, marketing, finance a obchodní analýzy účely.

v posledních letech pokroky v umělé inteligenci umožnily obrovské zlepšení schopností prediktivních analytických řešení. V důsledku toho podniky začaly více investovat do velkých datových řešení s prediktivními schopnostmi. Mnoho dodavatelů, včetně Microsoft, IBM, SAP, SAS, Statistica, RapidMiner, KNIME a dalších, nabízí prediktivní analytická řešení. Zion průzkum Trhu říká, že Prediktivní analýzy trhu generované $3.49 $ v příjmech v roce 2016, číslo, které by mohl dosáhnout $10.95 miliardy do roku 2022.

databáze v paměti

v jakémkoli počítačovém systému je paměť, známá také jako RAM, řádově rychlejší než dlouhodobé úložiště. Pokud řešení pro analýzu velkých dat dokáže zpracovat data uložená v paměti spíše než data uložená na pevném disku, může fungovat dramaticky rychleji. A to je přesně to, co technologie databáze v paměti dělá.

mnoho předních dodavatelů podnikového softwaru, včetně SAP, Oracle, Microsoft a IBM, nyní nabízí databázovou technologii v paměti. Kromě toho několik menších společností jako Teradata, Tableau, Volt DB a DataStax nabízí databázová řešení v paměti. Výzkum z MarketsandMarkets odhaduje, že celkový prodej technologie v paměti byl $ 2 .72 miliard v roce 2016 a do roku 2021 může růst na 6,58 miliardy dolarů.

Big Data Security Solutions

Protože velká datová úložiště představují atraktivní cíl pro hackery a pokročilé přetrvávající hrozby, velkou bezpečnost dat je velký a stále rostoucí obavy pro podniky. V průzkumu AtScale byla bezpečnost druhou nejrychleji rostoucí oblastí zájmu související s velkými daty.

Podle IDG zprávy, nejpopulárnější typy velkých dat bezpečnostní řešení zahrnují identity a řízení přístupu (používá 59 procent respondentů), šifrování dat (52 procent) a data segregace (42 procent). Desítky dodavatelů nabízejí řešení pro zabezpečení velkých dat a rostoucí pozornost přitahuje také Apache Ranger, open source projekt z ekosystému Hadoop.

řešení správy velkých dat

úzce souvisí s myšlenkou bezpečnosti je koncept správy. Správa dat je široké téma, které zahrnuje všechny procesy související s dostupností,použitelností a integritou dat. Poskytuje základ pro zajištění toho, aby data používaná pro analýzu velkých dat byla přesná a vhodná, a také poskytuje auditní stopu, aby obchodní analytici nebo vedoucí pracovníci mohli zjistit, odkud data pocházejí.

v průzkumu NewVantage Partners uvedlo 91,8 procenta dotázaných vedoucích pracovníků Fortune 1000, že správa věcí veřejných je pro jejich velké iniciativy kriticky důležitá (52,5 procenta) nebo důležitá (39,3 procenta). Mezi dodavatele nabízející nástroje pro správu velkých dat patří Collibra, IBM, SAS, Informatica, Adaptive a SAP.

Self-Service Schopnosti

S údaji, vědců a dalších velkých dat odborníků nedostatek, a velící velké platy — mnoho organizací hledají pro big data analytics nástroje, které umožňují podnikovým uživatelům self-service jejich vlastní potřeby. Ve skutečnosti, zpráva z Výzkumu a Trhy, se odhaduje, že self-service business intelligence trhu generované $3.61 $ v příjmech v roce 2016 a může růst k $7.31 miliard eur do roku 2021. A Gartner poznamenal, že „moderní BI a analytické platformy se objevily v posledních několika letech, jak poznat nové organizační požadavky pro přístupnost, obratnost a hlubší analytický vhled, řazení trh z-led, systém z-záznam zpráv k podnikání-led, agilní analytics, včetně self-service.“

Doufá, že využít tohoto trendu, více business intelligence a big data analytics dodavatelů, jako je například Tablo, Microsoft, IBM, SAP, Splunk, Syncsort, SAS, TIBCO, Oracle a další přidali self-service schopnosti k jejich řešení. Čas ukáže, zda některý nebo všechny produkty se ukáže být skutečně použitelné non-odborníci a zda budou poskytovat obchodní hodnoty organizace doufají, že k dosažení s jejich velkých datových iniciativ.

Umělá inteligence

zatímco koncept umělé inteligence (AI) existuje téměř stejně dlouho jako počítače, technologie se stala skutečně použitelnou pouze v posledních několika letech. V mnoha ohledech trend velkých dat vedl k pokroku v AI, zejména ve dvou podmnožinách disciplíny: strojové učení a hluboké učení.

standardní definice strojového učení je, že to je technologie, která dává „počítačům schopnost učit se, aniž by byl explicitně naprogramováno.“Ve velké dat analytics, machine learning technologie umožňuje systémy, podívat se na historická data, rozpoznat vzory, stavět modely a předvídat budoucí výsledky. Je také úzce spojena s prediktivní analýzou.

hluboké učení je typ technologie strojového učení, která se spoléhá na umělé neuronové sítě a používá k analýze dat více vrstev algoritmů. Jako pole má mnoho slibů, že umožňuje analytickým nástrojům rozpoznat obsah v obrázcích a videích a poté jej odpovídajícím způsobem zpracovat.

odborníci tvrdí, že tato oblast velkých datových nástrojů se zdá být připravena na dramatický vzlet. Společnost IDC předpověděla: „do roku 2018 bude 75 procent vývoje podniků a ISV zahrnovat kognitivní / AI nebo funkce strojového učení alespoň v jedné aplikaci, včetně všech nástrojů obchodní analýzy.“

Přední AI prodejců související s nástroji big data patří Google, IBM, Microsoft a Amazon Web Services, a desítky malých začínajících vyvíjejí technologie AI (a jak získal větší dodavateli technologií).

Streaming analytics

Jako organizace se staly více obeznámeni s možnostmi big data analytics řešení, které začaly náročné rychlejší a rychlejší přístup k nahlédnutí. Pro tyto podniky je streaming analytics se schopností analyzovat data při jejich vytváření něco jako svatý grál. Hledají řešení, která mohou přijímat vstupy z více různorodých zdrojů, zpracovávat je a okamžitě vracet poznatky-nebo co nejblíže k nim. To je zvláště žádoucí, pokud jde o nové nasazení IoT,které pomáhají zvyšovat zájem o streamování analýzy velkých dat.

několik dodavatelů nabízí produkty, které slibují možnosti analýzy streamování. Patří mezi ně IBM, Software AG, SAP, TIBCO, Oracle, DataTorrent, SQLstream, Cisco, Informatica a další. MarketsandMarkets věří, že řešení streaming analytics přinesla $ 3.08 miliard příjmů v roce 2016, které by se mohly do roku 2021 zvýšit na 13, 70 miliard dolarů.

Edge Computing

kromě prosazování zájmů v streaming analytics, IoT trend je také vytváření zájmu v edge computing. V některých ohledech je edge computing opakem cloud computingu. Namísto přenosu dat na centralizovaný server pro analýzu analyzují systémy edge computing data velmi blízko místa, kde byla vytvořena-na okraji sítě.

výhodou okrajového výpočetního systému je to, že snižuje množství informací, které musí být přenášeny po síti, čímž snižuje síťový provoz a související náklady. Snižuje také nároky na datová centra nebo zařízení cloud computingu, uvolňuje kapacitu pro další pracovní zatížení a eliminuje potenciální jediný bod selhání.

Zatímco trh pro edge computing, a to konkrétně na okraji výpočetní analytics se stále vyvíjí, někteří analytici a investoři rizikového kapitálu se začala volat technologie „příští velká věc.“

Blockchain

také oblíbený u výhledových analytiků a rizikových kapitalistů, blockchain je distribuovaná databázová technologie, která je základem digitální měny Bitcoin. Jedinečnou vlastností blokové databáze je, že jakmile jsou data zapsána, nelze je po faktu smazat ani změnit. Kromě toho je vysoce bezpečný, což z něj činí vynikající volbu pro velké datové aplikace v citlivých odvětvích, jako je bankovnictví, pojišťovnictví, zdravotnictví, maloobchod a další.

technologie Blockchain je stále v plenkách a případy použití se stále vyvíjejí. Několik dodavatelů, včetně IBM, AWS, Microsoft a více startupů, však zavedlo experimentální nebo úvodní řešení postavená na technologii blockchain.

Blockchain je technologie distribuované účetní knihy, která nabízí velký potenciál pro analýzu dat.

normativní analytika

mnoho analytiků rozděluje nástroje pro analýzu velkých dat do čtyř velkých kategorií. První, popisná analýza, jednoduše říká, co se stalo. Další typ, diagnostická analytika, jde o krok dále a poskytuje důvod, proč došlo k událostem. Třetí typ, prediktivní analytika, diskutovaná do hloubky výše, se pokouší určit, co se bude dít dál. To je stejně sofistikované, jako většina analytických nástrojů, které jsou v současné době na trhu, může získat.

Existuje však čtvrtý typ analytiky, který je ještě sofistikovanější, i když v současné době je k dispozici jen velmi málo produktů s těmito schopnostmi. Normativní analytics nabízí poradenství společnosti o tom, co by měly udělat, aby požadovaného výsledku stát. Například, zatímco prediktivní analytics by mohl dát společnosti varování, že na trhu pro konkrétní produkt line snížení, normativní analytics bude analyzovat různé kurzy, akce v reakci na tyto změny na trhu a prognózy nejpravděpodobnější výsledky.

v Současné době, velmi málo podniků investovali v normativní analytics, ale mnoho analytiků věří, že toto bude další velká oblast investic po organizacím začít zažívá výhody prediktivní analytiku.

trh s velkými datovými technologiemi je různorodý a neustále se mění. Ale možná jednoho dne brzy prediktivní a normativní analytické nástroje nabídnou rady o tom, co bude následovat pro velká data — a co by s tím podniky měly dělat.

Napsat komentář

Vaše e-mailová adresa nebude zveřejněna.