Top Big Data Analytics en trends voor 2015

mul-ti-plexer-er. zelfstandig naamwoord. Inrichting, in de elektronica, die synthetiseert uiteenlopende datasignalen in één uniform output. de website multiplexer fuseert verschillende perspectieven, mediatypen en gegevensbronnen en synthetiseert ze in een duidelijke boodschap, via een gesponsorde blog.

de website multiplexer stelt marketeers in staat om direct verbinding met de website van de gemeenschap door hen in staat om te bloggen op de website publishing platform. Inhoud op de website multiplexer blogs wordt geproduceerd in samenwerking met de sponsor en is geen onderdeel van de redactionele inhoud van de website.

Hier is een lijst van wat ik vind zijn de meest interessante trends in analytics in 2015.

Waarom de cursief? omdat de meeste van wat dit jaar zal gebeuren kan worden samengevat met een enkel woord: meer. Ja, er zullen meer data, meer mobile analytics, meer cloud analytics, meer data discovery, meer visualisatie, etc .– maar dit zijn de trends die ik persoonlijk zal meer aandacht moeten betalen om over het jaar

Arthur C. Clark beroemde uitspraak dat ‘Elke voldoende geavanceerde technologie is niet te onderscheiden van magie. ” De analytics-industrie heeft onlangs gezien grote vooruitgang in de technologie, maar het is nog niet omgezet in magic– en interfaces die “gewoon werken.

Vandaag de dag worden mensen verplicht om elke stap van het proces analytics herder, bepalen welke gegevens beschikbaar zijn, hoe het zou moeten worden samengevoegd, hoe het zou moeten zijn opgeslagen, en hoe het moet worden geanalyseerd en gevisualiseerd.

Maar de nieuwe kracht van geavanceerde analyse en machine learning wordt nu toegepast op het proces van analyse zelf – waardoor meer van het proces kan worden geautomatiseerd.

We moeten in staat zijn om onze instrumenten wijzen op de gegevens, en laat de algoritmen uitzoeken is hoe het zou moeten worden samengevoegd en gereinigd, aanvullende data voor te stellen, en het optimaliseren van hoe het moet worden opgeslagen (bijvoorbeeld tussen rendabele “koude” opslag en operaties Geoptimaliseerde “hot” opslag). We moeten in staat zijn te laten onze instrumenten te identificeren uitschieters, vind statistisch valide correlaties, en voor te stellen de juiste soorten visualisatie.

New HTAP systemen (traditionele operationele data en real-time analytics); Traditioneel datawarehouses (financiën, budgetten, corporate KPI’s, enz.); Hadoop / Spark (sensor en polystructured data, langdurige opslag en analyse); Standalone BI-systemen ( persoonlijke en departementale analytics, met inbegrip van spreadsheets)

Vandaag de dag, bedrijven als SAP aanbod Smart Data Toegang tot gegevens naadloos tussen Hadoop / Spark en de nieuwe in-memory analytics systemen aan te sluiten. En de SAP Lumira data discovery tool maakt gebruik van geavanceerde statistieken om het automatisch genereren van visualisaties op basis van de gegevens die worden bekeken. 2015 zal meer geavanceerde automatisering op basis van deze mogelijkheden te zien.

Datafication is wat er gebeurt als de technologie onthult voorheen onzichtbare processen – die vervolgens kunnen worden gevolgd en geoptimaliseerd. Dit is niet een nieuwe trend, maar het is het verzamelen van snelheid real-time operationele analytische systemen beschikbaar komen en de prijs van het verzamelen van gegevens blijft dalen.

Aangesloten apparaten waren het hoogtepunt van dit jaar de CES conferentie. Voorbij de tientallen fitness tracking devices reeds beschikbaar, zijn er nu chips die stop je slungelig en-sensor geactiveerd voetballen, basketballen en tennisrackets om u te helpen uw spel te verbeteren. Sensor-tags kan zelfs helpen u uw sleutels te vinden.

Het belangrijkste inzicht is dat zelfs eenvoudige gegevens kunnen leiden tot grote inzichten. Bijvoorbeeld-sensor uitgerust tapijten beloven om te helpen senioren onafhankelijk blijven langer –niet omdat de sensoren zelf zijn complex, maar omdat krachtige patroon-algoritmen normale gang van een bewoner kan leren en klinkt een waarschuwing als het begint te verslechteren. En wie had gedacht dat fitness apparaten het epicentrum van een aardbeving zou kunnen vinden ?!

Waar zal deze gegevens voor het eerst aan te komen;? Zal het moeten verhuizen naar een andere paal als onderdeel van een analyse? Wanneer en waarom;? Waar en wanneer zullen de gegevens worden gemodelleerd, en door wie, en wat zijn de verschillende niveaus van toegang die zal worden gegeven aan verschillende gebruikers, met wat het bestuur?

In plaats van een schema / business model te bepalen vooraf, Hadoop maakt schema op te lezen query’s die de gegevens als en wanneer dat nodig is te combineren. Met de juiste vaardigheden kunnen zakelijke gebruikers (of meer waarschijnlijk gegevens wetenschappers) een vraag die kan worden beantwoord door de beschikbare gegevens te vragen, waardoor ongeplande of eenmalige analyses sneller en meer kosteneffectief;. In-memory HTAP systemen maken het mogelijk krachtige analyse rechtstreeks op gedetailleerde operationele gegevens, en de analytics schema wordt gedefinieerd in metadata. Dit betekent dat het kan worden bijgewerkt zonder nieuwe tabellen fysiek maken. Bijvoorbeeld, een in-memory financieel systeem stelt u in staat om de gevolgen van een nieuwe regionale structuur op uw accounts snel en gemakkelijk te bekijken – zonder dat u gegevens te verplaatsen;. Beheerst data discovery-systemen maken het makkelijker om de typische levenscyclus van nieuwe beheren soorten analyses, bijvoorbeeld doordat succesvolle persoonlijke of departementale analytics te identificeren en geïndustrialiseerde voor enterprise-breed gebruik.

En natuurlijk dit alles geldt voor commerciële toepassingen. Shoppers kunnen worden gevolgd met bakens, kan Inventory worden gevolgd via drones. U kunt proces knelpunten herkennen, het optimaliseren van de bierverkoop en bijhouden real-time aankopen.

Hier is een instant zakelijke kans voor 2015: het vinden van een proces dat slecht wordt bijgehouden. Installeer eenvoudige sensoren langs het proces en voer de verzamelde real-time data naar de cloud. Maak dan gebruik van geavanceerde analyses om bruikbare inzichten terug te voeren op mensen uit het bedrijfsleven met behulp van mobiele interfaces. Voor bonuspunten, voeg aanvullende gegevens van derden sets, bieden de industrie benchmarking, en aan te moedigen de gemeenschap best practice-sharing.

De laag-cake best-practice model van analytics (operationele systemen en externe data voeden datamarts en een data warehouse, met BI-tools als kers op de top) is snel aan het verouderen.

Het wordt vervangen door een nieuwe, multipolaire model waarbij gegevens worden verzameld en geanalyseerd op meerdere plaatsen, afhankelijk van het soort gegevens en analyse benodigde

Er zijn duidelijke overlappingen met elk van deze systemen en zullen convergeren, maar elk is een krachtige hub die niet zal worden vervangen door anderen op korte termijn.

maar complexe – – collectie van de analyse hubs in 2015 zullen we de ontwikkeling van best-practice leidraad voor hoe je het meeste uit deze pragmatische krijgen te zien. Dit zal betrekken zowel reguliere data feeds tussen de polen en de gefedereerde analyse naar een aangesloten uitzicht over de onderneming (inclusief, hopelijk wat meer “magische” – zie punt 1).

Vragen die enterprise architecten zullen moeten verantwoorden voor verschillende toepassingen zijn

Analytische infrastructuren te bros zijn. Met de juiste setup, hebben zij verstrekt krachtige, flexibele analytics – maar implementeren van systemen duurt te lang en het is een uitdaging om gelijke tred te houden met de veranderende behoeften van de organisatie geweest.

De nieuwste analytics technologieën zorgen voor vloeiende analytics dat meer sierlijk aan te passen aan de veranderende behoeften, met betere ondersteuning voor eenmalige analyse en analytics lifecycle

Analytics is niet langer onder de controle van goedbedoelende centrale IT-dictaturen. Als beslissingen over IT in toenemende mate de uitgaven te verplaatsen naar business units, analytics projecten moeten de toestemming van de geregeerd hebben –en betekent dit grote veranderingen om elk aspect van analytics organisatie.

2015 zal de verdere ontwikkeling van de gemeenschap bestuur van analytics te zien. Analytics leads zal hebben om de vaardigheden die ze nodig hebben om op te bouwen en te koesteren interne sociale netwerken die prioriteiten te stellen en druk uitoefenen op maverick BI-projecten te ontwikkelen. Om dit te doen, moeten ze meer als politici gedragen zich, meer aandacht voor de behoeften van hun kiezers en vleiend iedereen om hun rol te spelen voor het welzijn van de gemeenschap als geheel.

De Smart Port Logistics platform gecreëerd door de Hamburg Port Authority. Het is ontworpen om alle deelnemers van de haven, met inbegrip van de rederijen, transportbedrijven, douane-ambtenaren aan te sluiten, en zelfs de truck parkeerterreinen en winkels. Door het verzamelen, analyseren, en het terugkoppelen van informatie in real time, het Havenbedrijf helpt alle deelnemers efficiënter;. De medewerking van Volkswagen, Shell en SAP op een aangesloten auto ecosysteem. Het grootste zakelijke netwerk, Ariba, is het aanbieden van geavanceerde predictive analytics om inzichten over verbonden processen, waaronder vroegtijdige waarschuwingen van potentiële supply chain verstoringen geven.

meer Magic

Datafication

Multipolar Analytics

vloeistofanalyse

Gemeenschap

In een logische uitbreiding van datafication binnen een organisatie, zal 2015 meer analytics zien over zakelijke netwerken, het helpen van het optimaliseren van de processen tussen de deelnemers van een ecosysteem. Enkele voorbeelden zijn

Data privacy wetten en processen zijn nu ver achter de kracht van de beschikbare technologie. Ernstige misstanden zijn al aan het licht gekomen en er zijn waarschijnlijk vele anderen die nog niet zijn geopenbaard.

2015 enige welkome vooruitgang in de standaard gebruik van encryptie te zien, maar meer ingrijpende veranderingen nodig zijn om te bepalen hoe mensen te combineren en toegang tot persoonlijke gegevens sets. Uiteindelijk is dit een probleem dan kan alleen worden vastgesteld door de samenleving, wetten en culturele veranderingen – en helaas, zullen deze wijzigingen waarschijnlijk alleen tot stand komen na veel pijn en lijden.

Een equivalent analogie zou het gebruik van asbest in de bouw zijn. Want het had veel nuttige eigenschappen, met inbegrip van betaalbaarheid, geluidsabsorptie en weerstand tegen brand, werd het op grote schaal gebruikt in de hele wereld, ondanks de bezorgdheid over de toxiciteit. De asbest-industrie en overheden wordt gespeeld langs de gevaren totdat de dodelijke gevolgen niet meer te ontkennen kon. Overheidsingrijpen kwam pas na vele mensen had geleden – en de VS nog steeds achterblijft bij andere ontwikkelde landen dat het gebruik ervan hebben verboden. De nieuwe besturing betekenen dat wijzigingen in bestaande gebouwen kan erg duur zijn.

Als je het bouwen van uw big data-oplossingen, zorg ervoor dat je het te doen met de juiste data controles op zijn plaats, en maak geen misbruik van de verwachtingen van hoe hun gegevens zullen worden gebruikt, ongeacht of u een wettelijk recht om dat te doen vandaag. Het maken van de juiste keuzes van vandaag zal helpen om sociale risico’s en / of dure veranderingen in de toekomst te voorkomen.

In hun recente boek, de Tweede Machine Age, auteurs Erik Brynjolfsson en Andrew McAfee stellen dat we nu in de ‘tweede helft van het schaakbord “als het gaat om computer-technologie. De exponentiële trend betekent dat de stijging van de data processing power zal dit jaar het equivalent van tientallen jaren van vooruitgang in het verleden.

Nergens is dit duidelijker dan op het gebied van analytics, waarbij het grootste probleem is dat steeds meer organisaties gewoon niet weten welke van de talloze zakelijke kansen om eerst uit te voeren.

Analytic Ecosystemen

2015 zal een prachtig jaar voor analytics zijn, net zoals het is geweest voor de laatste kwart eeuw – zolang we niet vergeten dat grote macht brengt grote verantwoordelijkheid, en dat we moeten er ook naar streven om onze informatie cultuur en processen aan te passen.

[Dit bericht werd oorspronkelijk vermeld op de Business Analytics blog]

Analytics Teams: Eigenaar van The Zaken probleem, niet een infrastructuur

Data Privacy

Vier Stappen voor Key Enteprise ivd Veiligheid

Wat is het geheim van de “World Class” Analytics Teams?

Waarom er een behoefte aan een semantische compatibiliteit voor 2 Schema ERP appoaches

Conclusie

ÜberTech; Analytics Teams: Eigenaar van The Zaken probleem, niet een infrastructuur; ÜberTech; Vier Stappen voor Key Enteprise ivd Veiligheid; ÜberTech; Wat is het geheim van de “World Class” Analytics Teams; ÜberTech; Waarom is er behoefte aan een semantische compatibiliteit voor? 2 Tier ERP appoaches