introduction
“Le Big Data nous rend plus intelligents, pas plus sage “. – Tim Leberecht.
Le terme 'Big Data’ a été introduit dans la décennie de 1940. Partout dans le monde, les entreprises ont déployé des efforts inlassables pour explorer son potentiel. Les géants mondiaux de la technologie ont considérablement augmenté leurs dépenses pour tirer parti des technologies de Big Data. Cette tendance s'est rapidement reproduite chez les principaux acteurs de l'industrie.
Comme conséquence, selon une prévision émise par le bureau d'études (IDC), La technologie et les services de Big Data se développeront à un TCAC de 23 pour cent vers le haut 2019. Les dépenses annuelles de Big Data atteindront 48.600 millions de dollars en 2019.
C'est ainsi que les services de big data sont acceptés dans le monde entier !!
Le Big Data a une noix “rayon d'espoir” entreprises et leur a permis d'utiliser des données de toute taille et de tout volume. Les bits de données collectées au moyen de nos téléphones portables, GPS, les capteurs ne sont plus inutiles. Toutes les données collectées sont collectées et traitées pour obtenir des informations utiles nous concernant (les clients).
Au milieu des avantages croissants du Big Data, les gens ne voient pas les choses qui “hypocrisie” faire. Cela m'a aussi surpris. Mais j'ai vite compris que le Big Data complète toujours l'intuition commerciale, mais il ne pourra jamais le remplacer.
Dans ce billet, Je vous présente mes recherches du dernier 7 jours. Ma folle curiosité m'a conduit ici. Je ne pouvais tout simplement pas digérer le fait que le big data a tout ce qu'il faut pour qu'une entreprise réussisse.. Big Data es “capable” de beaucoup de choses. Mais « incapable’ en outre.
Noter: Mes réflexions ne sont pas exhaustives, mais une tentative de cadrage. N'hésitez pas à ajouter vos points de vue dans la section des commentaires ci-dessous..
Piratage des données du Black Friday – Disparu 9 jours – Gagnez des prix incroyables
Exercice « minuscule »’ sur les « grandes données »’
Cet exercice nous préparera pour l'avenir. Nous devons savoir les choses à venir. Pour cela, si vous lisez ceci, Je vous invite à essayer de résoudre cette question. Vous avez juste besoin d'écrire (même si j'ai déjà partagé la solution):
"5 choses que le Big Data peut faire" et "5 choses que le Big Data ne peut jamais faire".
Par exemple, si je conclus en utilisant une logique que X n'est réalisable en utilisant aucune plate-forme technologique avec Big Data. Je vais simplement supprimer tous les problèmes commerciaux liés à X. Comprenez vous?
Ci-dessous ma liste. Si vous n'êtes pas d'accord avec l'un des éléments de ma liste, Justifiez-le! J'adorerai modifier cette liste au fil du temps.. Comencemos con una breve nota sobre mi ideología sobre el uso de la intuición empresarial y la analytiqueL’analytique fait référence au processus de collecte, Mesurer et analyser les données pour obtenir des informations précieuses qui facilitent la prise de décision. Dans divers domaines, Comme les affaires, Santé et sport, L’analytique peut identifier des modèles et des tendances, Optimiser les processus et améliorer les résultats. L’utilisation d’outils et de techniques statistiques de pointe est essentielle pour transformer les données en connaissances applicables et stratégiques.... Entreprise.
Règle 80:20
La règle dit
“Le 80% du temps est consacré à la création d'histoires à partir de données précédentes et le 20% du temps est consacré à relier ces histoires aux affaires d'aujourd'hui”.
Explication: Je crois qu'aucune connaissance analytique n'est utile tant qu'elle n'est pas en phase avec l'intuition commerciale. D'accord ? En même temps, wen même temps, Les Le composant piloté par les données a grandi exponentiellement. Les entreprises sont désormais inondées de données. Mais, Est-ce que ça ferait vraiment une différence? Non!
Les entreprises doivent se rendre compte qu'une combinaison correcte d'une analyse commerciale réussie et de l'intuition commerciale requise est dans un rapport de 80:20.
Si nous pouvons construire une histoire en utilisant des analyses qui décrivent le passé pour prédire les attentes futures, le 80% du temps, nous devons investir le 20% du temps à réfléchir à la façon dont ces informations sont utiles pour les entreprises. Nous devons penser à des moyens qui peuvent changer notre avenir et atteindre nos objectifs commerciaux plus larges. Cela nécessite une solide compréhension des affaires et une solide compréhension des règles de l'entreprise.
Le composant de 20% dans cette règle il n'est pas remplaçable. C'est pourquoi, Une intervention humaine est nécessaire pour résoudre ce problème 20% et peut-être qu'aucune machine ne peut compenser. Pas même l'intelligence artificielle. Parce que les humains pensent d'une manière indéfinie qui mène à l'imagination. L'imagination est ce que je pense qu'aucune machine ne peut contribuer. Ma liste s'inspire de cette règle.
5 choses que le Big Data 'Peuvent’ faire
- Analyse diagnostique : Nous le faisons tous les jours. Les machines sont excellentes dans ce domaine. Une fois qu'un événement se produit, nous sommes intéressés à rechercher ses causes. Par exemple, supposons qu'il y ait une tempête de sable dans le désert A. Tenemos todos los paramètresLes "paramètres" sont des variables ou des critères qui sont utilisés pour définir, mesurer ou évaluer un phénomène ou un système. Dans divers domaines tels que les statistiques, Informatique et recherche scientifique, Les paramètres sont essentiels à l’établissement de normes et de standards qui guident l’analyse et l’interprétation des données. Leur sélection et leur manipulation correctes sont cruciales pour obtenir des résultats précis et pertinents dans toute étude ou projet.... en diferentes regiones del Desierto A: Température, Pression, Chameaux, Routes, # Voitures, etc. Si nous pouvons relier les paramètres à la tempête de sable dans cette zone, si nous connaissons des relations causales, on peut éventuellement éviter les tempêtes de sable. Imaginez à quel point les mégadonnées sont puissantes !!
- Analyses prédictives : On fait ça souvent. L'analyse prédictive est dans notre ADN! Par exemple, nous avons une chaîne d'hôtels partout dans le monde. Nous devons maintenant savoir lesquels de ces hôtels n'atteindront pas leurs ventes cibles.. Et si on sait, nous pouvons concentrer nos efforts sur ces hôtels. Cela devient un obstacle classique dans l'analyse prédictive.
- Trouver le lien entre les éléments / événements inconnus : j'adore cette partie de l'analyse. Disons que le nombre de vendeurs n'est littéralement pas lié aux ventes. Ensuite, vous pouvez éventuellement réduire le nombre de vendeurs si cela n'entraîne pas d'autres pertes.
- Analyse prescriptive : C'est l'avenir de l'analytique. Disons que nous essayons de prédire une attaque terroriste dans une destination populaire et une stratégie réalisable pour déplacer les gens en toute sécurité.. Pour faire cette prédiction, doit faire une série de prédictions, qui peut impliquer de prévoir le nombre de touristes, plus tard le nombre de touristes à cet endroit, prédire par la suite la zone qui peut être affectée par une explosion, etc., etc.
- Supervisión de un evento a mesureLa "mesure" C’est un concept fondamental dans diverses disciplines, qui fait référence au processus de quantification des caractéristiques ou des grandeurs d’objets, phénomènes ou situations. En mathématiques, Utilisé pour déterminer les longueurs, Surfaces et volumes, tandis qu’en sciences sociales, il peut faire référence à l’évaluation de variables qualitatives et quantitatives. La précision des mesures est cruciale pour obtenir des résultats fiables et valides dans toute recherche ou application pratique.... que ocurre : La plupart des gens de l'industrie travaillent sur le suivi des événements. Par exemple, vous devez surveiller la solution d'une campagne et trouver des segments qui ont répondu de plus en moins. Ces analyses deviennent cruciales pour gérer une entreprise.
5 choses que le Big Data « NE PEUT PAS’ faire
- Prédire un avenir définitif : Nous pouvons atteindre 90 des notes plus élevées en termes de précision à l'aide d'outils d'apprentissage automatique sophistiqués. Malgré cela, ne jamais rencontrer le 100% précision. Si on pouvait faire ça, aurait pu vous dire exactement à qui vous adresser et obtenir un taux de réponse de 100% à tout moment. Mais, Malheureusement, Cela n'arrivera jamais!
- Imputación de nueva fuente de datosOngle "fuente de datos" se refiere a cualquier lugar o medio donde se puede obtener información. Estas fuentes pueden ser tanto primarias, como encuestas y experimentos, como secundarias, como bases de datos, artículos académicos o informes estadísticos. La elección adecuada de una fuente de datos es crucial para garantizar la validez y la fiabilidad de la información en investigaciones y análisis.... : L'imputation prend la plupart du temps dans toute analyse. Et je pense que c'est là que vous apportez votre imagination et votre compréhension des affaires.. Peut-être, l'un des éléments les plus ennuyeux de votre analyse dont vous ne vous débarrasserez jamais.
- Trouver une solution créative à un obstacle commercial : L'imagination est une chose qui sera toujours un brevet de la race humaine. Aucune machine ne peut trouver une solution créative à un obstacle. C'est parce que même l'IA est codée par les humains et que l'imagination n'est jamais apprise par des algorithmes..
- Trouver une solution à un obstacle pas si bien défini : Le plus grand défi de l'analytique consiste à façonner un barrage routier analytique à partir d'un barrage routier commercial. Si tu peux faire ça correctement, vous êtes sur la bonne voie pour devenir une superstar de l'analytique. Ce papier est quelque chose que les machines ne pourront jamais vous enlever. Par exemple, votre problème d'entreprise est la gestion de l'attrition. Jusqu'au moment, à moins que vous ne définissiez les répondeurs, le temps passe, etc. Aucun algorithme prédictif ne peut vous aider.
- Gestion de données / Simplifiez vos données pour une nouvelle source de données : Avec des données croissantes, la gestion des données devient de plus en plus difficile. Nous avançons avec différents types de structures de données pour différents types de données. Par exemple, les données graphiques peuvent convenir à l'analyse du réseau, mais ils sont inutiles pour les données de campagne. Cette information est à nouveau que la machine ne peut pas analyser.
Remarques finales
Je pense que ce post atteindra son véritable potentiel si les gens commencent à essayer l'exercice dans ce post.. Essayez de penser à une vue plus holistique où vous pouvez voir ce que la machine ne peut jamais faire. Par exemple, mon point de départ était la règle 80:20 que la machine ne peut pas apporter l'imagination. Ce point de départ m'a aidé à réfléchir aux pièces qui ont besoin d'imagination dans la procédure d'analyse.
Quelle est votre liste de choses à faire / ne pas faire? As-tu aimé cette publication? Écrivez vos commentaires dans la case ci-dessous.