兩個(gè)系統(tǒng)的共存

利用機(jī)器學(xué)習(xí)和傳統(tǒng)算法來(lái)分析任何組織的大數(shù)據(jù)可以解決多個(gè)垂直領(lǐng)域的問(wèn)題，并以更快的速度和可靠性預(yù)測(cè)業(yè)務(wù)未來(lái)。數(shù)據(jù)分析已經(jīng)在商業(yè)智能領(lǐng)域長(zhǎng)期以來(lái)為任何企業(yè)的特定問(wèn)題提供“點(diǎn)解決方案”。

例如，客戶流失預(yù)測(cè)，還款風(fēng)險(xiǎn)計(jì)算，客戶默認(rèn)傾向，促銷價(jià)格點(diǎn)優(yōu)化等已成為保險(xiǎn)，電信，快速消費(fèi)品，零售，銀行和金融服務(wù)等領(lǐng)域的一些突出點(diǎn)解決方案。雖然業(yè)務(wù)分析提供商提供的傳統(tǒng)“Causative模型”解決方案有助于解釋業(yè)務(wù)問(wèn)題的基本解釋以及針對(duì)業(yè)務(wù)問(wèn)題的任何糾正措施，但它通常不會(huì)提供實(shí)時(shí)的系統(tǒng)方法。

大數(shù)據(jù)分析不僅可以開(kāi)發(fā)高速可靠的解決方案，還可以組織各種結(jié)構(gòu)化和半結(jié)構(gòu)化的公司和外部數(shù)據(jù)來(lái)源，用于多種系統(tǒng)用途。

大數(shù)據(jù)分析源于數(shù)據(jù)科學(xué)，它包括數(shù)學(xué)，統(tǒng)計(jì)學(xué)和許多其他科學(xué)工具，用于分析不斷增長(zhǎng)的數(shù)據(jù)。在AI應(yīng)用程序和機(jī)器學(xué)習(xí)的幫助下，執(zhí)行預(yù)測(cè)分析，將結(jié)果分類到滿足不同業(yè)務(wù)垂直需求的各個(gè)領(lǐng)域。這些準(zhǔn)確的預(yù)測(cè)有助于非常有效地突出業(yè)務(wù)增長(zhǎng)。

看看最近的報(bào)告，選擇大數(shù)據(jù)和分析的公司發(fā)生了巨大轉(zhuǎn)變，電信和金融服務(wù)是選擇這一點(diǎn)的行業(yè)領(lǐng)導(dǎo)者。事實(shí)上，大數(shù)據(jù)的巨大影響已經(jīng)被行業(yè)巨頭所預(yù)見(jiàn)，科學(xué)正在與物聯(lián)網(wǎng)和服務(wù)（IoT / IoS）相結(jié)合，以利用組織的最大優(yōu)勢(shì)。這突顯了這樣一個(gè)事實(shí)，即分析將首次從真正的整體解決方案轉(zhuǎn)變?yōu)槠髽I(yè)階段。

大數(shù)據(jù)分析三個(gè)核心優(yōu)勢(shì)

大數(shù)據(jù)分析有三個(gè)主要優(yōu)勢(shì) - 這些是通過(guò)分布式計(jì)算實(shí)現(xiàn)的周轉(zhuǎn)速度，通過(guò)虛擬采用任何數(shù)據(jù)源來(lái)改變限制，以及能夠流失更大量的數(shù)據(jù)。盡管組織仍然對(duì)其現(xiàn)有數(shù)據(jù)和BI系統(tǒng)與大數(shù)據(jù)的共存感到困惑，但為組織帶來(lái)利潤(rùn)的潛在潛力迫使他們采取主動(dòng)。

目前，大數(shù)據(jù)可能無(wú)法取代現(xiàn)有的數(shù)據(jù)系統(tǒng)，因此這兩個(gè)系統(tǒng)將共同駐留在工作空間中，直到組織能夠適應(yīng)大數(shù)據(jù)系統(tǒng)和復(fù)雜性。相關(guān)的更重要的問(wèn)題是大數(shù)據(jù)基礎(chǔ)設(shè)施和內(nèi)部能力的劃分。由于組織更愿意在其場(chǎng)所保留某種機(jī)密和核心業(yè)務(wù)數(shù)據(jù)，并且只向海外發(fā)布非核心數(shù)據(jù)，因此正在實(shí)施混合數(shù)據(jù)云，在內(nèi)部和離岸之間劃分?jǐn)?shù)據(jù)和工作區(qū)。由于這兩個(gè)復(fù)雜性，公司的決策者，IT負(fù)責(zé)人和服務(wù)提供商必須積極設(shè)計(jì)大數(shù)據(jù)攝取途徑否則會(huì)顯著降低投資回報(bào)率。

從解決方案提供商的角度來(lái)看，所有點(diǎn)解決方案都應(yīng)成為大數(shù)據(jù)系統(tǒng)的一部分，并成為服務(wù)平臺(tái)的一部分。這種平臺(tái)即服務(wù)在大數(shù)據(jù)科學(xué)中變得相關(guān)，并且不僅在提供各種解決方案以供選擇方面發(fā)揮重要作用，而且還將Capex驅(qū)動(dòng)模型帶到Opex驅(qū)動(dòng)模型中。選擇現(xiàn)代易過(guò)時(shí)和昂貴的基礎(chǔ)設(shè)施，如固態(tài)硬盤(pán)，這是一種高性能環(huán)境，加上內(nèi)存技術(shù)，可能只適用于基于云的Opex模型

大數(shù)據(jù)分析助力企業(yè)基礎(chǔ)業(yè)務(wù)的開(kāi)展

大數(shù)據(jù)可以對(duì)面向基礎(chǔ)設(shè)施的業(yè)務(wù)產(chǎn)生巨大影響，因?yàn)樵谶@個(gè)領(lǐng)域，再加上IOT / IOS（物聯(lián)網(wǎng)或服務(wù)互聯(lián)網(wǎng)），它將產(chǎn)生更明顯的影響。包括制造和零售在內(nèi)的基礎(chǔ)設(shè)施行業(yè)可以從大數(shù)據(jù)科學(xué)中獲益 機(jī)器級(jí)或客戶界面級(jí)干預(yù)有巨大的空間來(lái)增加商業(yè)機(jī)會(huì)。這些干預(yù)措施通常包括客戶營(yíng)銷機(jī)會(huì)和降低風(fēng)險(xiǎn)的需求。網(wǎng)絡(luò)安全也受益于大數(shù)據(jù)的進(jìn)步，因?yàn)榛趯?shí)時(shí)傳統(tǒng)或基于人工智能的模式識(shí)別和聚類算法對(duì)于最大限度地降低安全性和交易風(fēng)險(xiǎn)非常有用。

政府和公共部門大數(shù)據(jù)的最大投資者

政府和公共部門機(jī)構(gòu)一直是大數(shù)據(jù)，機(jī)器學(xué)習(xí)和數(shù)據(jù)分析領(lǐng)域的最大投資者之一。從宏觀建模（市場(chǎng)水平模型）到微觀建模（實(shí)體/交易級(jí)別風(fēng)險(xiǎn)模型）到360分析，到2020年，這種實(shí)施在印度的貨幣潛力值可達(dá)數(shù)十億美元。

政府和公共部門的全球范圍是相同的乘數(shù)，值得在2020年500億美元的大數(shù)據(jù)總市場(chǎng)規(guī)模中得到通知（資料來(lái)源：Statista 2018）。無(wú)論大數(shù)據(jù)和分析的機(jī)會(huì)是什么，最初的可證明的成功對(duì)于大數(shù)據(jù)來(lái)說(shuō)仍然很重要，以確保在該領(lǐng)域的持續(xù)投資。這一增長(zhǎng)故事的最大威脅可能仍然是使大數(shù)據(jù)實(shí)施成功所需的高質(zhì)量技能。

（來(lái)源：因果樹(shù)）