maior problema Big dados: É muito difícil obter os dados em

A maioria das empresas estão nadando em mais dados do que eles sabem o que fazer com. Infelizmente, muitos deles associar esse fenômeno se afogando com o próprio big data. Tecnologicamente, big data é uma coisa muito específica – o casamento de dados estruturados (informações de propriedade da sua empresa) com dados não estruturados (fontes públicas, tais como fluxos de mídia sociais e governo alimenta).

Não tocar esta configuração Android e a maioria dos malwares vai deixá-lo sozinho, em sua maioria; Como a Apple tornou-se Samsung, e por que Steve poderia ter aprovado; Open Project Compute: Aferição sua influência no centro de dados, infra-estrutura de computação em nuvem; VR é a próxima grande coisa , se você pode vê-lo ou não; por simplicidade e segurança, a Apple precisa desenhar uma linha agora para evitar mais queridos; Will Galaxy S7 manter Samsung na pole position; uma chamada para a transparência de computação mais nuvem; Microsoft e móvel:? a dor de cabeça que não vai embora; Se um vendedor de smartphones aquiesce com as leis anti-criptografia, não usá-los

Quando você sobrepor dados não estruturados em cima de dados estruturados e usar a análise de software para visualizá-lo, você pode obter insights que nunca foi possível antes – prever as vendas de produtos, melhores clientes-alvo, descobrir novos mercados, etc.

Big data não está sofrendo com a falta de ferramentas que assolaram que apenas alguns anos atrás, quando a fazer big data significava ter cientistas de dados sobre pessoal e mexer com ferramentas de código aberto como o R e Hadoop.

Empresa social; LinkedIn revela a sua nova plataforma de blogs; Big Data Analytics; não é a idade de grandes OLAP;? Big Data Analytics; DataRobot visa automatizar baixo pendurado fruto de ciência de dados; Big Data Analytics; fundador MapR John Schroeder desce, COO para substituir

VER: O Poder da Internet das coisas e Big Data (elaptopcomputer.com relatório especial)

Hoje, existem toneladas de empresas que competem uns com os outros para ajudar a visualizar big data – de especialistas como Tableau, Qlik, TIBCO, e MicroStrategy para end-to-end jogadores como Microsoft, IBM, SAP e Oracle.

Mas, de acordo com os executivos de TI em empresas de médio porte CIO Forum / Médio Porte CMO Fórum na semana passada em Orlando, um dos maiores problemas que as empresas estão tendo com todas essas plataformas Analytics é a ingestão de dados em si.

Um CIO disse: “Nosso maior problema em TI é como vamos conseguir dados nela. É aí que estas coisas são realmente uma dor.”

Apropriadamente, essa afirmação é apoiada por dados.

De acordo com um estudo realizado pelo especialista em integração de dados Xplenty, um terço dos profissionais de inteligência de negócios gastam 50% a 90% do seu tempo a limpeza de dados brutos e prepara-se para introduzi-lo em plataformas de dados da empresa. Isso provavelmente tem muito a ver com o motivo apenas 28% das empresas pensam que estão gerando valor estratégico de seus dados.

VER: 12 modelos de dados CIOs e CMOs pode começar a construir juntos (elaptopcomputer.com)

O problema de limpeza de dados também significa que alguns dos mais amplamente procurados profissionais da área de tecnologia agora estão gastando uma grande parte do seu tempo fazendo o trabalho de entorpecimento mental de triagem através de e organização de conjuntos de dados antes que eles nunca se analisou.

Isso é, obviamente, não muito escalável e limita severamente o potencial de big data. E como nós ficar melhor e melhor a recolha de mais dados – com a ajuda da Internet das coisas – o problema só piora.

Há três possíveis soluções para o problema

1. A grande software de análise de dados fica melhor –Since muitas dessas empresas têm investido pesadamente em big data para os últimos cinco anos, é improvável que haja avanço nas ferramentas qualquer momento em breve que irá aliviar o fardo sobre a limpeza de dados , mas devemos esperar melhorias incrementais.

2. preparadores de dados tornam-se os paralegais da ciência dados –no mesma forma que paralegais auxiliar os advogados, assumindo importantes, tarefas de nível mais baixo, preparadores de dados poderia fazer o mesmo para os cientistas de dados. Nós já estamos vendo isso em um grau. Leia o artigo elaptopcomputer.com, «rotulagem de dados» é o novo trabalho de colarinho azul da era AI?

3. AI vai ajudar a limpar os dados –A outra possibilidade é que o software e os algoritmos serão escritos para limpar, classificar e categorizar os dados. Isso é mais definitivamente vai acontecer, mas também devemos esperar que ele não vai ser uma bala de prata. Microsoft, IBM e Amazon estão investindo no uso de seres humanos para fazer a rotulagem de dados que o software não pode lidar com – e esses são três dos campeões mundiais de automação e algoritmos.

do site Monday Morning Opener é o nosso salva de abertura para a semana em tecnologia. Como um site global, este editorial publica na segunda-feira AEST 08:00 em Sydney, Austrália, que é 18:00 horário da costa leste no domingo em os EUA. É escrito por um membro do conselho editorial mundial do site, que é composta por nossos editores de chumbo em toda a Ásia, Austrália, Europa e os EUA.

Anteriormente na segunda-feira de manhã Opener

LinkedIn revela a sua nova plataforma de blogs

É esta a idade de Big OLAP?

DataRobot visa automatizar fruto maduro da ciência de dados

fundador MapR John Schroeder desce, COO para substituir