Q:
Comment le Big Data a-t-il affecté le workflow d'analyse traditionnel?
UNE:La poursuite de l'analyse commerciale ou d'autres processus d'analyse varie considérablement et doit être évaluée au cas par cas. Cependant, il existe des façons générales d'utiliser des ensembles de données volumineuses pour changer la façon dont les professionnels abordent les projets d'analyse.
La façon dont les données volumineuses ont affecté l'analyse est probablement la manière dont les magasins de données sont analysés. Avant les mégadonnées, les magasins de données étaient généralement analysés de façon linéaire, un par un. Avant les ordinateurs, cela se faisait à la main. Les feuilles de calcul Excel et d'autres outils ont ensuite permis une analyse linéaire plus efficace des analyses. Par exemple, une feuille de calcul tabulerait différents clients et leurs historiques d'achat, et les utilisateurs créeraient des rapports sur les achats moyens, en procédant ligne par ligne et en tenant compte de chaque enregistrement. C'était la méthode dominante pour faire des analyses jusqu'à ce que les mégadonnées arrivent.
| Webinaire gratuit Connaître votre client sur plusieurs plateformes |
Dans le monde des mégadonnées, l'analyse se fait généralement au moyen d'algorithmes étendus et d'un tri de modèles. Ce n'est généralement pas fait à la main car cela prendrait trop de temps et nécessiterait trop de ressources. De plus, les outils structurels qui accompagnent les mégadonnées signifient que l'analyse n'a pas à être faite à la main. Il y a une utilisation émergente de quelque chose appelé heuristique ou travail de probabilité qui permet des analyses beaucoup plus efficaces basées sur la reconnaissance des formes et d'autres stratégies qui remplacent le processus de l'analyse statistique traditionnelle.
À cette fin, les entreprises modernes investissent rapidement dans toutes sortes d'outils matériels et logiciels pour utiliser ces méthodes d'exploration de données plus sophistiquées. Les mégadonnées ont considérablement affecté la façon dont nous analysons presque tout, d'un projet scientifique à un processus commercial. Autrement dit, les outils logiciels gèrent les données et les trient avec l'automatisation et quelque chose d'approchant l'intelligence artificielle.
