Big data-analyse

Bij big data-analyses worden grote hoeveelheden data onderzocht om verborgen patronen, correlaties en andere inzichten te ontdekken. Met de hedendaagse technologie is het mogelijk om data te analyseren en vrijwel direct antwoorden te krijgen, iets wat veel langzamer en minder efficiënt gaat wanneer je met meer traditionele business intelligence-oplossingen werkt.

• Geschiedenis
•     
• Vandaag
•     
• Wie gebruikt het
•     
• Hoe werkt het
•     
• Volgende stappen

De geschiedenis en evolutie van big data-analyses

Het concept ‘big data’ bestaat al jaren. De meeste organisaties weten wel dat het slim is om alle data die hun bedrijf binnenstromen op te slaan, dit te analyseren en er waarde uit te halen. Dit geldt met name wanneer gebruik wordt gemaakt van geavanceerde technieken zoals kunstmatige intelligentie (AI). Maar in de jaren ’50, nog voordat de term ‘big data’ bestond, werkten bedrijven al met eenvoudige vormen van analyses (wat neerkwam op spreadsheets vol cijfertjes die handmatig werden gecontroleerd) om inzichten en trends te ontdekken.;

De nieuwe voordelen van big data-analyses zijn snelheid en efficiëntie. Waar bedrijven jaren geleden informatie verzamelden en analyseerden voor eventuele toekomstige beslissingen, is het tegenwoordig mogelijk voor bedrijven om opgedane inzichten direct toe te passen in beslissingen van nu. De mogelijkheid om sneller te werken en tegelijkertijd flexibel te zijn, geeft organisaties een competitief voordeel dat ze eerder niet hadden.

SAS is the only vendor analysts consider a leader across fraud, case management, decisioning, data management and data science.

Explore how SAS ranks across solutions, industries and analysts

Hoe werkt het en wat zijn de belangrijkste technologieën

Geen enkele technologie omvat big data-analyses volledig. Natuurlijk zijn er geavanceerde analyses die op big data kunnen worden toegepast, maar eigenlijk werken verschillende technologieën samen om te zorgen dat je de meeste waarde uit je informatie haalt. Dit zijn de belangrijkste:

Cloud computing. A subscription-based delivery model, cloud computing provides the scalability, fast delivery and IT efficiencies required for effective big data analytics. Because it removes many physical and financial barriers to aligning IT needs with evolving business goals, it is appealing to organizations of all sizes.

Datamanagement. Data moet een hoge kwaliteit hebben en goed beheerd worden voor het geanalyseerd kan worden. Omdat datastromen binnen bedrijven nooit stoppen, is het belangrijk om te werken met repetitieve processen en standaarden voor datakwaliteit. Zodra de data betrouwbaar is, moeten organisaties een master data management program opstarten, waardoor er binnen de hele organisatie op dezelfde manier gewerkt wordt.

Data mining. Data mining is een manier om patronen te ontdekken in grote hoeveelheden data. Deze informatie kan vervolgens gebruikt worden voor verdere analyse om complexe, zakelijke vragen te beantwoorden. Data mining software zorgt ervoor dat je te midden van de chaotische en repetitieve data toegang hebt tot informatie die mogelijke uitkomsten voorspelt, waardoor je uiteindelijk sneller de juiste beslissingen kunt nemen.

Data storage, including the data lake and data warehouse. It's vital to be able to store vast amounts of structured and unstructured data – so business users and data scientists can access and use the data as needed. A data lake rapidly ingests large amounts of raw data in its native format. It’s ideal for storing unstructured big data like social media content, images, voice and streaming data. A data warehouse stores large amounts of structured data in a central database. The two storage methods are complementary; many organizations use both.

Hadoop. Dit open source software framework kan grote hoeveelheden data opslaan en toepassingen uitvoeren in clusters van commodity hardware. Vanwege het constant toenemende datavolume en de variaties hierin is dit een essentiële technologie geworden in het bedrijfsleven. Dankzij het distributed computing model kan big data bovendien snel verwerkt worden. Een bijkomend voordeel van het open source framework van Hadoop is dat het gratis is en dat het commodity hardware gebruikt om grote hoeveelheden data op te slaan.

In-memory analytics. Door data vanuit het systeemgeheugen te analyseren (en niet vanaf je harde schijf), kan je direct gebruikmaken van de inzichten die je opdoet uit je data. Voor deze technologie zijn datavoorbereiding en analytische proceslatenties niet nodig om nieuwe scenario’s te testen en modellen te bouwen. Het is niet alleen een makkelijke manier voor organisaties om flexibel te blijven en betere beslissingen te nemen, maar het zorgt er ook voor dat bedrijven repetitieve en interactieve analysescenario’s kunnen draaien.

Machine learning. Machine learning is een specifieke subset van kunstmatige intelligentie waarbij een machine leert hoe hij moet leren. Hierdoor kunnen er snel en automatisch modellen geproduceerd worden die sneller werken en meer nauwkeurige resultaten opleveren – zelfs op grote schaal! Door nauwkeurige modellen te bouwen hebben organisaties een grotere kans om mogelijke kansen te benutten en onbekende risico’s te ontwijken.

Predictive analytics. Predictive analytics of voorspellende analysetechnologie maakt gebruik van data, statistische algoritmen en machine learning technieken om de waarschijnlijkheid van toekomstige resultaten te bepalen op basis van historische data. Het is hierbij vooral belangrijk dat er een goed beeld wordt geschetst van wat er in de toekomst gaat gebeuren, zodat organisaties meer het gevoel hebben dat ze de juiste beslissingen nemen. Voorspellende analyses worden vooral ingezet voor fraudedetectie, risico’s, bedrijfsactiviteiten en marketing.

Text mining. Text mining technologie helpt om text data van het internet te analyseren, zoals opmerkingenvelden, boeken en andere tekstuele bronnen, om zo inzichten op te doen die je anders nooit had opgemerkt. Bij text mining wordt machine learning or natural language processing toegepast om door documenten zoals e-mails, blogs, Twitterfeeds, enquêtes en informatie over concurrenten heen te gaan. Zo kan je grote hoeveelheden informatie analyseren en nieuwe onderwerpen en relaties ontdekken.