Big Data
Vad det är och varför det är viktigt
Big data är beskrivningen av stora volymer av svårhanterlig data - både strukturerad och ostrukturerad – som strömmar in till företag på daglig basis. Men det är inte bara typen eller mängden av data som är av betydelse. Vad som också är viktigt är vad företag gör med all data. Genom analys av big data får företag insikter som används för att ta bättre beslut och ge beslutsfattare möjlighet att fatta underbyggda strategiska val.
Big data: Historia
Big data avser stora och komplexa volymer av data som är svåra eller omöjliga att bearbeta med hjälp av traditionella metoder. Att ha tillgång till och lagra stora mängder av information för att genomföra analyser har funnits länge. Det var i början av 2000-talet som big data tog fart när analytikern Doug Laney presenterade konceptet i tre delar:
Volym. Företag samlar in data från en mängd olika källor. Allt från transaktioner, smarta (IoT) enheter, utrustning, video, bild, ljud, sociala medier och mer. Tidigare skulle det ha varit alldeles för dyrt att lagra all data – men kostnadseffektiva lösningar som datasjöar, Hadoop och molnet har idag gjort det möjligt.
Hastighet. Med bland annat Internet of Things har mängden data som genereras i ett företag ökat. Data måste också hanteras i nära realtid för att öka värdet, detta pådrivet av exempelvis RFID-taggar, sensorer och smarta mätare.
Variation. Data kommer i alla typer av format – från strukturerad, numerisk data i traditionella databaser till ostrukturerade textdokument, e-postmeddelanden, videor, ljud, aktieinformation och finansiella transaktioner.
På SAS tar vi hänsyn ytterligare två dimensioner när det kommer till big data:
Förändringar
Dataflöden strömmar allt snabbare och blir mer oförutsägbara – förändras ofta och varierar mycket. Det är utmanande, men företag måste veta när något trendar i sociala medier och hur man hanterar databelastningar från dagliga eller säsongsdrivna händelser.
Precision
Eftersom data kommer från så många olika källor är det svårt att länka, matcha, rensa och transformera data mellan olika system. Företag måste koppla ihop, hitta korrelationer, identifiera hierarkier och hantera datalänkar. Annars kan de snabbt tappa kontrollen över sin data.
Big data och analys inom vården
Riverside County i USA använder datahantering och analys från SAS för att integrera hälso- och icke-hälsodata från sjukhus, beteendevårdssystem, kriminalvården, socialtjänsten och register över hemlösa. Genom att förstå hur invånarna interagerar med olika samhällstjänster kan vårdvalen härledas till deras hälsa. Resultatet blir en koordinerad total vård.
Varför är big data viktigt?
Vikten av big data kretsar inte bara kring hur mycket data du har. Värdet ligger i hur du använder den. Genom att ta data från vilken källa som helst och analysera den kan du få fram svar som 1) effektivisera hantering av resurser, 2) förbättra operativ effektivitet, 3) optimera produktutveckling, 4) identifiera nya intäkter och tillväxtmöjligheter och 5) göra det möjligt att fatta smarta beslut. När du kombinerar big data med avancerad analys kan du genomföra saker som:
- Ta reda på varför något går sönder, problem och defekter i realtid.
- Identifiera avvikelser snabbare än det mänskliga ögat.
- Förbättra patienternas hälsa genom att snabbt konvertera medicinsk bilddata till insikter.
- Omvärdera portföljer med hög risk på bara några minuter.
- Optimera modeller för djupinlärning så att de bättre klassificerar och reagerar på förändrade variabler.
- Upptäcka bedrägligt beteende innan det påverkar ditt företag.
Big data i dagens värld
Big data – och hur företag hanterar och skaffar sig insikt med hjälp av data – förändrar hur världen använder affärsinformation. Läs mer om effekterna av big data.
Vad ska en datahjälte göra?
Vem är datahjälten? En dataexpert analyserar och letar efter insikter i data. Dataingenjörer bygger pipelines som fokuserar på Data Ops. Dataansvariga säkerställer att all data är tillförlitlig och hanteras på ett ansvarsfullt sätt. Synergierna mellan roller som dessa ligger bakom framgångarna som uppnås med hjälp av data.
Datasjö eller informationslager
Är termen “datasjö” bara marknadshype? Eller ett nytt namn för informationslager? Phil Simons förklarar skillnaden mellan datasjö och informationslager. Han berättar vad det är, hur det fungerar och när du kan tänkas på att behöva använda den.
Big data och molnet
Projekt med big data kräver stora resurser för bearbetning och lagring. Genom att kombinera teknik för big data och molntjänster får företag ett kostnadseffektivt sätt att hantera alla varianter av data – en vinnande kombination som leder till både smidighet och flexibilitet.
Djupinlärning behöver big data då den är nödvändig för att isolera dolda mönster och hitta svar utan att behöva anpassa data. Desto mer data du har av hög kvalitet desto bättre resultat får du med hjälp av djupinlärning. Wayne Thompson SAS Research & Development
Datadriven innovation
Med dagens exabyte av big data öppnas otaliga möjligheter att få insikter som kan accelerera innovation. Från mer exakta prognoser till ökad effektivitet och bättre kundupplevelser. Avancerad användning av big data och analyser bidrar till framsteg som kan förändra världen – förbättra liv, bota sjukdomar, skydda utsatta och spara samhällets resurser.
Så här fungerar big data
Innan företag kan använda big data måste de först förstå hur data flödar mellan olika platser, källor, system, ägare och användare. Det finns fem viktiga steg företag måste ta för att ta hand om den här strukturen som inkluderar traditionell och strukturerad data tillsammans med ostrukturerad och semi-strukturerad data:
- Ta fram en strategi för big data.
- Identifiera källor för big data.
- Få tillgång till, hantera och lagra data.
- Analysera data.
- Fatta intelligenta och datadrivna beslut.
1) Ta fram en strategi för big data
På en övergripande nivå syftar strategier för big data till att hjälpa dig att se över och förbättra sättet som du inhämtar, lagrar, hanterar och delar data inom eller utom din organisation. En strategi för big data krattar manegen för affärsframgångar när du är omringad av data. När du tar fram en strategi är det viktigt att ta hänsyn nutida - och framtida - affärs- och teknikmål samt initiativ. Big data måste hanteras som vilken annan värdefull affärstillgång som helst, istället för en biprodukt från olika tillämpningar.
Klicka på infografiken för att lära dig mer om big data.
2) Identifiera källor för big data
- Strömmande data kommer från Internet of Things (IoT) och andra uppkopplade enheter som strömmar in data till IT-system från bärbara enheter, smarta bilar, medicinsk utrustning, industriella maskiner med flera. Du kan analysera den här big data när den är på väg in, bestämma vilken data du vill eller inte behålla och vilken data som behöver ytterligare analys.
- Data från sociala medier kommer från interaktioner på Facebook, YouTube, Instagram etc. Det handlar om stora mängder big data i form av bilder, videor, röst, text och ljud – som kan användas till marknadsföring, försäljning och supportfunktioner. Denna data är ofta ostrukturerad eller semistrukturerad vilken gör den utmanande att använda och analysera.
- Offentlig data kommer från enorma datakällor som härrör från offentlig sektor, brottsbekämpande organisationer och EUs öppna datapool (European Union Open Data Portal).
- Annan big data kan komma från datasjöar, molntjänster, leverantörer och kunder.
3) Få tillgång till, hantera och lagra data
Moderna datorsystem har idag kraften och flexibiliteten som krävs för att hantera enorma mängder och olika typer av big data. Förutom tillförlitlig hantering behöver företag också metoder för att integrera data, skapa datastrukturer, säkerställa kvalitet, tillhandahålla styrning, lagring och förbereda data för analys. En del data kan lagras i traditionella datalager, men det finns också mer flexibla och billiga alternativ. Molnlösningar, datasjöar, pipelines och Hadoop är några intressanta val.
4) Analysera data
Med avancerade tekniker som grid computing eller in-memory analytics kan organisationer välja att använda all big data för sina analyser. Ett annat tillvägagångssätt är att i förväg fastställa vilken data som är relevant innan den analyseras. Hur som helst, analyser av big data hjälper företag att få värde och insikter från sin samlade data. Big data står ofta bakom mer avancerade analyser som artificiell intelligens (AI) och maskininlärning.
5) Fatta smarta och datadrivna beslut
Data som hanterats på ett pålitligt sätt används för att ta fram pålitlig analys som slutligen leder till pålitliga beslut. För att förbli konkurrenskraftiga måste företag ta vara på det fulla värdet av big data och arbeta på ett datadrivet sätt – fatta beslut baserat på fakta som presenteras av big data, snarare än genom att använda magkänsla. Fördelarna med att vara datadriven är tydliga. Datadrivna organisationer presterar bättre, är mer förutsägbara och mer lönsamma.
SAS® Information Governance
Oavsett källa, var data lagras, eller hur stor och komplex den är gör SAS Information Governance det snabbare och enklare för användare att hitta, katalogisera och skydda den data som är mest värdefull att analysera. Sökresultat baserad på metadata visar detaljerad information för varje datatillgång. Detta gör det möjligt för beslutsfattare att kunna använda data utan att behöva gå via IT för hantering och strukturering, innan de kan använda den.
Rekommenderad läsning
-
Article
Internet of things applications across multiple industriesLearn about existing Internet of Things applications in five industries, and get advice on how to develop your own Internet of Things applications.
-
Article
Applying machine learning to IoT dataLet’s move beyond theoretical discussions about machine learning and the Internet of Things – and talk about practical business applications instead.
-
The Internet of Things infographic
