บิ๊กดาต้า
นิยามและความสำคัญ
Big Dataเป็นคำศัพท์คำหนึ่งซึ่งอธิบายถึงปริมาณข้อมูลที่มหาศาล ทั้งแบบข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง ซึ่งปะปนอยู่มากมายในการทำธุรกิจในแต่ละวัน หากแต่ไม่ใช่ปริมาณของข้อมูลที่เป็นสิ่งสำคัญ สิ่งสำคัญก็คือการที่องค์กรจัดการกับข้อมูลต่างหาก การวิเคราะห์บิ๊กดาต้า นำไปสู่ข้อมูลเชิงลึกเพื่อการตัดสินใจที่ดีกว่าและการเคลื่อนไหวในกลยุทธ์ธุรกิจ
ประวัติความเป็นมาของข้อมูลขนาดใหญ่
คำว่า "ข้อมูลขนาดใหญ่" หมายถึงข้อมูลที่มีขนาดใหญ่ เร็ว หรือซับซ้อนจนยากหรือเป็นไปไม่ได้ที่จะประมวลผลโดยใช้วิธีการแบบเดิม การเข้าถึงและจัดเก็บข้อมูลจำนวนมากเพื่อทำการวิเคราะห์มีมานานแล้ว แต่แนวคิดเกี่ยวกับข้อมูลขนาดใหญ่เป็นที่แพร่หลายในช่วงต้นปีค.ศ. 2000 เมื่อดั๊ก ลานีย์ นักวิเคราะห์อุตสาหกรรมได้ให้คำจำกัดความที่เป็นที่เข้าใจกันในขณะนี้ว่า ข้อมูลขนาดใหญ่ประกอบด้วยสาม V:
Volume (ปริมาณ) : องค์กรต่างๆ รวบรวมข้อมูลจากหลากหลายแหล่ง ซึ่งรวมถึงธุรกรรมของธุรกิจ อุปกรณ์อัจฉริยะ (IoT) อุปกรณ์อุตสาหกรรม วิดีโอ โซเชียลมีเดีย และอื่นๆ ในอดีต การจัดเก็บข้อมูลถือเป็นปัญหาใหญ่ – แต่เมื่อค่าใช้จ่ายในการจัดเก็บบนแพลตฟอร์มต่างๆ เช่น พื้นที่จัดเก็บข้อมูลส่วนกลาง (Data Lake) และ Hadoop ลดลง ภาระนี้จึงบรรเทาลง
Velocity (ความเร็ว) : ด้วยการเติบโตของ Internet of Things ข้อมูลจะถูกส่งไปยังธุรกิจต่างๆ ด้วยความเร็วที่ไม่เคยมีมาก่อนและต้องได้รับการจัดการในเวลาที่เหมาะสม แท็ก RFID, เซ็นเซอร์ และสมาร์ทมิเตอร์ช่วยผลักดันความต้องการในการจัดการกับกระแสข้อมูลเหล่านี้ในแบบเรียลไทม์
Variety (ความหลากหลาย) : ข้อมูลมีในทุกรูปแบบ นับตั้งแต่ข้อมูลที่มีโครงสร้าง ตัวเลขในฐานข้อมูลแบบดั้งเดิม ไปจนถึงเอกสารข้อความ อีเมล วิดีโอ เสียง ข้อมูลหุ้น และธุรกรรมทางการเงิน
ที่ SAS เราคำนึงสองมิติเพิ่มเติมเมื่อกล่าวถึงBig Data ได้แก่
ความผันแปร:
นอกเหนือจากความเร็วที่เพิ่มขึ้นและความหลากหลายของข้อมูลแล้ว การไหลของข้อมูลยังไม่สามารถคาดการณ์ได้ – มีการเปลี่ยนแปลงบ่อยครั้งและแตกต่างกันอย่างมาก ซึ่งเป็นความท้าทายอย่างยิ่ง แต่ธุรกิจก็จำเป็นต้องทราบเมื่อมีเรื่องที่กำลังเป็นที่กล่าวขานในโซเชียลมีเดีย และรวมถึงวิธีจัดการข้อมูลประจำวัน ตามฤดูกาล และเมื่อเกิดเหตุการณ์ที่ทำให้มีกระแสข้อมูลในระดับสูงสุด
ความถูกต้อง:
ความถูกต้องหมายถึงคุณภาพของข้อมูล เนื่องจากข้อมูลมาจากแหล่งที่แตกต่างกัน จึงเป็นการยากที่จะเชื่อมโยง จับคู่ คัดกรอง และแปลงข้อมูลให้เข้ากับหลายระบบ ธุรกิจจำเป็นต้องเชื่อมต่อและเชื่อมโยงความสัมพันธ์ จัดลำดับชั้น และเชื่อมโยงข้อมูลที่หลากหลาย มิฉะนั้นข้อมูลของพวกเขาจะไม่สามารถควบคุมได้อย่างรวดเร็ว
เพิ่มประสิทธิภาพการผลิตด้วยการวิเคราะห์ข้อมูลขนาดใหญ่
ที่ USG Corporation การใช้ข้อมูลขนาดใหญ่และการวิเคราะห์เชิงพยากรณ์เป็นกุญแจสำคัญในการทำความเข้าใจวิธีการสร้างสรรค์ผลิตภัณฑ์และผลลัพธ์ที่ได้ และในตลาดที่มีการแข่งขันในระดับโลก ผู้ผลิตอย่าง USG ทราบดีถึงความสำคัญของการผลิตผลิตภัณฑ์คุณภาพสูงในราคาที่เหมาะสม การใช้ SAS Viya ช่วยให้ USG สามารถลดการคาดเดาและเพิ่มประสิทธิภาพการลงทุนในด้านการผลิตของบริษัท ผลลัพธ์ที่ได้ก็คือ ผลิตภัณฑ์มีคุณภาพที่ดีขึ้นและออกสู่ตลาดได้ทันเวลา
ทำไมข้อมูลขนาดใหญ่จึงมีความสำคัญ?
ความสำคัญของบิ๊กดาต้าไม่ใช่เพียงแค่ปริมาณข้อมูลจำนวนมากที่คุณมี หากแต่เป็นการที่คุณจัดการกับมันต่างหาก คุณสามารถได้รับข้อมูลจากหลายแหล่งข้อมูลและวิเคราะห์ข้อมูลเหล่านั้น เพื่อค้นหาคำตอบซึ่งจะช่วยในการ 1) ลดต้นทุน 2) ลดเวลา 3) พัฒนาผลิตภัณฑ์ใหม่และหาข้อเสนอที่ดีที่สุด และ 4) ตัดสินใจอย่างชาญฉลาด เมื่อคุณรวมข้อมูลบิ๊กดาต้าเข้ากับ การวิเคราะห์ที่มีประสิทธิภาพ คุณจะสามารถทำงานที่เกี่ยวข้องกับธุรกิจให้บรรลุผลได้ ยกตัวอย่างเช่น:
- ระบุสาเหตุของความผิดพลาด ประเด็นและความผิดพลาดได้ใกล้เคียงแบบเรียลไทม์
- กำหนดคูปองโปรโมชั่นที่จุดขายตามพฤติกรรมการซื้อของผู้บริโภค
- คำนวณความเสี่ยงของทั้งพอร์ตโฟลิโอซ้ำได้ในเวลาไม่กี่นาที
- ตรวจพบพฤติกรรมการฉ้อโกงก่อนที่จะส่งผลกระทบต่อองค์กรของคุณ
ข้อมูลขนาดใหญ่ในโลกปัจจุบัน
ข้อมูลขนาดใหญ่ - และวิธีที่องค์กรจัดการและได้รับข้อมูลเชิงลึกจากข้อมูลขนาดใหญ่ - กำลังเปลี่ยนวิธีที่โลกใช้ข้อมูลทางธุรกิจ เรียนรู้เพิ่มเติมเกี่ยวกับผลกระทบของข้อมูลขนาดใหญ่
ย้อนรอยการรวมข้อมูล:
Big Data ช่วยให้ DI แข็งแกร่งอีกครั้ง
เพื่อให้มีความเกี่ยวข้องตลอดเวลา การรวมข้อมูลจะต้องเข้ากันได้กับประเภทและแหล่งข้อมูลที่หลากหลาย ในขณะที่ทำงานในความหน่วงที่แตกต่างกัน – ตั้งแต่เรียลไทม์ไปจนถึงการสตรีม เรียนรู้ว่า DI มีพัฒนาการอย่างไรเพื่อให้ทันกับการเปลี่ยนแปลงสมัยใหม่
สร้างข้อมูลและกลยุทธ์แห่งการวิเคราะห์
สงสัยหรือไม่ว่าจะสร้างองค์กรการวิเคราะห์ระดับโลกอย่างไร? ตรวจสอบให้แน่ใจว่าข้อมูลมีความน่าเชื่อถือ มอบอำนาจการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลแก่สายธุรกิจต่างๆ ขับเคลื่อนกลยุทธ์ และทราบถึงวิธีการเค้นมูลค่าจากข้อมูลขนาดใหญ่จนถึงมูลค่าสุดท้าย
พื้นที่จัดเก็บข้อมูลส่วนกลางและคลังข้อมูล - ทราบความแตกต่าง
คำว่า "data lake" เป็นเพียงแค่คำสวยหรูทางการตลาดหรือไม่ หรือเป็นเพียงแค่ชื่อใหม่ของ data warehouse ฟิล ไซม่อน ได้บันทึกความหมายของ data lake ซึ่งรวมถึงการทำงานของ data lake และเวลาที่คุณต้องใช้มัน
ระบบนิเวศของการวิเคราะห์ใหม่
อำนาจของระบบ cloud container และ computer ตามต้องการ
SAS ทำการสำรวจความคิดเห็นจากองค์กรกว่า 1,000 แห่งเพื่อสำรวจการปรับใช้เทคโนโลยีและแสดงให้เห็นว่าการนำเอาวิธีการเฉพาะมาใช้จะทำให้คุณอยู่ในฐานะที่ดีกว่าอย่างไรในการพัฒนาระบบนิเวศการวิเคราะห์ของคุณให้ประสบความสำเร็จ
Deep Learning เปลี่ยนแปลงข้อมูลขนาดใหญ่เพราะข้อมูลขนาดใหญ่จำเป็นต้องแยกรูปแบบที่ซ่อนอยู่ออกต่างหากและเพื่อค้นหาคำตอบโดยไม่ต้องปรับข้อมูลมากเกินไป ด้วย Deep Learning ยิ่งคุณได้รับข้อมูลที่มีคุณภาพดีเท่าใด ผลลัพธ์ที่ได้ก็จะยิ่งดีขึ้นเท่านั้น Wayne Thompson SAS Product Manager
นวัตกรรมที่ขับเคลื่อนด้วยข้อมูล
จำนวนมหาศาลของข้อมูล Big Data เปิดโอกาสนับไม่ถ้วนในการจับภาพข้อมูลเชิงลึกที่ขับเคลื่อนนวัตกรรมตั้งแต่การคาดการณ์ที่แม่นยำยิ่งขึ้นไปจนถึงประสิทธิภาพการดำเนินงานที่เพิ่มขึ้นและประสบการณ์ของลูกค้าที่ดีขึ้น การใช้ข้อมูลขนาดใหญ่และการวิเคราะห์ที่มีความซับซ้อนช่วยผลักดันความก้าวหน้าที่สามารถเปลี่ยนแปลงโลกของเรา — การปรับปรุงชีวิต, การรักษาโรค, การปกป้องทรัพยากรที่เปราะบางและอนุรักษ์ไว้
ข้อมูลขนาดใหญ่มีข้อดีอย่างไร
ก่อนที่ธุรกิจจะสามารถนำข้อมูลขนาดใหญ่มาใช้งานได้ พวกเขาควรพิจารณาว่าข้อมูลจะไหลเวียนไปยังสถานที่ แหล่งที่มา ระบบ เจ้าของ และผู้ใช้จำนวนมากได้อย่างไร มีห้าขั้นตอนสำคัญในการจัดการ “โครงสร้างข้อมูล” ขนาดใหญ่นี้ ซึ่งรวมถึงข้อมูลแบบดั้งเดิม ข้อมูลที่มีโครงสร้าง และข้อมูลที่ไม่มีโครงสร้างและกึ่งมีโครงสร้าง:
- กำหนดกลยุทธ์เกี่ยวกับข้อมูลขนาดใหญ่
- ระบุแหล่งข้อมูลขนาดใหญ่
- เข้าถึง จัดการ และจัดเก็บข้อมูล
- วิเคราะห์ข้อมูล
- ตัดสินใจโดยใช้ข้อมูล
1) กำหนดกลยุทธ์เกี่ยวกับข้อมูลขนาดใหญ่
ในระดับสูง กลยุทธ์ข้อมูลขนาดใหญ่เป็นแผนที่ออกแบบมาเพื่อช่วยคุณในการกำกับดูแลและปรับปรุงวิธีที่คุณได้รับ จัดเก็บ จัดการ แบ่งปัน และใช้ข้อมูลภายในและภายนอกองค์กรของคุณ กลยุทธ์ข้อมูลขนาดใหญ่ช่วยปูทางไปสู่ความสำเร็จทางธุรกิจท่ามกลางข้อมูลจำนวนมาก เมื่อพัฒนากลยุทธ์ สิ่งสำคัญคือต้องพิจารณาเป้าหมายทางธุรกิจและเทคโนโลยี –ในปัจจุบันและอนาคต – และโครงการริเริ่ม การปฏิบัติกับข้อมูลขนาดใหญ่มีความจำเป็นเช่นทรัพย์สินทางธุรกิจที่มีค่าอื่นๆ แทนที่จะเป็นเพียงผลพลอยได้ของแอปพลิเคชัน
คลิกที่อินโฟกราฟิกเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับข้อมูลขนาดใหญ่
2) รู้แหล่งที่มาของข้อมูลขนาดใหญ่
- กระแสข้อมูลมาจาก Internet of Things (IoT) และอุปกรณ์ที่เชื่อมต่ออื่นๆ ที่ไหลเข้าสู่ระบบไอทีจากอุปกรณ์สวมใส่ รถยนต์อัจฉริยะ อุปกรณ์ทางการแพทย์ อุปกรณ์อุตสาหกรรม และอื่นๆ คุณสามารถวิเคราะห์ข้อมูลขนาดใหญ่นี้ได้เมื่อมาถึง รวมถึงตัดสินใจเลือกข้อมูลที่จะเก็บหรือไม่เก็บ และข้อมูลใดที่ต้องมีการวิเคราะห์เพิ่มเติม
- โซเชียลมีเดีย ข้อมูลเกิดจากการโต้ตอบบน Facebook, YouTube, Instagram ฯลฯ ซึ่งรวมถึงข้อมูลขนาดใหญ่จำนวนมหาศาลในรูปแบบของภาพ วิดีโอ คำพูด ข้อความ และเสียง - มีประโยชน์สำหรับฟังก์ชั่นการตลาด การขาย และการสนับสนุน ข้อมูลนี้มักจะอยู่ในรูปแบบที่ไม่มีโครงสร้างหรือกึ่งโครงสร้าง ดังนั้นจึงเป็นความท้าทายในแบบเฉพาะสำหรับการบริโภคและการวิเคราะห์
- ข้อมูลที่เปิดเผยต่อสาธารณชน มาจากแหล่งข้อมูลแบบเปิดขนาดใหญ่เช่น data.gov ของรัฐบาลสหรัฐ, CIA World Factbook หรือพอร์ทัลข้อมูลแบบเปิดของสหภาพยุโรป
- ข้อมูลขนาดใหญ่อื่นๆ อาจมาจากพื้นที่เก็บข้อมูลส่วนกลาง แหล่งข้อมูลบนระบบคลาวด์ ซัพพลายเออร์ และลูกค้า
3) การเข้าถึง จัดการ และจัดเก็บข้อมูลขนาดใหญ่
ระบบคอมพิวเตอร์สมัยใหม่มีความเร็ว พลัง และความยืดหยุ่นที่จำเป็นในการเข้าถึงข้อมูลจำนวนมหาศาลและประเภทของข้อมูลขนาดใหญ่ได้อย่างรวดเร็ว นอกเหนือจากการเข้าถึงที่เชื่อถือได้แล้ว บริษัทต่างๆยังต้องมีวิธีในการรวมข้อมูล รับประกันคุณภาพของข้อมูล การจัดระเบียบข้อมูลและการจัดเก็บ และการเตรียมข้อมูลสำหรับการวิเคราะห์ ข้อมูลบางอย่างอาจถูกจัดเก็บในสถานที่ในคลังข้อมูลแบบดั้งเดิม – แต่ยังมีตัวเลือกที่ยืดหยุ่นและราคาประหยัดสำหรับการจัดเก็บและจัดการข้อมูลขนาดใหญ่ผ่านทางโซลูชั่นระบบคลาวด์ พื้นที่จัดเก็บข้อมูลส่วนกลาง และ Hadoop
4) การวิเคราะห์ข้อมูลขนาดใหญ่
ด้วยเทคโนโลยีที่มีประสิทธิภาพสูง เช่น Grid Computing (การประมวลผลแบบกริด) หรือการวิเคราะห์ในหน่วยความจำ องค์กรต่างๆ จึงสามารถเลือกที่จะใช้ข้อมูลขนาดใหญ่ทั้งหมดของพวกเขามาทำการวิเคราะห์ได้ แต่ไม่ว่าจะใช้วิธีใด การวิเคราหะ์ข้อมูลขนาดใหญ่เป็นวิธีที่บริษัทต่างๆ ได้รับมูลค่าและข้อมูลเชิงลึกจากข้อมูล ปัจจุบันข้อมูลขนาดใหญ่ป้อนข้อมูลเข้าสู่ระบบการวิเคราะห์ที่มีความก้าวหน้าที่สูงขึ้น เช่น ปัญญาประดิษฐ์
5) ตัดสินใจอย่างชาญฉลาดและใช้ข้อมูลช่วย
ข้อมูลที่ได้รับการจัดการและมีความน่าเชื่อถือนำไปสู่การวิเคราะห์ที่น่าเชื่อถือและการตัดสินใจที่น่าเชื่อถือ เพื่อให้สามารถแข่งขันได้ ธุรกิจต่างๆ จำเป็นต้องได้รับมูลค่าจากข้อมูลขนาดใหญ่และดำเนินงานบนพื้นฐานข้อมูล – ทำการตัดสินใจบนพื้นฐานหลักฐานที่นำเสนอโดยข้อมูลขนาดใหญ่ไม่ใช่ตามสัญชาตญาณของผู้บริหาร การขับเคลื่อนด้วยข้อมูลมีประโยชน์ที่ชัดเจน องค์กรที่ขับเคลื่อนด้วยข้อมูลจะทำงานได้ดีขึ้น สามารถคาดการณ์ได้มากขึ้น และมีผลกำไรเพิ่มขึ้น
SAS Data Preparation
ในการจัดเตรียมข้อมูลขนาดใหญ่ที่มีการเปลี่ยนแปลงอย่างรวดเร็วและตลอดเวลาสำหรับทำการวิเคราะห์ คุณต้องเข้าถึง ทำโปรไฟล์ คัดกรอง และแปลงข้อมูลเป็นอันดับแรก เนื่องจากข้อมูลขนาดใหญ่มาจากหลากหลายแหล่ง ขนาด และความเร็ว การเตรียมข้อมูลจึงอาจเป็นเรื่องที่ต้องใช้เวลามากได้ การเตรียมข้อมูลของ SAS ทำให้งานดังกล่าวมีความง่ายขึ้น – เพื่อให้คุณสามารถเตรียมข้อมูลได้โดยไม่ต้องเขียนโปรแกรม มีทักษะเฉพาะด้าน หรือต้องพึ่งพาฝ่ายไอที
การอ่านที่แนะนำ
-
Series
Meet the data scientist: Colin NugterenData scientist and CAO Colin Nugteren says while every day is different, one thing remains the same. He ends each day with SAS® Visual Analytics.
-
บทความ
Machine learning, data science and AI meet IoTIn this video, Kirk Borne and Michele Null discuss the intersection of machine learning, AI and data science with IoT data and analytics.
-
บทความ
Broken promises? Avoid IoT traps with an analytics platformHow can you realize the promise of the Internet of Thing? By using an analytics platform to sense, understand and act on streaming data.
