ການຫຼຸດລົງຂອງຍຸກຂອງ Big Data

ຜູ້ຂຽນຕ່າງປະເທດຫຼາຍຄົນຍອມຮັບວ່າຍຸກຂອງ Big Data ໄດ້ມາຮອດຈຸດຈົບແລ້ວ. ແລະໃນກໍລະນີນີ້, ຄໍາວ່າ Big Data ຫມາຍເຖິງເຕັກໂນໂລຢີໂດຍອີງໃສ່ Hadoop. ຜູ້ຂຽນຫຼາຍຄົນສາມາດຕັ້ງຊື່ວັນທີທີ່ Big Data ອອກຈາກໂລກນີ້ຢ່າງໝັ້ນໃຈ ແລະວັນທີນີ້ແມ່ນວັນທີ 05.06.2019/XNUMX/XNUMX.

ເກີດຫຍັງຂຶ້ນໃນວັນສຳຄັນນີ້?

ໃນມື້ນີ້, MAPR ສັນຍາວ່າຈະໂຈະວຽກງານຂອງຕົນຖ້າຫາກວ່າມັນບໍ່ສາມາດຊອກຫາກອງທຶນສໍາລັບການດໍາເນີນງານຕື່ມອີກ. MAPR ຕໍ່ມາໄດ້ມາໂດຍ HP ໃນເດືອນສິງຫາ 2019. ແຕ່ກັບຄືນໄປຫາເດືອນມິຖຸນາ, ຄົນເຮົາບໍ່ສາມາດຊ່ວຍໄດ້ແຕ່ສັງເກດເຫັນຄວາມໂສກເສົ້າຂອງໄລຍະເວລານີ້ສໍາລັບຕະຫຼາດ Big Data. ໃນເດືອນນີ້, ມີການລົ້ມລະລາຍຂອງລາຄາຫຼັກຊັບຂອງ CLOUDERA, ຜູ້ຫຼິ້ນຊັ້ນນໍາໃນຕະຫຼາດທີ່ກໍານົດ, ເຊິ່ງລວມເຂົ້າກັບ HORTOWORKS ຊໍາເຮື້ອທີ່ບໍ່ມີຜົນປະໂຫຍດໃນເດືອນມັງກອນຂອງປີດຽວກັນ. ການລົ້ມລົງແມ່ນຂ້ອນຂ້າງສໍາຄັນແລະມີຈໍານວນ 43%;

ມັນເປັນໄປບໍ່ໄດ້ທີ່ຈະເວົ້າວ່າຂ່າວລືກ່ຽວກັບຟອງໃນພາກສະຫນາມຂອງເຕັກໂນໂລຢີທີ່ອີງໃສ່ Hadoop ໄດ້ແຜ່ລາມມາຕັ້ງແຕ່ເດືອນທັນວາ 2014, ແຕ່ມັນໄດ້ດໍາເນີນຢ່າງກ້າຫານເປັນເວລາເກືອບຫ້າປີ. ຂ່າວລືເຫຼົ່ານີ້ແມ່ນອີງໃສ່ການປະຕິເສດຂອງ Google, ບໍລິສັດທີ່ເຕັກໂນໂລຢີ Hadoop ມີຕົ້ນກໍາເນີດ, ຈາກການປະດິດຂອງມັນ. ແຕ່ເຕັກໂນໂລຢີໄດ້ຮາກໃນໄລຍະການຫັນປ່ຽນຂອງບໍລິສັດໄປສູ່ເຄື່ອງມືການປຸງແຕ່ງຟັງແລະການພັດທະນາຢ່າງໄວວາຂອງປັນຍາປະດິດ. ດັ່ງນັ້ນ, ເມື່ອເບິ່ງຄືນ, ພວກເຮົາສາມາດເວົ້າດ້ວຍຄວາມຫມັ້ນໃຈວ່າການເສຍຊີວິດໄດ້ຖືກຄາດໄວ້.

ດັ່ງນັ້ນ, ຍຸກຂອງ Big Data ໄດ້ສິ້ນສຸດລົງ, ແຕ່ໃນຂະບວນການເຮັດວຽກກ່ຽວກັບ Big Data, ບໍລິສັດຕ່າງໆໄດ້ຮັບຮູ້ເຖິງຄວາມສໍາຄັນທັງຫມົດຂອງການເຮັດວຽກຂອງມັນ, ຜົນປະໂຫຍດທີ່ Big Data ສາມາດນໍາມາສູ່ທຸລະກິດ, ແລະຍັງໄດ້ຮຽນຮູ້ການນໍາໃຊ້ປອມ. ສະຕິປັນຍາເພື່ອສະກັດມູນຄ່າຈາກຂໍ້ມູນດິບ.

ຫນ້າສົນໃຈຫຼາຍກາຍເປັນຄໍາຖາມຂອງສິ່ງທີ່ຈະທົດແທນເຕັກໂນໂລຢີນີ້ແລະວິທີການເຕັກໂນໂລຢີການວິເຄາະຈະພັດທະນາຕື່ມອີກ.

ການ​ວິ​ເຄາະ​ເພີ່ມ​ຂຶ້ນ​

ໃນລະຫວ່າງເຫດການທີ່ໄດ້ອະທິບາຍ, ບໍລິສັດທີ່ເຮັດວຽກໃນດ້ານການວິເຄາະຂໍ້ມູນບໍ່ໄດ້ນັ່ງຢູ່. ສິ່ງທີ່ສາມາດຕັດສິນໄດ້ໂດຍອີງໃສ່ຂໍ້ມູນກ່ຽວກັບການເຮັດທຸລະກໍາທີ່ເກີດຂື້ນໃນປີ 2019. ໃນປີນີ້, ການເຮັດທຸລະກໍາທີ່ໃຫຍ່ທີ່ສຸດໃນຕະຫຼາດໄດ້ຖືກປະຕິບັດ - ການຊື້ແພລະຕະຟອມການວິເຄາະ Tableau ໂດຍ Salesforce ສໍາລັບ $ 15,7 ຕື້. ຂໍ້ຕົກລົງທີ່ນ້ອຍກວ່າເກີດຂຶ້ນລະຫວ່າງ Google ແລະ Looker. ແລະແນ່ນອນ, ຄົນເຮົາບໍ່ສາມາດທີ່ຈະສັງເກດເຫັນການຊື້ໂດຍ Qlik ຂອງແພລະຕະຟອມຂໍ້ມູນໃຫຍ່ Attunity.

ຜູ້ນໍາຕະຫຼາດ BI ແລະຜູ້ຊ່ຽວຊານ Gartner ກໍາລັງປະກາດການປ່ຽນແປງຢ່າງໃຫຍ່ຫຼວງໃນວິທີການການວິເຄາະຂໍ້ມູນ; ໃນສະພາບການນີ້, ມັນຄວນຈະສັງເກດເຫັນວ່າຕົວຫຍໍ້ AI ບໍ່ແມ່ນ "ປັນຍາປະດິດ" ແຕ່ "ເພີ່ມປັນຍາ". ຂໍໃຫ້ພິຈາລະນາຢ່າງລະອຽດກ່ຽວກັບສິ່ງທີ່ຢູ່ເບື້ອງຫຼັງຂອງຄໍາວ່າ "Augmented Analytics."

ການ​ວິ​ເຄາະ​ທີ່​ເພີ່ມ​ຂຶ້ນ​, ເຊັ່ນ​: ຄວາມ​ເປັນ​ຈິງ​ເພີ່ມ​ຂຶ້ນ​, ແມ່ນ​ອີງ​ໃສ່​ການ postulates ທົ່ວ​ໄປ​ຈໍາ​ນວນ​ຫນຶ່ງ​:

• ຄວາມສາມາດໃນການສື່ສານໂດຍໃຊ້ NLP (ການປຸງແຕ່ງພາສາທໍາມະຊາດ), i.e. ໃນພາສາມະນຸດ;
• ການນໍາໃຊ້ປັນຍາປະດິດ, ນີ້ຫມາຍຄວາມວ່າຂໍ້ມູນຈະຖືກປຸງແຕ່ງໂດຍທາງເຄື່ອງຈັກ;
• ແລະແນ່ນອນ, ຄໍາແນະນໍາທີ່ມີໃຫ້ກັບຜູ້ໃຊ້ຂອງລະບົບ, ເຊິ່ງໄດ້ຖືກສ້າງຂື້ນໂດຍປັນຍາປະດິດ.

ອີງຕາມຜູ້ຜະລິດຂອງເວທີການວິເຄາະ, ການນໍາໃຊ້ຂອງພວກເຂົາຈະມີໃຫ້ກັບຜູ້ໃຊ້ທີ່ບໍ່ມີທັກສະພິເສດ, ເຊັ່ນຄວາມຮູ້ຂອງ SQL ຫຼືພາສາສະຄິບທີ່ຄ້າຍຄືກັນ, ຜູ້ທີ່ບໍ່ມີການຝຶກອົບຮົມສະຖິຕິຫຼືຄະນິດສາດ, ຜູ້ທີ່ບໍ່ມີຄວາມຮູ້ກ່ຽວກັບພາສາທີ່ນິຍົມ. ​ໂດຍ​ສະ​ເພາະ​ໃນ​ການ​ປະ​ມວນ​ຜົນ​ຂໍ້​ມູນ​ແລະ​ຫ້ອງ​ສະ​ຫມຸດ​ທີ່​ສອດ​ຄ້ອງ​ກັນ​. ຄົນດັ່ງກ່າວ, ເອີ້ນວ່າ "Citizen Data Scientists", ຕ້ອງມີຄຸນສົມບັດທາງທຸລະກິດທີ່ໂດດເດັ່ນເທົ່ານັ້ນ. ວຽກງານຂອງພວກເຂົາແມ່ນເພື່ອເກັບກໍາຄວາມເຂົ້າໃຈທາງທຸລະກິດຈາກຄໍາແນະນໍາແລະການຄາດຄະເນທີ່ປັນຍາປະດິດຈະໃຫ້ພວກເຂົາ, ແລະພວກເຂົາສາມາດປັບປຸງການຄາດເດົາຂອງພວກເຂົາໂດຍໃຊ້ NLP.

ການອະທິບາຍຂະບວນການຂອງຜູ້ໃຊ້ທີ່ເຮັດວຽກກັບລະບົບຂອງຫ້ອງຮຽນນີ້, ຄົນເຮົາສາມາດຈິນຕະນາການຮູບພາບຕໍ່ໄປນີ້. ບຸກຄົນໃດຫນຶ່ງ, ມາເຮັດວຽກແລະເປີດຕົວຄໍາຮ້ອງສະຫມັກທີ່ສອດຄ້ອງກັນ, ນອກເຫນືອຈາກຊຸດຂອງບົດລາຍງານແລະ dashboards ປົກກະຕິທີ່ສາມາດວິເຄາະໄດ້ໂດຍໃຊ້ວິທີການມາດຕະຖານ (ການຈັດລຽງ, ການຈັດກຸ່ມ, ປະຕິບັດການຄິດໄລ່ເລກຄະນິດ), ເຫັນຄໍາແນະນໍາແລະຄໍາແນະນໍາບາງຢ່າງ, ເຊັ່ນ: "ໃນ. ເພື່ອບັນລຸ KPI, ຈໍານວນການຂາຍ, ທ່ານຄວນໃຊ້ສ່ວນຫຼຸດກ່ຽວກັບຜະລິດຕະພັນຈາກປະເພດ "ການເຮັດສວນ". ນອກຈາກນັ້ນ, ບຸກຄົນໃດຫນຶ່ງສາມາດຕິດຕໍ່ກັບຜູ້ສົ່ງຂ່າວຂອງບໍລິສັດ: Skype, Slack, ແລະອື່ນໆ. ສາມາດຖາມຄໍາຖາມຫຸ່ນຍົນ, ໂດຍຂໍ້ຄວາມຫຼືສຽງ: "ໃຫ້ຂ້ອຍຫ້າລູກຄ້າທີ່ມີກໍາໄລຫຼາຍທີ່ສຸດ." ໄດ້ຮັບຄໍາຕອບທີ່ເຫມາະສົມ, ລາວຕ້ອງຕັດສິນໃຈທີ່ດີທີ່ສຸດໂດຍອີງໃສ່ປະສົບການທາງທຸລະກິດຂອງລາວແລະນໍາເອົາກໍາໄລໃຫ້ກັບບໍລິສັດ.

ຖ້າທ່ານເອົາບາດກ້າວກັບຄືນໄປບ່ອນແລະເບິ່ງອົງປະກອບຂອງຂໍ້ມູນທີ່ຖືກວິເຄາະ, ແລະໃນຂັ້ນຕອນນີ້, ຜະລິດຕະພັນການວິເຄາະທີ່ເພີ່ມຂຶ້ນສາມາດເຮັດໃຫ້ຊີວິດຂອງປະຊາຊົນງ່າຍຂຶ້ນ. ໂດຍຫລັກການແລ້ວ, ມັນສົມມຸດວ່າຜູ້ໃຊ້ພຽງແຕ່ຕ້ອງການຊີ້ຜະລິດຕະພັນການວິເຄາະໄປຫາແຫຼ່ງຂໍ້ມູນທີ່ຕ້ອງການ, ແລະໂຄງການຕົວມັນເອງຈະດູແລການສ້າງແບບຈໍາລອງຂໍ້ມູນ, ການເຊື່ອມໂຍງຕາຕະລາງແລະວຽກງານທີ່ຄ້າຍຄືກັນ.

ທັງຫມົດນີ້, ກ່ອນອື່ນ ໝົດ, ຮັບປະກັນ "ປະຊາທິປະໄຕ" ຂອງຂໍ້ມູນ, i.e. ບຸກຄົນໃດຫນຶ່ງສາມາດວິເຄາະ array ທັງຫມົດຂອງຂໍ້ມູນທີ່ມີຢູ່ໃນບໍລິສັດ. ຂະບວນການຕັດສິນໃຈຕ້ອງໄດ້ຮັບການສະຫນັບສະຫນູນໂດຍວິທີການວິເຄາະສະຖິຕິ. ເວລາເຂົ້າເຖິງຂໍ້ມູນຄວນຈະມີຫນ້ອຍ, ດັ່ງນັ້ນບໍ່ຈໍາເປັນຕ້ອງຂຽນ scripts ແລະ SQL queries. ແລະແນ່ນອນ, ທ່ານສາມາດປະຫຍັດເງິນໃຫ້ກັບຜູ້ຊ່ຽວຊານດ້ານວິທະຍາສາດຂໍ້ມູນທີ່ໄດ້ຮັບຄ່າຈ້າງສູງ.

ສົມມຸດຕິຖານ, ເຕັກໂນໂລຢີສະເຫນີຄວາມສົດໃສດ້ານທີ່ສົດໃສຫຼາຍສໍາລັບທຸລະກິດ.

ອັນໃດມາແທນທີ່ Big Data

ແຕ່, ໃນຄວາມເປັນຈິງ, ຂ້າພະເຈົ້າໄດ້ເລີ່ມຕົ້ນບົດຄວາມຂອງຂ້າພະເຈົ້າກັບ Big Data. ແລະຂ້ອຍບໍ່ສາມາດພັດທະນາຫົວຂໍ້ນີ້ໂດຍບໍ່ມີການຍ່າງທາງສັ້ນໆເຂົ້າໄປໃນເຄື່ອງມື BI ທີ່ທັນສະໄຫມ, ພື້ນຖານທີ່ມັກຈະເປັນ Big Data. ຊະຕາກໍາຂອງຂໍ້ມູນໃຫຍ່ໃນປັດຈຸບັນຖືກກໍານົດຢ່າງຊັດເຈນ, ແລະມັນແມ່ນເຕັກໂນໂລຢີຟັງ. ຂ້າພະເຈົ້າໄດ້ສຸມໃສ່ຂໍ້ຕົກລົງທີ່ເຮັດກັບຜູ້ຂາຍ BI ເພື່ອສະແດງໃຫ້ເຫັນວ່າໃນປັດຈຸບັນທຸກລະບົບການວິເຄາະມີການເກັບຮັກສາຟັງຢູ່ຫລັງມັນ, ແລະບໍລິການຟັງມີ BI ເປັນດ້ານຫນ້າ.

ຢ່າລືມກ່ຽວກັບເສົາຄ້ດັ່ງກ່າວໃນພາກສະຫນາມຂອງຖານຂໍ້ມູນເປັນ ORACLE ແລະ Microsoft, ມັນເປັນສິ່ງຈໍາເປັນທີ່ຈະສັງເກດເຫັນທິດທາງທີ່ເລືອກຂອງເຂົາເຈົ້າໃນການພັດທະນາທຸລະກິດແລະນີ້ແມ່ນຟັງ. ການບໍລິການທີ່ສະເໜີໃຫ້ທັງໝົດສາມາດພົບໄດ້ໃນຄລາວ, ແຕ່ບາງບໍລິການຄລາວບໍ່ສາມາດໃຊ້ໄດ້ຢູ່ໃນພື້ນທີ່. ພວກເຂົາເຈົ້າໄດ້ເຮັດວຽກທີ່ສໍາຄັນກ່ຽວກັບການນໍາໃຊ້ຕົວແບບການຮຽນຮູ້ເຄື່ອງຈັກ, ສ້າງຫ້ອງສະຫມຸດທີ່ມີໃຫ້ກັບຜູ້ໃຊ້, ແລະການຕັ້ງຄ່າການໂຕ້ຕອບເພື່ອຄວາມສະດວກໃນການເຮັດວຽກກັບຕົວແບບຈາກການເລືອກພວກມັນເພື່ອກໍານົດເວລາເລີ່ມຕົ້ນ.

ປະໂຫຍດທີ່ສໍາຄັນອີກອັນຫນຶ່ງຂອງການບໍລິການຄລາວ, ເຊິ່ງສຽງໂດຍຜູ້ຜະລິດ, ແມ່ນການມີຊຸດຂໍ້ມູນເກືອບບໍ່ຈໍາກັດໃນຫົວຂໍ້ໃດຫນຶ່ງສໍາລັບຮູບແບບການຝຶກອົບຮົມ.

ຢ່າງໃດກໍຕາມ, ຄໍາຖາມທີ່ເກີດຂື້ນ: ເຕັກໂນໂລຢີຟັງຈະຮາກຢູ່ໃນປະເທດຂອງພວກເຮົາເທົ່າໃດ?

ແຫຼ່ງຂໍ້ມູນ: www.habr.com