Pure//Accelerate Digital 2021 | registr -se

大数据与传统数据

大数据与传统数据

大数据为企业提供了巨大的机遇,包括更重要的客户行为洞察,更准确的市场活动预测,以及提高整体效率。

个人和企业每年产生的数据越来越多。据国际数据公司(IDC)的一份报告显示,2010年全球仅创造了1.2 zettabytes(1.2万亿gb)的新数据。到2025年,它可能增加到175zettabytes (175x十亿字节)或更多。

随着企业通过预测分析和数据挖掘挖掘这一蓬勃发展的资源,大数据市场也将增长。Statista研究预测大数据市场将在2018年至2027年间增加,价值为16.9亿美元至2740亿美元。

但大数据与传统数据的关键区别是什么?它们对当前的数据存储、处理和分析技术有什么影响?在这里,我们将解释每种类型的数据服务的不同目的,同时强调成功规划大数据和传统数据的战略的重要性。

Faça um试yabo独赢驾做FlashBlade

实验uma instância de autoatendito do Pure1®para gerenciar o FlashBlade™da Pure, solução mais avançada do setor que oferece expansão水平的armazenamento de arquivos e objetos nativo。

什么是传统数据?

传统的数据是结构化的,关系数据组织已经存储和处理了几十年。传统数据仍然占世界数据的绝大部分。

企业可以使用传统数据来跟踪销售、管理客户关系或工作流。传统数据通常更容易操作,可以用传统数据处理软件进行管理。然而,与大数据相比,它通常提供的见解不那么复杂,好处也比较有限。

什么是大数据?

大数据既可以指庞大而复杂的数据集,也可以指处理这类数据的方法。大数据有四个主要特征,通常被称为“4v”:

  • 体积大数据是……大数据。虽然大数据的区别不仅在于它的大小,它的体积通常也非常大。
  • 种类:大数据集通常包含结构化、半结构化和非结构化数据。
  • 速度:大数据生成迅速,通常是实时处理的。
  • 真实性:大数据不比传统数据具有固有的质量,但其准确性(准确性)非常重要。异常,偏见和噪音可以显着影响大数据的质量。

大数据与传统数据的区别

大数据和传统数据之间有几个区别。这些包括:

  • 数据的大小
  • 数据是如何组织的
  • 管理数据所需的架构
  • 数据的来源
  • 用于分析数据的方法

大小

传统数据集往往以千兆字节和Tberabytes衡量。因此,即使在一台服务器上,它们的大小也可以允许集中存储。

大数据的区别不仅在于它的规模,还在于它的容量。大数据通常用拍字节、泽字节或艾字节来衡量。越来越大的大数据集是对更现代、高容量、基于云的数据存储解决方案的需求背后的主要驱动力之一。

组织

传统数据通常是在记录,文件和表中组织的结构化数据。传统数据集中的字段是关系,因此可以解决它们的关系并相应地操纵数据。传统数据库,如SQL,Oracle DB和MySQL,使用静态和预配置的固定架构。

大数据使用动态模式。在存储方面,大数据是原始的、非结构化的。当访问大数据时,动态模式应用于原始数据。现代非关系或NoSQL数据库,如Cassandra和MongoDB是理想的非结构化数据,考虑到它们在文件中存储数据的方式。

体系结构

传统数据通常使用集中式架构进行管理,对于较小的结构化数据集,集中式架构更经济有效,也更安全。

通常,集中式系统包括连接到中心节点(例如,服务器)的一个或多个客户端节点(例如,计算机或移动设备)。中央服务器控制网络并监视其安全性。

由于大数据的规模和复杂性,不可能集中管理大数据。它需要分布式架构。

分布式系统通过网络链接多个服务器或计算机,作为COECHAL节点运行。该体系结构可以水平扩展(缩放“OUT”),并且即使单个节点发生故障,也会继续运行。分布式系统可以利用商品硬件来降低成本。

来源

传统数据通常来源于企业资源规划(ERP)、客户关系管理(CRM)、在线事务和其他企业级数据。

大数据来自更广泛的企业和非企业级数据,可以包括从社交媒体,设备和传感器数据和视听数据刮擦的信息。这些源类型每天都是动态的,不断发展和生长。

非结构化数据源还可以包括文本,视频,图像和音频文件。使用传统数据库的列和行不可能利用此类数据。由于越来越大的大多数数据是非结构化的并且来自多种来源,因此需要大数据分析方法来提取其值。

分析

传统的数据分析是递增的:一个事件发生,生成数据,并在事件之后对该数据进行分析。传统数据分析可以帮助企业了解特定时期内给定策略或变化对有限度量范围的影响。

大数据分析可以实时发生。由于大数据在第二次基础上生成,因此可以在收集数据时进行分析。大数据分析为业务提供了对其需求和策略的更具活力和全面的理解。

例如,假设一个企业对其员工的培训计划进行了投资,并希望衡量其影响。

在传统的数据分析模式下,企业可能会着手确定培训项目对其特定业务领域(如销售)的影响。业务记录了培训前后的销售额,排除了任何外部因素。理论上,它可以看到培训带来了多少销售增长。

在一个大数据的分析模型下,业务可以留出有关培训计划如何影响其运营的特定方面的问题。相反,通过分析整个业务实时收集的大量数据,它可以识别受影响的特定区域,例如销售,客户服务,公共关系等等。

大数据vs.传统数据:未来的重要考虑

大数据和传统数据服务于不同但相关的目的。虽然大数据似乎有更大的潜在好处,但它并非在所有情况下都适用(或必要)。大数据:

  • 可以提供对市场趋势和消费者行为的更深入分析。传统的数据分析可能更狭窄,局限于提供有意义的洞察力大数据可以提供。
  • 快提供了见解。组织可以实时地从大数据中学习。在大数据分析的背景下,这可以提供竞争优势。
  • 更高效。我们社会的日益数字性质意味着人们和企业每天都会产生大量数据 - 甚至每分钟。大数据允许我们利用此数据并以有意义的方式解释它。
  • 需要先进的准备。利用这些福利要求组织通过新的安全协议,配置步骤,配置步骤以及可用处理能力的增加来准备大数据

大数据的兴起并不意味着传统数据正在消失。传统数据:

  • 可以更容易固定,这可能是对高敏感,个人或机密数据集的优选。由于传统数据较小,因此它不需要分布式架构,并且不太可能需要第三方存储。
  • 可以使用常规的数据处理软件和正常的系统配置进行处理。处理大数据通常需要更高的配置设置,这可能会增加不必要的资源使用和成本,而传统数据方法就足够了。
  • 更容易操纵和解释。因为传统数据在本质上更简单,而且是关系数据,所以可以使用普通函数对其进行处理——甚至可以让非专家访问。

归根结底,这不是在大数据和传统数据之间进行选择的问题。随着越来越多的公司生成大型的非结构化数据集,他们将需要适当的工具。了解如何使用和支持这两种模型是更新策略的必要部分,为大数据的未来做好准备。

800-379-7873 +44 20 3870 2633 43 + 720882474 +32(0)7 84 80 560 +33 9 75 18 86 78 +49 89 12089 253 +353 1 485 4307 +39 02 9475 9422 +31 (0) 20 201 49 65 + 46-101 38 93 22 + 45 2856 6610 + 47 2195 4481 +351 210 006 108 +966112118066 +27 87551 7857 +34 51 889 8963 +41 31 52 80 624 +90 850 390 21 64 +971 4 5513176 +7 916 716 7308 +65 3158 0960 + 603 2298 7123 +66(0)2624 0641 + 84 43267 3630 + 62 21235 84628 + 852 3750 7835 + 82 2 6001 - 3330 +886 2 8729 2111 +61 1800 983 289 +64 21 536 736 55 + 11 2655 - 7370 55 + 52 9171 - 1375 +56 2 2368-4581 +57 1 383-2387