Когато; индустрията изследва големи данни Алианс
Широко разпространена дигитализация на бизнеса
Няколко фактора се комбинират, за да насърчат тази радикална промяна. Първо, увеличаването на компютърната мощност, което значително ускорява обработката. Второ, обобщената дигитализация на бизнеса. По-важното е пристигането на нови технологии (Hadoop, Map Reduce,
NoSQL, ...), които сега обработват феноменални обеми информация в реално време и без да мигат клепачите. Още по-добре. Анализът на данните може да се извършва само върху структурирани данни. Тези инструменти сега позволяват обработката на неструктурирани данни от всякакъв тип, с други думи на огромното мнозинство от наличните данни, които дотогава не знаехме какво да правим. И рогът на изобилието не е на път да изсъхне, особено с истинския потоп от данни, които обещаните свързани обекти.
„Къде сте с проекта си за големи данни, господин Хоскинс? "
Пиер Наггар, директор на EMEA в маркетинговата агенция Turn, цитира случая на американски клиент Kraft Foods, който използва тази техника за рестартиране на западащ продукт. Използвайки богати данни, групата подготвя различни съобщения за този диапазон и ги популяризира сред своите клиенти въз основа на тяхното онлайн поведение. Резултатът: „11% увеличение на цената на марката и намеренията за покупка“, с възвръщаемост на разходите за реклама „два до три пъти по-високо в сравнение с предишните кампании. "
Превантивната и дори прогнозна поддръжка е, разбира се, другото приложение по избор. Вече се практикуваше в Snecma, дори преди да се стигне до големи данни. Случаите се умножават сега. SAP например посочва, че производителят на трактори John Deere е влязъл в него и германският издател дори предлага специфично приложение за предсказуема поддръжка около своя инструмент SAP Hana. Откриваме и приложения като оптимизиране на управлението на запасите. Френският стартиращ Lokad го направи специалност. Тя започна в сектора на търговията на дребно и разшири услугите си за въздухоплавателната индустрия. Чрез смилане на множество данни от множество източници, той предоставя на своите клиенти (половин дузина авиокомпании) информация, така че те да имат правилните части на точното място в точното време, всички с минимални разходи. Това е едновременно много сложен и решаващ проблем за компаниите. Те трябва на всяка цена да избягват обездвижване на самолет на земята поради липса на резервни части и едновременно да се опитват да минимизират много скъпите запаси от части.
„Големите данни не са магия. Това е наука, основана на приложна математика и напреднали компютърни науки “, обяснява Бруно Тебул. Това предупреждение от научния директор, научноизследователска и развойна дейност и иновации на Keyrus, компания за цифрови услуги, е направено само за да отбележи по-добре реалната промяна на парадигмата, настъпила при обработката на големи данни. „Досега статистиците са използвали математически инструменти, които могат да отговорят на конкретен въпрос, използвайки хипотези, базирани на структурирани и историзирани данни. С пристигането на маси от неструктурирани данни, като тази, която може да бъде получена в социалните мрежи, вече не е възможно да се направи това. Сега работим обратно: започваме с наличните данни - внимателно събрани, почистени и нормализирани - и се опитваме да развием хипотези. Така нареченият метод за отвличане работи, като прибягва до извода за най-доброто обяснение от суровите данни. Работата на учения за данни, подпомагана от техники като машинно обучение, е да накара смисъла да излезе от данните, като прилага алгоритмите, най-подходящи за всеки отделен случай. "