FEJLETT ADATKEZELÉSI TECHNOLÓGIÁK
(BIG DATA, MI, FELHŐ)

⁣A modern technológiák a mai eszközöket követve a legfrissebb, legkorszerűbb megoldásokat nyújtják a felhasználók részére. A klasszikus megoldások egy idő után elavulttá válnak, így szükséges felváltani ezeket újakkal. A modern technológiák napra készek, követnek minden egyes újdonságot, ellentétben a klasszikus megoldásokkal.

Az utóbbi években jelentősen nőttek az adatgyűjtési lehetőségeink. Számtalan cég, a bankoktól az energiaszektoron át az autóiparig, korábban ismeretlen mennyiségű adathoz tudott jutni a saját tevékenységéről. Olyan sok adathoz, ami már minőségi ugrást jelentett a megelőző korszakokhoz képest. Egy bizonyos adatmennyiség felett már olyan alaposan meg lehet ismerni egy adott ipari folyamatot, digitális szolgáltatást vagy akár emberi viselkedésmintákat, hogy már jó hatékonysággal lehet jóslatokat, predikciókat megfogalmazni a segítségükkel.

A big data⁣ fogalma alatt azt a komplex technológiai környezetet (szoftvert, hardvert, hálózati modelleket) értjük, amely lehetővé teszi olyan adatállományok feldolgozását, amelyek annyira nagy méretűek és annyira komplexek, hogy feldolgozásuk a meglévő adatbázis-menedzsment eszközökkel jelentős nehézségekbe ütközik. A „big data” elképzelhetetlen a felhők nélkül. Egy informatikai rendszer kiépítéséhez a felhasználók ma már nem nagy hardver komplexumokat vásárolnak vagy lízingelnek, hanem sokkal inkább virtuális szervereket vagy felhős PaaS szolgáltatókat bérelnek. Ennek rengeteg előnye van. Gazdaságosan és gyorsan lehet nagy számítógépfürtöket létrehozni, rugalmasan változtatható a virtuális végrehajtóegységek száma, ami fontos lehet sok alkalmazásnál.

A big data technológiák egyre szélesebb körben kezdtek elterjedni, alternatívát kínálva a hagyományos relációs adatbázisokon alapuló adattároláshoz képest.

A FŐBB MOTIVÁCIÓS TÉNYEZŐK A BIG DATA ELTERJEDÉSÉHEZ

• Költséghatékonyság: a hagyományos szemléletű relációs adatbázis és SAN alapú tárolás infrastrukturális költségénél olcsóbban lehet tárolni és feldolgozni az adatokat.
• Adatbetöltési teljesítmény: nagy sebességgel, nagy mennyiségben keletkező adatok tárolásánál a big data előnyösebb lehet a hagyományos relációs adatbázisoknál.
• Lekérdezési, elemzési teljesítmény: olyan elemzési célú lekérdezéseknél, amelyek egyszerre nagyobb adatmennyiséget mozgatnak meg akár többször is, a big data szemlélet gyorsabb lehet egy relációs rendszerhez képest.
• Valós idejű adatfeldolgozás: nagy sebességgel, nagy mennyiségben keletkező adatokon történő azonnali transzformációk elvégzésére hatékonyabb egy big data platform.
• Strukturálatlan, vagy lazán strukturált adatok tárolása, elemzése: ilyen típusú adatok tárolása és lekérdezése relációs adatbáziskörnyezetben nehézkesebb vagy problémás választás lehet.

A folyamatosan növekvő nagy mennyiségű adatokhoz kapcsolódó átfogó elemzések elkészítéseképpen merül fel az igény az üzleti intelligencia szükségességére. Egy BI rendszer⁣ megléte jelentősen támogatja az elkészült riportok alapján a vállalaton belüli vezetői döntéshozatalt, illetve egy átfogó képet nyújt a vállalat működéséről az illetékes területek számára egyaránt.

Ezekhez az elemzésekhez azonban képesnek kell lenni a bennük rejlő információk, összefüggések feltárására is, erre szolgál az adatbányászat⁣ , melynek különféle eszközei léteznek. Adatbányászat során vizsgáljuk az adatokat, információkat nyerünk ki belőlük és ezekkel az új információkkal új tudás kinyerése a cél.

A meglévő adatkészletek alapján a múltbeli adatokból kiindulva meghatározott eszközökkel prediktív analízist⁣ (PA) is tudunk készíteni. Azaz: múltba visszamenőleges adatokból következtetni a jövőre.

Az ⁣üzleti intelligenciát⁣ szolgáló PA az adatbányászat és a matematikai elemzés eszközeivel dolgozik. Az IT üzemeltetést támogató prediktív analitikák akár valós időben is készítenek hasonló elemzéseket.

FELHASZNÁLÁS TERÜLETEI

A prediktív elemzésekből egy sor területen származhatnak üzleti előnyök. Sok adat és sok változó mellett a PA segít az adatok kiértékelésének automatizálásában, ami gyorsítja a döntéshozatali folyamatot. Az ügyfelek, beszállítók és többi partner illetve a munkavállalók múltbéli viselkedéséből következtetni lehet arra is, hogy mit tesznek majd adott körülmények között a jövőben. (Természetesen az adatvédelmi szabályok szigorú betartása mellett). Ez segíthet meghatározni a legjobb lépések kiválasztását, akár egyes ügyfél és tranzakciók szintjén is.

Azok a döntések, amelyekre korábban órákat kellett szánni, immáron akár másodpercek alatt is meghozhatók az előre kialakított banki termékek vagy új telefonelőfizetés testre szabott ajánlásán át akár csalások valós idejű beazonosításáig. A hasonló adatcentrikus PA-t korán bevezetők már ott tartanak, hogy a döntéshozatal során akár a megelőző üzleti hét vagy nap teljes feldolgozott adatbázisaira tudnak támaszkodni. Ez a reakcióidő korábban elképzelhetetlen lerövidüléséhez, a piaci folyamatok és a pillanatnyi döntések majdnem valós idejű szintetizálásához vezet. Különösen olyan időszakokban jelenthet ez nagy segítséget, amikor a szokásosnál gyorsabbak és gyakoribbak a nagy változások.