巨量資料分析

語義分析

即時回報各項意見及看法,在獲得更多資訊的情況下制定決策 EXALEAD CloudView 的客戶們在產品開發及公共政策等多種不同的領域中,使用這一類的巨量資料分析,為以下的努力帶來前所未有的範疇、精確性與及時性:

優點

  • 讓取得現有智慧資產的使用更普及

  • 利用全新的資訊管道,以制定更明智、更符合情境的決策

  • 聯合(與結合)結構化和非結構化資料

• 監控與管理公眾對議題、品牌、組織的觀感(稱為「商譽監控」)

• 分析對全新或修訂過之服務或產品的認知針對潛在的有關品質、

價格或法規等的議題作預測和因應辨識在客戶需求中剛成形的市場商機與成長趨勢。

 

探索分析
與傳統分析方法「線上分析處理」(Online Analytical Processing,OLAP)不同的是,OLAP 會從已知有秩序的資料中,擷取精準、預先以系統化方式闡述的答案,,而探索分析則是從大量蒐集到的未知資料中,按照您的好奇心一一探索和發掘不明的真相(因此探索分析又稱為「迭代分析」)。EXALEAD CloudView 適合非專家使用者,在「拉」和「推」的模式中對巨量資料進行探索分析。

在「拉」的模式裡,EXALEAD CloudView 以語義探勘工具辨識出資料裡的嵌入關係、模式和意義,而視覺化工具、多層向(動態叢集和類別)及自然語言查詢,則是用於以完全特定的方式探索這些連結關係。

在第二個「推」模式裡,使用者可以連續要求特定問題的答案資料,或是指示執行特定操作項目(如排序),看看會出現什麼內容。

 

作業報告 & 分析
探索分析適用於規劃,而作業分析則適用於採取行動。作業分析的目標為以即時或近乎即時的方式,對有意義的作業指標傳送可供採取行動的情報。
由於許多這一類的指標是嵌入在諸如「智慧」計量器、RFID 讀取器、條碼掃描器、網站活動監視器及 GPS 追蹤器等連網裝置,所產生之大量小型封包資料流量裡,以致要達到這個目標並非易事。 這是設計給其他機器使用的機器資料,而非設計給人類使用的資料。
這些資料若能存在非關聯性(NoSQL)資料庫裡,便可克服效能上的限制,然而此主要使用的限制依舊存在。再者,與多數此類系統有關的批次更新作業,會造成不與作業報告相容一致的資料延遲情況。
資料延遲和使用性的問題,也是傳統資料倉儲的一大障礙。而傳統關聯式資料庫則是必然得以高昂的成本和複雜度進行擴充。
不過現在企業可藉由 EXALEAD CloudView克服技術和財務障礙,實現能簡便使用並以極低的硬體成本便可大幅擴充作業報告和分析工作的解決方案。。 這些解決方案被設計用來提供全面跨資料倉儲的可視性,這對於制定更明智的營運決策來說極為重要。

 

• 下載我們的巨量資料實用指南