![](https://www.sas.com/content/dam/SAS/en_us/image/sas-com/hero/data-mining-hero-primer.jpg/_jcr_content/renditions/original)
Stordataanalys
Vad är det och varför är det viktigt?
Big data analytics undersöker stora mängder data för att hitta dolda mönster, korrelationer och andra insikter. Med dagens teknik är det möjligt att analysera din data och få svar nästan omedelbart - vilket traditionella business intelligence-lösningar inte kan, då den är betydligt långsammare och mindre effektivt.
Historia och utveckling av big data analytics
Begreppet ”big data” har funnits i flera år. De flesta organisationer förstår nu att om de registrerar all data som genomströmmar deras verksamhet och sedan analyserar den kan de också erhålla betydande värde och insikter från den. Men även på 1950-talet, decennier innan någon uttalat begreppet "big data", använde företag grundläggande analyser (huvudsakligen siffror i ett kalkylblad som manuellt undersöktes) för att avslöja insikter och trender.
Fördelarna med big data analytics är dock hastighet och effektivitet. För några år sedan skulle ett företag ha samlat in information, gjort analyser och upptäckt information som skulle kunna användas för framtida beslut, idag kan de identifiera insikter för omedelbara beslut. Förmågan att arbeta snabbare - och förbli smidiga - ger organisationer en konkurrensfördel som de inte hade tidigare.
Varför är big data analytics viktigt?
Big data analytics hjälper organisationer att utnyttja sin data och använda den för att identifiera nya möjligheter. Det leder i sin tur till smartare affärsrörelser, effektivare verksamhet, högre vinster och lyckligare kunder. I sin rapport ”Big Data in Big Companies” intervjuade IIAs forskningschef Tom Davenport mer än 50 företag för att förstå hur de använde big data. Han fann att de fick värde på följande sätt:
- Kostnadsminskning. Big data-teknologier som Hadoop och molnbaserade analyser (cloud-based analytics) ger betydande kostnadsfördelar när det gäller att lagra stora mängder data – och den kan identifiera effektivare sätt att göra affärer.
- Snabbare och bättre beslutsfattande. Med hastigheten från Hadoop och in-memory analytics kombinerat med förmågan att analysera nya datakällor, kan företag analysera information omedelbart - och därefter fatta beslut baserat på den nya kunskapen.
- Nya produkter och tjänster. Med förmågan att mäta kundernas behov och tillfredsställelse med hjälp av analyser kan företag förse sina kunder med vad de efterfrågar. Davenport betonar att med big data analytics skapar fler företag nya produkter som möter deras kunders behov.
Big data analytics idag
De flesta organisationer har big data och många förstår behovet av att utnyttja den informationen och hämta värde ur den. Men hur? De fyra områdena nedan innehåller det senaste inom big data och analytics.
Statistik och machine learning i stor skala
Begreppet ”machine learning” har funnits i årtionden och nu kan det nu tillämpas på stora mängder data.
Hälsovård och big data analytics
En big-data-boom är på väg, så det är viktigare än någonsin att ta kontroll över din hälsoinformation. Detta webbinarium förklarar hur big data analytics spelar en roll.
Det hårda arbetet bakom analytics
För att förstå möjligheterna av business analytics genomförde MIT Sloan Management Review sin sjätte årliga undersökning av företagsledare, chefer och analytiker.
Who’s using big data analytics?
Think of a business that relies on quick, agile decisions to stay competitive, and most likely big data analytics is involved in making that business tick. Here’s how different types of organizations might use the technology:
Life Sciences
Clinical research is a slow and expensive process, with trials failing for a variety of reasons. Advanced analytics, artificial intelligence (AI) and the Internet of Medical Things (IoMT) unlocks the potential of improving speed and efficiency at every stage of clinical research by delivering more intelligent, automated solutions.
Banking
Financial institutions gather and access analytical insight from large volumes of unstructured data in order to make sound financial decisions. Big data analytics allows them to access the information they need when they need it, by eliminating overlapping, redundant tools and systems.
Manufacturing
For manufacturers, solving problems is nothing new. They wrestle with difficult problems on a daily basis - from complex supply chains to IoT, to labor constraints and equipment breakdowns. That's why big data analytics is essential in the manufacturing industry, as it has allowed competitive organizations to discover new cost saving opportunities and revenue opportunities.
Health Care
Big data is a given in the health care industry. Patient records, health plans, insurance information and other types of information can be difficult to manage – but are full of key insights once analytics are applied. That’s why big data analytics technology is so important to heath care. By analyzing large amounts of information – both structured and unstructured – quickly, health care providers can provide lifesaving diagnoses or treatment options almost immediately.
Government
Certain government agencies face a big challenge: tighten the budget without compromising quality or productivity. This is particularly troublesome with law enforcement agencies, which are struggling to keep crime rates down with relatively scarce resources. And that’s why many agencies use big data analytics; the technology streamlines operations while giving the agency a more holistic view of criminal activity.
Retail
Customer service has evolved in the past several years, as savvier shoppers expect retailers to understand exactly what they need, when they need it. Big data analytics technology helps retailers meet those demands. Armed with endless amounts of data from customer loyalty programs, buying habits and other sources, retailers not only have an in-depth understanding of their customers, they can also predict trends, recommend new products – and boost profitability.
Det huvudsakliga målet med en formell organisationsstrategi för data och analys är vanligtvis att förbättra beslutsfattandet med analytics inom ett brett område av aktiviteter. [Och] våra undersökningsresultat och intervjuer tyder och styrker - att framgångsrika analysstrategier dramatiskt förändrar hur beslut fattas i organisationen.
Från White Paper Beyond the Hype: The Hard Work Behind Analytics Success
Advanced analytics hjälper Rogers Communications att bli mer kundcentrerade
Rogers Communications strävar efter att öka kundnöjdheten och bevara sin position i Kanadas media- och telekommunikationssektor. Lär dig hur advanced analytics hjälpte Rogers Communication att minimera kundklagomålen med 50% genom att ge kunderna rätt service vid rätt tidpunkt.
Så här fungerar det och nyckelteknologier
Det finns ingen enskild teknologi som omfattar big data analytics. Naturligtvis finns det advanced analytics som kan tillämpas på big data, men i verkligheten samverkar flera typer av teknologier för att hjälpa dig att få ut det mesta värdefulla av din information. Här är de viktigaste:
Machine Learning. Machine learning, som är ett specifikt delområde av AI, tränar en maskin i att lära sig, gör det möjligt att snabbt och automatiskt producera modeller som kan analysera större, mer komplex data och leverera snabbare, mer exakta resultat - även i mycket stor skala. Och genom att bygga exakta modeller har en organisation större chans att identifiera lönsamma möjligheter - eller undvika okända risker.
Data management. Data måste vara av hög kvalitet och bra administrerat innan det kan analyseras på ett tillförlitligt sätt. Med data som ständigt genomströmmar en organisation är det viktigt att upprätta repeterbara processer för att bygga och upprätthålla datakvalitetsstandarder. När datan är tillförlitlig bör organisationer upprätta ett master data management program som säkerställer samma standard i hela företaget.
Data mining. Med hjälp av Data mining-teknologi undersöks stora mängder data för att upptäcka mönster - och den informationen kan användas för vidare analys och för att svara på komplexa affärsfrågor. Med data mining-mjukvaran kan du söka igenom allt kaotiskt och repetitivt brus i datan, hitta vad som är relevant. Den informationen kan användas för att bedöma sannolika resultat och sedan påskynda en mer välgrundade beslutsprocess.
Hadoop. Denna programvara med öppen källkod kan lagra stora mängder data och köra applikationer på kluster av standardhårdvaran. Det har blivit en nyckelteknologi för många företag på grund av de ständigt ökande mängderna och datatyperna, och dess distribuerade datormodell behandlar stora mängder data snabbt. En ytterligare fördel är att Hadoops programvara med öppen källkod är gratis och använder standardhårdvara för att lagra stora mängder data.
In-memory analytics. Analys av data från systemminnet (snarare än från din hårddisk) kan ge omedelbar insikt så att du kan agera snabbt. För att testa nya scenarier och skapa nya modeller kan denna teknik eliminera fördröjningar som dataförberedelser och analysbehandling. Det är inte bara ett enkelt sätt för organisationer att säkerställa flexibilitet och fatta bättre affärsbeslut. Det gör det också möjligt för dem att köra iterativa och interaktiva analysscenarier.
Predictive analytics. Prediktiv analysteknik använder data, statistiska algoritmer och machine learning-tekniker för att identifiera sannolikheten för framtida resultat baserat på historisk data. Det handlar om att ge den bästa bedömningen av vad som kommer att hända i framtiden, så att organisationer kan känna sig mer säkra på att de fattar bästa möjliga affärsbeslut. Några av de vanligaste tillämpningarna av predictive analytics omfattar upptäckt av bedrägerier, risker, drift och marknadsföring.
Text mining. Med text mining-teknologi kan du analysera textdata från webben, kommentarsfält, böcker och andra textbaserade källor för att avslöja insikter som du inte hade upptäckt tidigare. Text mining använder machine learning eller natural language processingför att finkamma dokument - e-post, bloggar, Twitter-flöden, undersökningar, konkurrensinformation och mycket mer - för att hjälpa dig att analysera stora mängder information och upptäcka nya ämnen och korrelationer.
Improved vehicle design, reduced maintenance cost
Commercial vehicles from Iveco Group contain many sensors, making it impossible to process data manually. With advanced analytics from SAS® Viya® deployed on Microsoft Azure, Iveco Group can process, model and interpret vast amounts of sensor data to uncover hidden insights. Now the company can understand behaviors and events of vehicles everywhere – even if they’re scattered around the world.
Nästa steg
Se hur big data analytics spelar en roll inom data management.
Visual Text Analytics
Med SAS Visual Text Analytics kan du upptäcka nya trender och dolda möjligheter, eftersom de gör det möjligt för dig att automatiskt konvertera ostrukturerad data till meningsfulla insikter som används i machine learning och predictive models.
Rekommenderad läsning
- Insights Page Break stuff . . . servers, rules and the glass ceilingCarla Gentry knows what it’s like to be the only woman on the team and is happy to share her hard-won knowledge with an ever-growing number of female data scientists. She recently shared with us some sage advice for women entering or interested in advancing in the field.
- Article From Apollo to AI: A new era of American explorationAs we celebrate the 50th anniversary of the Apollo 11 mission, what’s the next frontier for American Innovation? It’s available now, from our desks and waits for us to unlock its potential.
- Article A guide to machine learning algorithms and their applicationsDo you know the difference between supervised and unsupervised learning? How about the difference between decision trees and forests? Or when to use a support vector algorithm? Get all the answers here.