Berbagai Pendekatan terhadap Analisis Data Besar - dummies

Dalam banyak kasus, analisis data yang besar akan ditunjukkan kepada pengguna akhir melalui laporan dan visualisasi. Karena data mentah bisa sangat beragam, Anda harus mengandalkan alat dan teknik analisis untuk membantu menyajikan data dengan cara yang berarti.

Aplikasi baru akan tersedia dan akan jatuh secara luas ke dalam dua kategori: custom atau semi custom.

Aplikasi khusus untuk analisis data yang besar

Secara umum, aplikasi kustom dibuat untuk tujuan tertentu atau kumpulan tujuan yang terkait. Untuk analisis data yang besar, tujuan pengembangan aplikasi khusus adalah mempercepat waktu pengambilan keputusan atau tindakan. Lingkungan

R lingkungan

Lingkungan "R" didasarkan pada statistik "S" dan bahasa analisis yang dikembangkan pada tahun 1990an oleh Bell Laboratories. Ini dikelola oleh proyek GNU dan tersedia di bawah lisensi GNU.

Sementara menantang untuk sepenuhnya memahami, kedalaman dan fleksibilitasnya menjadikannya pilihan yang menarik bagi pengembang aplikasi analisis dan "pengguna listrik. "Selain itu, proyek CRAN R mempertahankan kumpulan Protokol Transfer File dan server web di seluruh dunia dengan versi lingkungan R yang paling mutakhir. R versi enterprise yang didukung secara komersial juga tersedia dari Revolution Analytics.

Lebih khusus lagi, R adalah perangkat perangkat dan teknologi terpadu yang dirancang untuk menciptakan aplikasi kustom yang digunakan untuk memfasilitasi manipulasi data, perhitungan, analisis, dan tampilan visual. Di antara kemampuan canggih lainnya, mendukung

• Komponen penanganan dan manipulasi data yang efektif.

• Operator untuk perhitungan pada array dan jenis data pesanan lainnya.

• Alat khusus untuk berbagai analisis data.

• Kemampuan visualisasi lanjutan.

• Bahasa pemrograman S yang dirancang oleh pemrogram, untuk pemrogram dengan banyak konstruksi yang familiar, termasuk kondisional, loop, fungsi rekursif yang ditentukan pengguna, dan berbagai fasilitas input dan output.

R sangat sesuai untuk penggunaan tunggal, aplikasi khusus untuk analisis sumber data yang besar.

API Prediksi Google

API Prediksi Google adalah contoh alat aplikasi analisis data kelas yang baru muncul. Ini tersedia di situs web pengembang Google dan didokumentasikan dengan baik dan dilengkapi beberapa mekanisme untuk akses dengan menggunakan bahasa pemrograman yang berbeda. Untuk membantu Anda memulai, tersedia secara gratis selama enam bulan.

Prediksi API cukup sederhana. Ia mencari pola dan mencocokkannya dengan pola proskriptif, preskriptif, atau pola lain yang ada.Sambil melakukan pencocokan pola, ia juga "belajar. "Semakin Anda menggunakannya, semakin pintar hasilnya.

Prediksi diimplementasikan sebagai API yang tenang dengan dukungan bahasa untuk. NET, Java, PHP, JavaScript, Python, Ruby, dan banyak lainnya. Google juga menyediakan skrip untuk mengakses API dan juga perpustakaan klien untuk R.

Analisis prediktif adalah salah satu kemampuan potensial data besar yang paling kuat, dan Google Prediction API adalah alat yang sangat berguna untuk membuat aplikasi kustom.

Aplikasi semi-kustom untuk analisis data yang besar

Sebenarnya, apa yang orang anggap sebagai aplikasi kustom sebenarnya dibuat dengan menggunakan komponen "paket" atau komponen ketiga seperti perpustakaan. Hal ini tidak selalu diperlukan untuk benar-benar kode aplikasi baru. Menggunakan aplikasi atau komponen yang dikemas memerlukan pengembang atau analis untuk menulis kode untuk "merajut bersama" komponen-komponen ini ke dalam aplikasi kustom kerja. Berikut adalah alasan mengapa ini adalah pendekatan yang masuk akal:

• Kecepatan untuk penyebaran: Karena Anda tidak perlu menulis setiap bagian dari aplikasi, waktu pengembangan bisa sangat berkurang.

• Stabilitas: Menggunakan komponen yang dibangun dengan baik, dapat diandalkan, dan pihak ketiga dapat membantu membuat aplikasi kustom lebih tangguh.

• Kualitas yang lebih baik: Komponen kemasan sering dikenai standar kualitas yang lebih tinggi karena disebarkan ke berbagai lingkungan dan domain.

• Fleksibilitas yang lebih baik: Jika komponen yang lebih baik muncul, Anda dapat menukar aplikasi, memperpanjang masa pakai, kemampuan beradaptasi, dan kegunaan aplikasi khusus.

Jenis aplikasi semi-kustom lainnya adalah kode sumber yang tersedia dan dimodifikasi untuk tujuan tertentu. Ini bisa menjadi pendekatan yang efisien karena ada beberapa contoh blok bangunan aplikasi yang tersedia untuk digabungkan ke dalam aplikasi semi-kustom Anda:

• TA-Lib: Perpustakaan Analisis Teknis digunakan secara ekstensif oleh pengembang perangkat lunak yang memerlukan melakukan analisa teknis data pasar keuangan. Ini tersedia sebagai open source di bawah lisensi BSD, yang memungkinkannya diintegrasikan ke dalam aplikasi semi-kustom.

• JUNG: Kerangka Grafik Jaringan Universal Java adalah perpustakaan yang menyediakan kerangka umum untuk analisis dan visualisasi data yang dapat ditunjukkan oleh grafik atau jaringan. Hal ini berguna untuk analisis jaringan sosial, ukuran penting, dan data mining. Ini tersedia sebagai open source dengan lisensi BSD.

• GeoTools: Perangkat geospasial open source untuk memanipulasi data GIS dalam berbagai bentuk, menganalisis atribut spasial dan non-spasial atau data GIS, dan membuat grafik dan jaringan data. Ini tersedia di bawah lisensi GPL2, yang memungkinkan integrasi ke aplikasi semi-kustom.