VERSLO ANALITIKOS ATEITISAleksej Kovaliov, BDC programavimo centro direktorius2013 05 30
© Back to the Future movieVERSLO ANALITIKOS ATEITIS
Kodėl?32015 metai4.4M IT darbo vietų, susijusių su BIG DATAiš jų 1.9M x 3 = 6M JAVPeter Sondergaard, Sr VP at Gartner and ...
4http://ec.europa.eu/digital-agendaBIG DATA ir OPEN DATA - strateginė ES investavimo kryptishttp://data-forum.eu/Svarbiaus...
5http://www3.lrs.lt/pls/inter/w5_show?p_r=8861&p_k=1O dar kodėl?
6© Thierry Gregorius, http://www.flickr.com/photos/t_gregorius/5839399412/
© Minority Report movieATEITIS
DABARTISMPPNoSQLHadoopMapReduceBIG DATAFAST DATAOPEN DATA
Keičiasi duomenų bazių karta9
90% per 2 metus10Labai daug duomenų90% duomenų sugeneruota per pastaruosius 2 metusTechninės platformos pingaDebesų platfo...
Duomenys ateina iš visur11Internetas kiekvienoje kišenėjeSocialinių tinklų rinkos ir revoliucijosE-valstybėsProtinga energ...
Defragmentuoti dividualai12Tradiciniai segmentai nustoja galiotiPersonalinės informacijos gausybėE-Sociumai1 žmogus : N pe...
Karaokė13ApimčiųsantykisApimtiesaugimogreičiosantykisNE-interneto ir NE-gigantai einam tuo pačiu keliu
Išmetam duomenis = Išmetam pinigus14Prarandame duomenis, nes „netelpa“Nebandome moksliškai tyrinėtiNežinome savo tikrų kli...
15BIG DATA OPEN DATAHADOOP NOSQLFAST DATA MPP
BIG DATA16Duomenų kiekiai, kuriuos tikrai sunku apdoroti įprastomispriemonėmis (Wikipedia)V. V. V.Volume – 100-ai Tbytes, ...
OPEN DATA17Duomenų viešinimas pakartotinam panaudojimuiŽali duomenys, skirti ne žmogui, o mašinaiNemokamos licencijosLINKE...
OPEN & BIG, BIG & OPEN?18Ne tas patsBIG  TechnologijosOPEN  Teisiniai klausimai, standartizacija, procesaiTačiauBIG DATA...
OPEN & BIG PAVYZDŽIAI1http://www.buildingsdata.eu/19
OPEN & BIG PAVYZDŽIAI220
HADOOP21Paskirstyta failų sistema su replikavimu ir Java dorokliaisPalaiko milžiniškas duomenų apimtis ir failų dydžiusDau...
MAP-REDUCE22„Pasidaryk pats“ Java dorokliai failamsKai kurie Hadoop numato SQL
MPP - Massive Parallel Processing23
VERSLO ANALITIKOS ATEITISDABARTIS
Įprasta verslo analitika25
Nauja verslo analitika26
Verslo analitika Duomenų mokslas27
Duomenų verslo brandos lygiai28© Bill Shmarzohttps://infocus.emc.com/william_schmarzo/the-4-ms-of-big-data/Tradicinės vers...
Pranašystės291. Esamų BI sistemų papildymas duomenų rezervuarais2. Gamybiniai duomenų mokslininkų padaliniai3. Verslo anal...
1. Duomenų rezervuarai30
2. The Sexiest Job of the 21st Century©31http://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/
Duomenų mokslo gamybos ciklas32
Praeitis33Idėjos ircharizma
Ateitis34Faktai irmokslas
3. Platformos As-A-Service35
4. Prognozinė analitika gali būti visur36Modeliai, įkomponuoti į „kasdienes“ IS:• Prekyba: Individuali prekių pasiūla• Pre...
5. Atvirų duomenų pajungimas37http://linkeddatabook.com/editions/1.0/2015: ^N2013: *N2010:
Duomenų rezervuarai IN-OUT38http://linkeddatabook.com/editions/1.0/
6. Standartizacija39Terminai ir klasifikavimas„Sidabrinės kulkos“ nebusArchitektūros parinkimo faktoriai:• Priimam ar publ...
400. Nauja DB technologijų ir architektūros karta1. Esamų BI sistemų papildymas duomenų rezervuarais2. Gamybiniai duomenų ...
© Back to the Future moviePo 7 metų visa tai bus JUST DATA
Upcoming SlideShare
Loading in...5
×

Bdc future of business analytics final

368

Published on

Aleksejaus Kovaliovo, BDC programavimo paslaugų centro direktoriaus, prezentacija, kurią jis skaitė metinėje IT vadovų konferencijoje „IT Summit“ 2013 metų gegužės 30-ą dieną. Šis pranešimas konferencijos dalyvių buvo geriausiai įvertintas iš visų tą dieną skaitytų pranešimų. Pranešimas skirtas aptarti šiuo metu vis aktualesnei didžiųjų duomenų (angl. big data) temai.
Per kelis pastaruosius metus apdorojamų ir saugomų duomenų apimtys eksponentiškai išaugo ir šis augimas tęsiasi toliau kosminiu greičiu. Natūraliai vyksta eilinė kompiuterinių sistemų technologijų bei architektūros evoliucija. Paradigmos pokyčio mąstą galima palyginti su perėjimu nuo universaliųjų kompiuterių (angl. mainframes) prie personalinių, toliau prie kliento-serverių ir žiniatinklio sistemų.
Prezentacijoje pateikiamas įvadas į didžiųjų duomenų (angl. big data) bei duomenų mokslo (angl. data science) tematiką, apžvelgti iki šiol retai versle nagrinėjami duomenų šaltiniai, pateikti naujoviškos verslo analitikos sistemų architektūros modeliai.

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
368
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
4
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Bdc future of business analytics final

  1. 1. VERSLO ANALITIKOS ATEITISAleksej Kovaliov, BDC programavimo centro direktorius2013 05 30
  2. 2. © Back to the Future movieVERSLO ANALITIKOS ATEITIS
  3. 3. Kodėl?32015 metai4.4M IT darbo vietų, susijusių su BIG DATAiš jų 1.9M x 3 = 6M JAVPeter Sondergaard, Sr VP at Gartner and global head of Researchhttp://www.gartner.com/newsroom/id/2207915Jau dabar
  4. 4. 4http://ec.europa.eu/digital-agendaBIG DATA ir OPEN DATA - strateginė ES investavimo kryptishttp://data-forum.eu/Svarbiausias metinis ES duomenų ekonomikos renginys
  5. 5. 5http://www3.lrs.lt/pls/inter/w5_show?p_r=8861&p_k=1O dar kodėl?
  6. 6. 6© Thierry Gregorius, http://www.flickr.com/photos/t_gregorius/5839399412/
  7. 7. © Minority Report movieATEITIS
  8. 8. DABARTISMPPNoSQLHadoopMapReduceBIG DATAFAST DATAOPEN DATA
  9. 9. Keičiasi duomenų bazių karta9
  10. 10. 90% per 2 metus10Labai daug duomenų90% duomenų sugeneruota per pastaruosius 2 metusTechninės platformos pingaDebesų platformos tampa įprastu dalykuhttp://www.sciencedaily.com/releases/2013/05/130522085217.htm
  11. 11. Duomenys ateina iš visur11Internetas kiekvienoje kišenėjeSocialinių tinklų rinkos ir revoliucijosE-valstybėsProtinga energetika 20/20/20Protingi daiktai...
  12. 12. Defragmentuoti dividualai12Tradiciniai segmentai nustoja galiotiPersonalinės informacijos gausybėE-Sociumai1 žmogus : N personų
  13. 13. Karaokė13ApimčiųsantykisApimtiesaugimogreičiosantykisNE-interneto ir NE-gigantai einam tuo pačiu keliu
  14. 14. Išmetam duomenis = Išmetam pinigus14Prarandame duomenis, nes „netelpa“Nebandome moksliškai tyrinėtiNežinome savo tikrų klientų, aplinkos, istorijosIgnoruojame „baltą triukšmą“
  15. 15. 15BIG DATA OPEN DATAHADOOP NOSQLFAST DATA MPP
  16. 16. BIG DATA16Duomenų kiekiai, kuriuos tikrai sunku apdoroti įprastomispriemonėmis (Wikipedia)V. V. V.Volume – 100-ai Tbytes, Pbytes ...Velocity –„Duomenų srovė“, FAST DATAVariety – Struktūriniai / ne / pusiauNuodėmė#8: ne kaupti, o juolab, trinti duomenis
  17. 17. OPEN DATA17Duomenų viešinimas pakartotinam panaudojimuiŽali duomenys, skirti ne žmogui, o mašinaiNemokamos licencijosLINKED OPEN DATA: Semantinis atvirų duomenų tinklasStrateginė ES kryptishttp://open-data.europa.eu/http://data.gov.uk/Lietuvoje užuomazgoshttp://opendata.gov.lt/http://data.ukmin.lt/
  18. 18. OPEN & BIG, BIG & OPEN?18Ne tas patsBIG  TechnologijosOPEN  Teisiniai klausimai, standartizacija, procesaiTačiauBIG DATA technologijos  gali būti taikomos OPEN DATAOPEN DATA  gali išaugti iki BIG
  19. 19. OPEN & BIG PAVYZDŽIAI1http://www.buildingsdata.eu/19
  20. 20. OPEN & BIG PAVYZDŽIAI220
  21. 21. HADOOP21Paskirstyta failų sistema su replikavimu ir Java dorokliaisPalaiko milžiniškas duomenų apimtis ir failų dydžiusDaugybė atviro kodo ir komercinių versijų
  22. 22. MAP-REDUCE22„Pasidaryk pats“ Java dorokliai failamsKai kurie Hadoop numato SQL
  23. 23. MPP - Massive Parallel Processing23
  24. 24. VERSLO ANALITIKOS ATEITISDABARTIS
  25. 25. Įprasta verslo analitika25
  26. 26. Nauja verslo analitika26
  27. 27. Verslo analitika Duomenų mokslas27
  28. 28. Duomenų verslo brandos lygiai28© Bill Shmarzohttps://infocus.emc.com/william_schmarzo/the-4-ms-of-big-data/Tradicinės verslo analitikoslūžio taškas
  29. 29. Pranašystės291. Esamų BI sistemų papildymas duomenų rezervuarais2. Gamybiniai duomenų mokslininkų padaliniai3. Verslo analitikos platformos, kaip paslauga (aaS)4. Prognozinės analitikos plėtra operatyvinėse sistemose5. Atvirų duomenų pajungimas į verslo analitiką6. „Balto triukšmo“ standartizacija
  30. 30. 1. Duomenų rezervuarai30
  31. 31. 2. The Sexiest Job of the 21st Century©31http://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/
  32. 32. Duomenų mokslo gamybos ciklas32
  33. 33. Praeitis33Idėjos ircharizma
  34. 34. Ateitis34Faktai irmokslas
  35. 35. 3. Platformos As-A-Service35
  36. 36. 4. Prognozinė analitika gali būti visur36Modeliai, įkomponuoti į „kasdienes“ IS:• Prekyba: Individuali prekių pasiūla• Prekyba: Kainų optimizacija• Telco: Abonento išėjimo rizikos eskalavimas• Telco, Gamyba: Avarijos pavojaus aptikimas• Gamyba: Atsargų pirkimo optimizavimas• Gamyba: Išteklių švaistymo aptikimas• Kiber-saugumas: Botnetų identifikavimas tinkle• Finansai: Sukčiavimo prevencija• Medicina: Epidemijos pavojaus eskalavimas• . . .
  37. 37. 5. Atvirų duomenų pajungimas37http://linkeddatabook.com/editions/1.0/2015: ^N2013: *N2010:
  38. 38. Duomenų rezervuarai IN-OUT38http://linkeddatabook.com/editions/1.0/
  39. 39. 6. Standartizacija39Terminai ir klasifikavimas„Sidabrinės kulkos“ nebusArchitektūros parinkimo faktoriai:• Priimam ar publikuojam• Saugom ar skaičiuojam• Transakcionalumas• Vėlavimas• Srauto pastovumas• Vizualizavimas• Saugumas• Privatumas• ...
  40. 40. 400. Nauja DB technologijų ir architektūros karta1. Esamų BI sistemų papildymas duomenų rezervuarais2. Gamybiniai duomenų mokslininkų padaliniai3. Verslo analitikos platformos, kaip paslauga (aaS)4. Prognozinės analitikos plėtra operatyvinėse sistemose5. Atvirų duomenų pajungimas į verslo analitiką6. „Balto triukšmo“ standartizacija
  41. 41. © Back to the Future moviePo 7 metų visa tai bus JUST DATA
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×