Big Data, Machine Learning

Bei Machine Learning und Analytics gilt es Wissen und Muster in großen Mengen Datenmengen zu entdecken und sie auf Businessprozesse anzuwenden. Es gibt keine Industrie, die nicht davon profitieren könnte.

Traditionelle Analyse-Tools sind nicht gut geeignet, um den vollen Umfang dieser Datenmengen zu erfassen.

Das Datenvolumen ist zu groß für eine umfassende Analyse und das Spektrum der möglichen Korrelationen und Beziehungen zwischen unterschiedlichen Datenquellen – von Back-End-Kunden-Datenbanken, Web-basierte Clickstreams bis hin zu Sensor generierten Daten ist einfach zu breit als dass ein Analytiker alle Hypothesen testen und daraus verborgene Muster erkennen könnte.

Traditionell verwendete analytische Methoden in Business Intelligence und Enterprise Reporting-Tools reduzieren sich auf einfache Aggregation, Summen,  einfache Mittelwerte und SQL-Abfragen. Online Analytical Processing ist lediglich eine systematisierte Erweiterung dieser grundlegenden Analysen, die nach wie vor auf die Interaktion eines Analysten angewiesen sind.

Maschinelles Lernen ist ideal für die Exploration von versteckten Informationen in großen Datenmengen.

Es erfüllt das Versprechen  Informationen in großen Datenmengen zu finden, die in unterschiedlichen Formaten und Daten Silos vorliegen, mit weit weniger Interaktion eines menschlichen Analysten. Einmal aufgesetzt werden Daten gesammelt, normalisiert, exploriert und visualisiert; in der Cloud skalierbar und auf Wunsch in Echtzeit.

Je mehr Daten vorliegen desto bessere Ergebnisse werden erzielt. Jedoch gibt es keine Allgemeingültige Lösung für Big Data und Machine Learning. Es gibt kein Produkt von der Stange. Die Menge an Tools/Produkten, Frameworks, Algorithmen, Cloudanbieter explodiert und für jeden Business / Use Case sollte das passende Set zusammengestellt werden. Brauchen Sie Daten in Echtzeit und wenn ja welche Produkte, bzw. Algorithmen passen zu diesem Case. Müssen Daten von 1 Millione Sensoren gesammelt und zentral bereinigt werden, bevor sie analysiert werden können oder kann man durch „Edge“ Processing Cloudressourcen sparen. Brauchen Sie eine In-Memory NoSQL Datenbank? Es ergeben sich viele spezielle Fragen. Wenn Sie einen kompeteneten Partner brauchen, der Sie unabhängig und kompetent bei der Einführung von Big Data und Machine Learning berät, nehmen Sie Kontakt auf. Wir bieten eine kostenlose Erstberatung an, damit Sie sich von unserem Know-How überzeugen können.


Nehmen Sie Kontakt auf


Masiar IghaniBig Data, Machine Learning