초보자를 위한 빅 데이터 튜토리얼: 알아야 할 모든 것
게시 됨: 2018-05-22빅 데이터는 디지털 혁신, 사물 인터넷(IoT) 및 데이터 과학 연구에 대한 거의 모든 대화에서 하나의 개념으로 언급되었습니다. 그러나 이 용어가 정확히 무엇을 의미하는지에 대해서는 여전히 약간의 혼란이 있습니다. 이 빅 데이터 튜토리얼에서는 빅 데이터를 시작하기 전에 알아야 할 모든 것을 명확히 하는 것을 목표로 합니다.
간단히 말해서 빅 데이터는 여러 소스에서 나오는 다양한 데이터를 수집, 분석 및 처리하는 것입니다. 이러한 대규모 데이터 세트는 인간 행동에 대한 통찰력을 제공하고 비즈니스 관행, 전략, 제품 디자인, 인공 지능 등에 정보를 제공할 수 있습니다. 이 빅 데이터 자습서에서는 유행어와 관련된 주요 개념과 용어를 안내합니다.
유튜브 동영상 보기
이 튜토리얼이 끝날 때쯤이면 빅 데이터 여정의 첫 단계를 밟을 수 있는 충분한 아이디어를 얻으실 수 있기를 바랍니다. 그러나 빅 데이터 자습서에서 진행하기 전에 스몰 데이터와 빅 데이터의 차이점을 살펴보겠습니다.
스몰 데이터 대 빅 데이터
작은 데이터와 비교하면 빅 데이터의 범위를 쉽게 이해할 수 있습니다. 소규모 데이터는 단일 시스템으로 관리하거나 기존의 분석 방법을 사용하여 관리할 수 있는 정보입니다. 이 데이터의 출처와 영향은 소규모입니다. 예를 들어, 생산 로그는 제조 라인의 생산성에 대한 주간 성과 보고서를 개발하는 데 사용할 수 있습니다. 또는 설문조사 결과를 브랜드 인지도에 대한 마케팅 보고서에 사용할 수 있습니다.
두 가지 유형의 데이터 간의 명확한 차이점을 이해하기 위해 우리가 해야 할 일은 몇 가지 통계를 보는 것입니다. 2020년까지 지구상의 모든 사람은 인터넷에 연결된 500억 개 이상의 장치에서 초당 1.7MB의 데이터를 생성할 것입니다. 거의 많은 소스에서 가져온 이러한 대용량 데이터는 전체 산업에 대한 비즈니스 결정을 알리고 전자 상거래 사이트를 재구성하며 의료 서비스 제공에 혁명을 일으키기 위해 사용될 수 있습니다.
빅 데이터: 반드시 알아야 할 도구와 기술이제 빅 데이터가 무엇인지 대략적으로 파악했으므로 이 빅 데이터 자습서에서 한 단계 더 나아가 핵심 개념에 대해 이야기해 보겠습니다.
목차
빅데이터 특성
기존의 분석 방법이 확실히 실패하는 대규모 이기종 데이터를 어떻게 처리합니까? 이것은 빅 데이터 과학자들에게 가장 중요한 과제 중 하나였습니다. 대답을 단순화하기 위해 Gartner의 주요 분석가인 Doug Laney는 "빅 데이터"를 정의하는 세 가지 기본 개념을 제시했습니다.
용량
이것이 빅 데이터 시스템의 주요 차이점입니다. 우리 각자에게는 디지털 발자국이 있으며 각 장치에서 수집할 수 있는 데이터 세트의 양은 상상을 초월합니다. 예를 들어 페이스북을 보자. 2016년 기준으로 소셜 네트워킹 플랫폼에는 2조 6000억 개의 게시물이 있었다. 트위터는 하루에 5억 트윗에 로그인합니다. 이것을 연결된 다른 모든 디지털 장치에 추가하면 지구상의 모든 인간이 하루 평균 0.77GB의 데이터를 생성하는 방법을 쉽게 이해할 수 있습니다.
속도
현재 사용 가능한 데이터의 90%는 지난 2년 동안에만 생성되었습니다. 매일 2500조 바이트의 데이터가 생성되며 이 데이터는 실시간(또는 거의 실시간)으로 처리되어 끊임없이 변화하는 세상에서 중복되지 않는 통찰력을 생성할 것으로 예상됩니다. 이것이 빅 데이터 분석가가 기존의 배치 중심 접근 방식에서 벗어나 현재 상황과 관련된 정보를 생성하고 있는지 확인하기 위해 실시간 분석을 채택한 이유입니다.
다양성
빅 데이터 시스템이 비즈니스 및 커뮤니티와 관련이 있는 이유는 이러한 데이터가 다양한 소스에서 생성되고 다양한 방법을 사용하여 처리되기 때문에 고유한 데이터 세트라는 사실입니다. 데이터는 소셜 미디어 피드, Fitbit과 같은 물리적 장치, 홈 보안 시스템, 자동차 GPS 시스템 등에서 얻을 수 있습니다. 데이터 자체는 매우 다양합니다. 리치 미디어(사진, 비디오, 오디오) 또는 구조화된 로그 및 구조화되지 않은 데이터가 될 수 있습니다. 빅 데이터의 USP는 출처에 관계없이 이 모든 정보를 통합하여 모든 사용자에 대한 포괄적인 데이터 세트를 제공한다는 것입니다.
2001년부터 빅데이터를 구분하기 위해 3V를 사용했지만 최근에는 '진실성, 시각화, 가변성, 가치'를 추가하자는 의견이 많아 빅데이터 분석의 폭을 더욱 넓혔다.
그것은 빅 데이터의 특성에 관한 것이었습니다. 이 빅 데이터 자습서 다음에서는 이 데이터를 실행 가능하게 만들고 통찰력을 도출하는 방법에 대해 이야기해 보겠습니다.
대중 문화의 빅 데이터 응용빅 데이터를 이해하는 방법?
USP of Big Data는 도출할 수 있는 다양한 인사이트입니다. 많은 통찰력, 추세 및 패턴이 종종 명확하지 않기 때문에 이것은 일반적으로 전통적인 방법을 통해 수행할 수 없습니다. 더욱이 작은 데이터 분석 기술은 빅 데이터 방식을 통해 생성되는 대용량 및 다양한 콘텐츠에 적합하지 않습니다.
이러한 장벽을 극복하기 위해 다양한 신기술이 개발되었습니다. 가장 대중적인 것은 Apache Hadoop입니다. 이러한 기술은 클러스터링된 컴퓨팅을 활용하여 정보를 데이터 시스템으로 수집하고, 데이터를 계산 및 분석하고, 데이터 스트림을 시각화합니다.
빅 데이터는 상상할 수 있는 모든 영역에서 확고한 위치를 찾았고 이 빅 데이터가 하고 있는 놀라운 일에 대해 이야기하지 않는 것은 잘못된 것입니다.
유튜브 동영상 보기
빅 데이터의 응용 프로그램에 대해 이야기하면서 이 빅 데이터 자습서를 마무리하겠습니다.
빅 데이터의 응용
- 개인 개발: 보다 개인적인 차원에서 빅 데이터는 개인의 건강을 최적화하는 데 사용됩니다. 암밴드와 스마트워치는 수면 주기, 칼로리 소비량, 활동 수준 등에 대한 데이터를 사용하여 개인화된 방식으로 개별 사용자에게 피드백하는 사용자의 건강 개선에 대한 통찰력을 개발합니다.
- 광고: 마케팅 회사는 GPS, 트래픽 패턴, 시선 움직임 추적 등을 포함한 다양한 데이터 포인트를 활용하여 사람들이 더 관심을 갖는 광고를 결정함으로써 보다 정확한 마케팅 전략을 결정합니다. 이는 가격이 광고의 '인상'으로 결정되었던 기존의 마케팅 전략에서 탈피한 것입니다.
- 공급망 최적화: 빅 데이터는 무선 주파수 식별자 및 GPS 시스템을 사용하여 실시간 교통 데이터, 운전자 행동 등을 추적하여 식별하는 배송 경로 최적화(Amazon 및 eBay와 같은 회사의 큰 관심사)에서 큰 역할을 합니다. 시간과 연도에 따라 올바른 경로를 선택하십시오.
- 일기예보: 휴대전화의 애플리케이션은 날씨 패턴에 대한 정보를 실시간으로 크라우드소싱하는 데 사용됩니다. 주변 온도계, 기압계 및 습도계의 조합을 사용하여 이러한 앱은 예측 모델에 대한 정확한 실시간 데이터를 생성할 수 있으므로 일기 예보 시스템의 정확도를 크게 향상시킬 수 있습니다.
- 스마트 시티 인프라 구축: 도시는 스마트 시티 인프라를 개발하기 위해 빅 데이터 분석 시스템을 시범 운영하고 있습니다. 가뭄에 시달리는 캘리포니아는 빅 데이터 분석을 사용하여 소비자의 물 사용량을 추적하여 물 사용량을 80%까지 줄였습니다. 로스앤젤레스는 도시 주변의 교통 신호를 모니터링하여 교통 혼잡을 16% 줄였습니다.
해가 거듭될수록 빅 데이터는 점점 더 커지고 모든 영역에서 영향력을 강화하고 있습니다. 이 빅 데이터 튜토리얼이 "빅 데이터"라는 단어 뒤에 숨겨진 과장된 내용을 이해하는 데 도움이 되었기를 바랍니다. 더 깊이 있게 공부하는 데 관심이 있다면 도움이 될 빅 데이터 자습서, 과정 및 인증이 많이 있습니다.
더 이상 기다리지 마십시오. 이 빅 데이터 튜토리얼이 빅 데이터라는 짐승을 길들이는 데 필요한 불꽃이 되도록 하십시오.
빅 데이터에 대해 더 알고 싶다면 PG 디플로마 빅 데이터 소프트웨어 개발 전문화 프로그램을 확인하세요. 이 프로그램은 실무 전문가를 위해 설계되었으며 7개 이상의 사례 연구 및 프로젝트를 제공하고 14개 프로그래밍 언어 및 도구, 실용적인 실습을 다룹니다. 워크샵, 400시간 이상의 엄격한 학습 및 최고의 기업과의 취업 지원.
세계 최고의 대학에서 온라인으로 소프트웨어 개발 과정 을 배우십시오 . 이그 제 큐 티브 PG 프로그램, 고급 인증 프로그램 또는 석사 프로그램을 획득하여 경력을 빠르게 추적하십시오.
