De 10 største datarammene som brukes i bedriften

Hvordan big data kan hjelpe virksomheten din til å blomstre Michael Hiskey, CMO for Semarchy, forklarer hvorfor big data-æra åpner for nye og dyptgripende muligheter for SMB og oppstart.

Mer om Big Data

  • Datahåndtering: Et jukseark
  • Hvordan integrere robotprosessautomatisering i big data-prosjekter
  • Programmereren Hadley Wickham utpeker mangfoldet av R-samfunnet
  • Hvordan velge riktige dataanalyseverktøy: 5 trinn

Big data fortsetter den raske veksten i bedriften i alle bransjer, ifølge en tirsdag-rapport fra Qubole og Dimensional Research. Organisasjoner bruker big data for å drive IT-prosjekter, forbedre salget og forbedre kundeservicen. Og de bruker i økende grad big data-rammer for å møte utfordringene med å høste den fulle verdien av informasjonen som samles inn i virksomheten deres.

Ingen enkelt programvareramme dominerer big data-landskapet, viser rapporten etter å ha kartlagt 401 data-fagfolk med big data-ansvar i store virksomheter. Imidlertid bruker 25% av organisasjonene hjemmelaget tilnærming for behandling av big data.

Ingen rammer er allestedsnærværende, men det er noen få standouts. Her er de 10 store datarammene, ifølge rapporten:

  1. Gnist (31%)
  2. Hive (17%)
  3. HBase (17%)
  4. MapReduce (15%)
  5. Presto (13%)
  6. Kafka (13%)
  7. Impala (11%)
  8. Storm (11%)
  9. Flink (9%)
  10. Gris (6%)

Mens mange av disse tallene er i samme område, bemerket rapporten også at noen økte i bruk over 2017, mens andre reduserte. Spark, HBase, Presto, Kafka, Impala, Flink og hjemmelaget tilnærming steg alle i popularitet i 2018, mens Hive, MapReduce, Storm og Pig alle falt i bruk.

Bedrifter prioriterer kanskje big data-initiativer, men talentmangel er fortsatt et viktig tema, viser rapporten. Tre fjerdedeler (75%) av respondentene sa at de hadde en mangel på antall ansatte hos ingeniører, forskere og operatører som kan levere stor dataverdi. Mens 79% av virksomhetene sa at de ønsker å øke antall ansatte i datateamet det neste året, sa 83% at det er veldig vanskelig å finne datapersonell med nødvendig kompetanse og erfaring.

Organisasjoner opplever flere andre utfordringer når det gjelder big data, fant rapporten. De vanligste veisperringene for store data var mangel på erfaring som bremser fremdriften (44%), holder følge med nye datakilder (42%), som stadig bruker brukssaker (41%), for mange manuelle oppgaver (38%), og datamengden (34%).

Etter hvert som flere bedrifter ser etter å implementere maskinlæringsprogrammer i en lang rekke brukssaker, blir sterk big data-praksis viktig, heter det i rapporten. De viktigste prioriteringene for maskinlæringstiltak det neste året inkluderer forbedring av datasikkerhet og trusselbeskyttelse, optimalisering av kundeopplevelsen og utnyttelse av prediktivt vedlikehold, ifølge rapporten.

De store takeawayene for teknologiledere:

  • Spark, Hive og HBase er de mest populære big data programvarerammene som brukes i bedriften. - Qubole, 2018
  • 75% av datapersonell sa at de hadde en mangel på antall ansatte hos ingeniører, forskere og operatører som kan levere stor dataverdi. - Qubole, 2018

Data, Analytics og AI Nyhetsbrev

Få eksperttips for å mestre grunnleggende grunnleggende analyser av data, og følg med på den siste utviklingen innen kunstig intelligens. Leveres mandager

Registrer deg i dag

© Copyright 2021 | pepebotifarra.com