Мир становится все более умным. Новые технологии строят "умные" города, "умные" дома, "умные" машины. Современные инструменты все больше востребованы менеджментом нового поколения, который хочет принимать "умные" решения - решения, основанные на анализе абсолютно всей доступной информации.
В ХХ веке анализировать абсолютно всю доступную бизнесу информацию было слишком дорого и экономически нецелесообразно. Поэтому организации по большей части анализировали только репрезентативную часть своих данных. Новые технологии позволяют анализировать историческую и актуальную информацию о всей клиентской базе за разумные капиталовложения. В результате не приблизительные оценки, а точный анализ и детальная информация о каждом клиенте ложатся в основу управленческих решений и маркетинговых шагов, делая их по-настоящему "умными".
Всеобщая консолидация
"С большими данными вы можете по-настоящему узнать своего клиента, а не мучиться догадками", - говорит Пол Зондереггер (Paul Sonderegger), стратег по большим данным в Oracle. Он убежден, что руководители компаний теперь могут использовать большие данные для принятия "умных" решений о потребностях своих клиентов: "Используя растущий объем данных и новые эффективные и доступные по цене мощности для вычислений и хранения данных, вы можете сократить время и стоимость поиска ответов на вопросы, которые только что возникли перед вами, даже если они требуют анализа очень больших объемов данных".
Крупные компании часто имеют порядка тысячи приложений, каждое из которых опирается на базу данных. "Многие из наших клиентов ощутили огромные преимущества консолидации различных баз данных на мощностях Oracle Exadata В итоге при использовании Oracle Database 12c эти базы данных могут работать внутри единого контейнера, что позволяет им использовать общие вычислительные мощности и память. В результате многократно растет производительность и экономическая эффективность таких архитектур", - рассказывает Зондереггер.
Big Data
"Большие данные - это вовсе не волшебство. Физические сервера или несколько серверов, работающих вместе, должны перемалывать ваши данные. По мере того как объем данных экспоненциально растет, цены на оборудование для хранения, обработки и передачи информации становятся все более экономически эффективными. Один из способов, который позволяет нам достигать этого экономического эффекта - это разработка оборудования и программного обеспечения таким образом, чтобы они усиливали возможности друг друга, как мы видим это на примере программно-аппаратного комплекса Oracle Exadata", - продолжает Зондеррегер.
Например, Oracle разработал алгоритмы кэширвоания, которые задействуют определенные конфигурации оборудования. Эти алгоритмы позволяют "держать под рукой" данные, которые часто используются или которые анализировались совсем недавно. Информация, не востребованная в течение последнего времени, может быть перемещена для хранения на диске. Алгоритмы сами осуществляют это управление данными.
Новая песня для старых данных
Допустим, вы инженер, который хочет проанализировать данные с сенсоров во время испытательного полета нового самолета. Новые данные поступают в нереляционную базу данных, но вы хотите сравнить их с информацией о прошлом испытании самолета, которые хранятся в реляционном хранилище данных. Выполнить такую задачу можно при помощи Oracle Big Data SQL, рассказывает Зондереггер. Это решение умеет выполнять один единый запрос к данным, хранящимся в разных системах.
Зондеррегер настоятельно рекомендует руководителям создавать внутри компаний команды для поиска новых применений имеющихся данных. Размещение баз данных в облаке позволяет сотрудникам компаний экспериментировать с данными, строить новые алгоритмы, "играть" с данными, быстро копировать продуктивные среды, не неся дополнительных затрат. "Это здорово, когда аналитики данных имеют возможность искать новые сферы применения данных! Они еще не знают, подтвердятся ли гипотезы. Но есть только один способ это узнать - экспериментировать", - уверен эксперт Oracle.
Например, оптимизируя управление складами, компания собрала данные о том, на каких полках хранятся товары и как часто приходится их перемещать. Эти данные можно впоследствии применить не только для целей, в которых они собирались изначально. Например, теперь можно улучшить взаимоотношения с поставщиком, покупая большие партии, но с меньшей периодичностью.
Сложность состоит в том, что изначально данные не были предназначены, чтобы ответить на вопрос, как изменить график поставок. "Именно здесь можно ощутить всю силу кластеров Hadoop, способных создавать новые комбинации данных из уже собранной информации для использования в новых целях", - говорит Зондереггер.
По мнению эксперта, для построения успешной архитектуры больших данных важно обладать стратегическим видением развития всех ИТ в комплексе. Тогда новый взгляд на анализ всей имеющейся информации может лечь в основу "умных" решений.