Big data har fått mycket uppmärksamhet under de senaste åren inte minst från stora företag och forum. Det ör en term som utgår från stora datamängder som både kan vara strukturerad eller ostrukturerad.
Det finns vissa saker som är så stora att de får konsekvenser för alla, vare sig vi vill eller inte. Big Data är en av dessa begrepp, och det förändrar sättet vi gör affärer och påverkar de flesta andra delar av våra liv. Big Data i sig är inte det unika – att hantera stora mängder data är inte intressant om man inte drar rätt slutsatser av datamängderna.
Definitionen på Bigdata
Big data utgörs av digitalt lagrad information av sådan storlek (vanligen terabyte och petabyte), att det är svårt att bearbeta den med traditionella databasmetoder. Big datainnefattar tekniker för very large databases (VLDB), datalager (data warehouse) och informationsutvinning (data mining).
Big Data är en term som beskriver extremt stora datamängder som kan analyseras för att avslöja mönster, trender och samband, särskilt i samband med mänskligt beteende och interaktioner. Denna typ av data är så omfattande att traditionella databehandlingsprogram inte klarar av att hantera den effektivt.
Big Data karaktäriseras ofta av de tre V:na:
- Volym: Den enorma mängden data som genereras varje sekund.
- Variation: Olika typer av data, från strukturerad till ostrukturerad data.
- Velocity (hastighet): Hastigheten med vilken data genereras, samlas in och bearbetas.
De stora företagen jobbar med tekniken
Stora företag som Google, GE, Wallmart, Facebook och Amazon plöjer ner enorma pengar i studier som involverar hur molntjänster, Internet of things och bigdata förändrar branscher. Dessutom är de stora konsultbolagen Accenture, McKinsey, PwC, SAS och IBM där och pitchar sina big-data lösningar.
There are two types of companies when it comes to big data: those who don’t want anything to do with it (because they think it’s for somebody else) and those who desperately want to implement, but don’t know where to start.
Bernard Marr ”7 attitutes that kill bigdata projects” i tidningen Forbes
Bigdata och marknadsföring
Som marknadsförare har du tillgång till stora datamängder inte minst från Google och Facebook och när man kopplar samman data så upptäcker man nya mönster. Den grundläggande idén bakom frasen ”Big Data” är att allt vi gör lämnar digitala spår, som vi kan använda och analysera. Big Data hänvisar därför till att uppgifter samlas in och vår förmåga att utnyttja den.
Bigdata analytics
Big data har många användingsområden inte minst inom marknadsföring där man analyserar kundbeteenden, churn (bortfall av kunder) och köpbeteenden. Genom att analysera olika kundgrupper kan man dra slutsatser och det finns stora potentialer att förbättra lönsamheten hos många företag.
Med hjälp av stora data, kan återförsäljare förutse vilka lanserade produkter som kommer att lyckas med sin försäljning, telekomföretag kan förutsäga när det är störst sannolikhet att en kund byter operatör. Att förutspå kundbeteenden över tiden ger värdefull information och man ser på customer-life-cycle och beteenden vad som händer när kundgrupper blir äldre, får barn, byter jobb, flyttar, investerar och går i pension.
Verktyg för Big Data
När det gäller verktyg för hantering av Big Data finns det en mängd olika programvaror och plattformar som används för att lagra, bearbeta och analysera dessa stora datamängder. Några av de mest populära inkluderar:
Hadoop
Ett open-source ramverk som tillåter distribuerad lagring och bearbetning av stora datamängder. Hadoop är känt för sin skalbarhet och används ofta tillsammans med andra verktyg som Hive och Pig för datalagring och -analys.
Apache Spark
En annan open-source motor för stora data som erbjuder snabb bearbetning av stora datamängder och är särskilt användbar för maskininlärning och realtidsdataanalys.
NoSQL Databaser
Dessa databaser (som MongoDB och Cassandra) är utformade för att hantera en stor variation av datatyper och är bättre lämpade för ostrukturerad data jämfört med traditionella, relationsbaserade databaser.
Cloud Storage Solutions
Molnlagringstjänster som Amazon S3, Google Cloud Storage och Microsoft Azure erbjuder flexibla och skalbara lösningar för lagring av Big Data.
Power BI
Power BI, utvecklad av Microsoft, är ett verktyg för affärsanalys som erbjuder omfattande datavisualiserings- och rapporteringsfunktioner. Det är speciellt kraftfullt för att:
Integrera med olika datakällor: Power BI kan ansluta till ett brett utbud av datakällor, inklusive molntjänster, lokala databaser, Excel och många andra.
Skapa interaktiva rapporter: Användare kan skapa detaljerade och interaktiva rapporter och dashboards som är lätta att dela och förstå.
Dataanalys: Med verktyg som DAX (Data Analysis Expressions) kan användare utföra avancerad analys direkt inom Power BI.
Looker Studio (Google Data Studio)
Looker Studio, som nu är en del av Google Cloud, erbjuder användarvänliga datavisualiseringsverktyg. Dess huvudsakliga fördelar inkluderar:
Lättanvända visualiseringsverktyg: Looker Studio gör det enkelt att skapa visuellt tilltalande och informativa rapporter och dashboards.
Integration med Googles produkter: Det integreras smidigt med andra Google-produkter som Google Analytics, Google Sheets och Google Ads, vilket gör det till ett utmärkt val för marknadsföringsanalys.
Programmeringsspråk för Big Data
När det gäller programmeringsspråk för att arbeta med Big Data, finns det några som är vanliga:
Python
Detta språk är särskilt populärt inom Big Data på grund av dess enkelhet och mångsidighet. Med bibliotek som Pandas, NumPy och Scikit-learn är Python idealiskt för dataanalys och maskininlärning.
Java
Java är ett av de mest använda programmeringsspråken för Big Data, tack vare dess prestanda och pålitlighet. Många Big Data-verktyg, inklusive Hadoop, är skrivna i Java.
Scala
Används ofta används tillsammans med Apache Spark. Scala erbjuder fördelarna med funktionell programmering och är känd för att hantera stora datamängder effektivt.
R
R är ett språk som är speciellt utvecklat för statistik och datavisualisering och är mycket populärt inom dataanalys och biostatistik.
Bigdata och sport
Bigdata kan förändra sportbranschen och det har varit filmer som Moneyball som fått stor publicitet där man analyserat spelares beteenden.
Artikel: Big data the winning formula in sports
Bigdata inom hälsovården
Ett område som har enorm potential är inom sjukvård och hälsovård. Genom att analysera data och nyckeltal som dödstal, biverkningar, behandlingsoptimering, hälsotal och sjuktal på en högre nivå finns enorma möjligheter att förbättra vården. Med tilläggsuppgifter om patienten och hans eller hennes omgivning kan hen få bättre prognoser och hjälp. Förutsägelser och prognoser kan hjälpa till att identifiera områden där det finns möjlighet att förbättra både kvalitet och effektivitet i vården.
Läs mer i artikel från Harvard Business Review
Risker med bigdata
I brådskan att använda rätt teknik och anställa ett team av datorkunniga har företagsledare ofta missat att bygga upp organisationernas förståelse för hur man använder avancerad analys för kritisk beslutsfattande. Vi räknar med att vi kommer att många företag behöver en strategi som fokuserar på att upprätta den organisatoriska kompetensen hur man använder analysverktygen och olika KPI:er innan man gör stora teknikinköp, marknadsföringssatsningar eller rekryteringar.
IT-säkerhetsgurun och kryptospecialisten Bruce Schneier pratar på Google om hans nya bok ”Data and Goliath – the hidden Battles to Collect Data and Control Your World” som handlar om big data och vad det innebär och hur det kan användas.
