虽然大多数大数据都面向社交媒体和流分析，但传统的 EDW 也可以最好地利用大数据的力量。大数据的概念并不新鲜，银行使用大型计算机进行此操作已经有一段时间了。现在人们谈论得如此之多的原因是，廉价而海量的计算能力，甚至更便宜的内存第一次将大型机大小的能力交给了每个组织，而此时组织一直在努力证明投资回报率的合理性。处理如此指数级的数据量。 虽然大多数大数据都面向社交媒体和流分析，但传统的 EDW 也可以最好地利用大数据的力量。大数据的概念并不新鲜，银行使用大型计算机进行此操作已经有一段时间了。现在人们谈论得如此之多的原因是，廉价而海量的计算能力，甚至更便宜的内存第一次将大型机大小的能力交给了每个组织，而此时组织一直在努力证明投资回报率的合理性。处理如此指数级的数据量。
BI 成本商业智能 更多阅读
预测分析和 POS 使用 预测分析正在提高 POS 营销的投资回报率 实时分析如何帮助评估免费电话支持的投资回报率 衡量社交媒体投资回报率：利用数据提升结果 人工智能让每个人都成为自己的品牌专家 如何证明内容营销可以产生投资回报率？ 大数据不是性能引擎。即它不是可以更快地运行查询的 哥斯达黎加手机号码列表 传统数据库。它也不会取代传统的报告策略。它能做的是，它可以更快、更便宜地批量处理数百万条非结构化和结构化记录。大数据分析还可以将所有分析合并到一个平台中。直接结果是，数据分析变得更加准确、全面、可靠，并专注于特定的业务能力/优势。 在投资购买商品硬件并请顾问挥舞大数据魔杖之前，公司应该进行大量的反省，因为一旦启动，它很可能会占用组织的大部分注意力。要确定您在大数据频谱中的位置，重要的是要查看 4V——数据的数量、速度、多样性和可变性，如下方信息图所示。
大数据大数据商业智能 大数据
大数据商业分析商业智能 要问的一个关键问题是，您的源头是否有足够的数据量来证明使用大数据处理（平均数据集> 300GB）的合理性。如果不这样做，您应该考虑投资构建传统的企业数据仓库并微调您的报告指标。如果是，您应该继续讨论下一个问题：您希望如何处理这些数据量。 大型企业广泛接受 DJ 美国 的大数据处理关键技术之一是 Hadoop。虽然这项技术提供了处理能力，但仍然需要内部开发理解这些数据的算法。最常见的应用是支持传统 ETL（提取、转换、加载）中的“转换”，其中数据采用多种非结构化、半结构化和结构化格式，并加载到 TB 级分析数据集市中，其中预测建模者和其他数据科学家可以发挥他们的魔力。 Hadoop 和传统的 EDW 技术可以在同一生态系统中共存，如下所示。每个都有自己的优势，当结合起来时，可以为您的分析需求提供有效的组合，我们在少数大公司中看到过这一点。 基于关系、列式和其他存储、操作和管理数据方法构建的传统 EDW 将继续存在。
kumer999 
