- 컴퓨터는 확장자에 따라 파일 형식을 정확하게 결정합니다.
- 에 의해 윈도우 기본값파일 이름 확장자를 표시하지 않습니다.
- 파일명 및 확장자에 일부 문자는 사용할 수 없습니다.
- 모든 형식이 동일한 프로그램과 관련된 것은 아닙니다.
- 아래는 BIG 파일을 열 수 있는 모든 프로그램입니다.
XnView - 예쁜 강력한 프로그램, 이미지 작업을 위한 많은 기능을 결합합니다. 파일의 간단한 보기, 변환 및 사소한 처리일 수 있습니다. 거의 모든 시스템에서 사용할 수 있는 크로스 플랫폼입니다. 이 프로그램은 또한 약 400개를 지원한다는 점에서 독특합니다. 다양한 형식가장 많이 사용되고 널리 사용되는 이미지와 비표준 형식이 있습니다. XnView는 이미지를 일괄 변환할 수 있습니다. 사실, 50가지 형식으로만 변환할 수 있지만 이 50가지 형식 중 널리 사용되는 확장이 모두 있습니다.
XnConvert는 사진과 이미지를 변환하고 사전 처리하는 데 유용한 유틸리티입니다. 400개 이상의 형식에서 작동합니다. 모든 인기 있는 그래픽 형식을 지원합니다. 간단한 XnConvert 도구를 사용하여 밝기, 감마 및 대비를 조정할 수 있습니다. 응용 프로그램에서 사진 크기를 조정하고 필터 및 여러 인기 있는 효과를 적용할 수 있습니다. 사용자는 워터마크 및 수정을 추가할 수 있습니다. 응용 프로그램을 사용하여 메타 데이터를 제거하고 파일을 자르고 회전할 수 있습니다. XnConvert는 사용자가 모든 것을 볼 수 있는 로그를 유지합니다. 자세한 정보그의 최근 이미지 조작에 대해.
연구 및 동향에 따르면
빅 데이터, "빅 데이터"는 이제 몇 년 동안 IT 및 마케팅 언론의 화두가 되었습니다. 디지털 기술이 현대인의 삶에 침투해 있다는 것은 분명합니다. "모든 것이 기록되어 있습니다." 가장 많은 데이터의 양 다른 측면의 수명이 증가하는 동시에 정보를 저장할 수 있는 가능성이 증가하고 있습니다.
정보 저장을 위한 글로벌 기술
출처: Hilbert 및 Lopez, `정보를 저장, 통신 및 계산하는 세계의 기술적 능력`, Science, 2011 Global.
대부분의 전문가들은 데이터 증가를 가속화하는 것이 객관적인 현실이라는 데 동의합니다. 소셜 네트워크, 모바일 장치, 측정 장치의 데이터, 비즈니스 정보 - 이들은 엄청난 양의 정보를 생성할 수 있는 몇 가지 유형의 소스에 불과합니다. 조사에 따르면 IDC디지털 유니버스, 2012년에 발표된 , 앞으로 8년 동안 전 세계의 데이터 양은 40Zb(제타바이트)에 이를 것이며, 이는 지구 인구 1인당 5200GB에 해당합니다.
수집의 성장 디지털 정보미국에서
출처: IDC
정보의 상당 부분은 사람이 생성하는 것이 아니라 로봇이 서로 상호 작용하고 다른 데이터 네트워크(예: 센서 및 스마트 장치)와 상호 작용하여 생성됩니다. 연구원들에 따르면 이러한 성장률로 전 세계의 데이터 양이 매년 두 배로 증가할 것이라고 합니다. 새로운 데이터 센터의 확장 및 생성으로 인해 전 세계의 가상 및 물리적 서버의 수는 10배 증가할 것입니다. 결과적으로 수요가 증가하고 있습니다. 효율적인 사용이 데이터의 수익화. 빅데이터를 비즈니스에 활용하려면 상당한 투자가 필요하기 때문에 상황에 대한 명확한 이해가 필요하다. 그리고 본질적으로 간단합니다. 비용을 줄이거나 매출을 늘려 비즈니스 효율성을 높일 수 있습니다.
빅 데이터는 무엇을 위한 것입니까?
빅 데이터 패러다임은 세 가지 주요 유형의 작업을 정의합니다.
- 기존의 관계형 데이터베이스가 효율적으로 사용할 수 없는 수백 테라바이트 또는 페타바이트의 데이터를 저장하고 관리합니다.
- 텍스트, 이미지, 비디오 및 기타 유형의 데이터로 구성된 비정형 정보의 구성.
- 비정형 정보로 작업하는 방법, 분석 보고서 생성 및 예측 모델 구현에 대한 질문을 제기하는 빅 데이터 분석.
빅데이터 프로젝트 시장은 2012년 전문가들에 따르면 전 세계적으로 약 1000억 달러 규모인 비즈니스 인텔리전스(BA) 시장과 교차한다. 여기에는 네트워크 기술, 서버, 소프트웨어및 기술 서비스.
또한 빅 데이터 기술의 사용은 기업의 활동을 자동화하도록 설계된 소득 보장(RA) 클래스 솔루션과 관련이 있습니다. 현대 시스템수익 보장 도구에는 불일치 탐지 및 탐지를 위한 데이터 마이닝 도구가 포함됩니다. 가능한 손실또는 재무 결과의 감소로 이어질 수 있는 정보의 허위 진술. 이 배경에 러시아 기업, 국내 시장의 빅 데이터 기술에 대한 수요를 확인하면서 러시아의 빅 데이터 발전을 자극하는 요인은 데이터의 성장, 경영 의사 결정의 가속화 및 품질 향상이라는 점에 유의하십시오.
빅 데이터 작업을 방해하는 요소
오늘날 빅데이터 급의 분석 솔루션을 사용하여 해결할 수 있는 산업 전반의 과제가 객관적으로 있음에도 불구하고 축적된 디지털 데이터의 0.5%만 분석됩니다. 선진 IT 시장은 이미 빅 데이터의 축적 및 처리와 관련된 기대치를 평가하는 데 사용할 수 있는 결과를 가지고 있습니다.
높은 비용 외에도 빅 데이터 프로젝트의 구현을 느리게 하는 주요 요인 중 하나는 다음과 같습니다. 처리할 데이터를 선택하는 문제: 즉, 어떤 데이터를 추출, 저장 및 분석해야 하고 어떤 데이터를 고려하지 않아야 하는지에 대한 정의입니다.
많은 비즈니스 담당자는 빅 데이터 프로젝트 구현의 어려움이 마케터 및 분석가와 같은 전문가 부족과 관련이 있다고 말합니다. 빅 데이터에 대한 투자 수익률은 심층 예측 분석에 참여하는 직원의 작업 품질에 직접적으로 의존합니다. 조직에 이미 존재하는 데이터의 엄청난 잠재력은 구식 비즈니스 프로세스나 내부 규정으로 인해 마케팅 담당자가 효과적으로 사용할 수 없는 경우가 많습니다. 따라서 빅 데이터 프로젝트는 구현뿐만 아니라 수집된 데이터의 가치라는 결과를 평가하는 데에도 어려운 것으로 기업에서 인식하는 경우가 많습니다. 데이터 작업의 세부 사항으로 인해 마케터와 분석가는 기술 및 보고에서 특정 비즈니스 문제 해결로 관심을 전환해야 합니다.
많은 양과 부피로 인해 고속데이터 흐름, 수집 프로세스에는 실시간 ETL 절차가 포함됩니다. 참고로:ETL - 에서영어발췌, 변환, 짐- 말 그대로 "추출, 변환, 로딩") - 관리의 주요 프로세스 중 하나 다음을 포함하는 데이터 웨어하우스: 외부 소스에서 데이터 추출, 변환 및 필요에 맞는 청소 ETL은 한 응용 프로그램에서 다른 응용 프로그램으로 데이터를 전송하는 프로세스일 뿐만 아니라 분석을 위해 데이터를 준비하는 도구로 간주되어야 합니다.
그런 다음 외부 소스에서 오는 데이터의 보안을 보장하는 문제에는 수집된 정보의 양에 해당하는 솔루션이 있어야 합니다. 지금까지 빅데이터 분석 방법은 데이터의 양이 증가하고 나서야 발전하고 있기 때문에, 데이터를 준비하고 집계하는 새로운 방법을 사용할 수 있는 분석 플랫폼의 능력이 중요한 역할을 합니다. 이는 예를 들어 잠재적 구매자에 대한 데이터나 온라인 상점 사이트에 대한 클릭 이력이 있는 대규모 데이터 웨어하우스가 다양한 문제를 해결하는 데 흥미로울 수 있음을 시사합니다.
어려움은 멈추지 않는다
빅 데이터 구현의 모든 어려움에도 불구하고 비즈니스는 이 분야에 대한 투자를 늘릴 계획입니다. Gartner 데이터에 따르면 2013년에 세계 최대 기업의 64%가 비즈니스를 위한 빅 데이터 기술 배포에 이미 투자했거나 투자할 계획이 있는 반면, 2012년에는 그러한 기업의 58%가 있었습니다. Gartner 연구에 따르면 빅 데이터에 투자하는 산업의 리더는 미디어 회사, 통신 회사, 은행 부문 및 서비스 회사입니다. 빅 데이터 구현의 성공적인 결과는 RFID 도구, 물류 및 재배치 시스템(영어에서 유래)을 사용하여 얻은 데이터를 사용하는 측면에서 소매 업계의 많은 주요 업체에 의해 이미 달성되었습니다. 채움- 축적, 보충 - R&T) 및 로열티 프로그램에서. 성공적인 소매 경험은 다른 시장 부문이 새로운 부문을 찾도록 자극합니다. 효과적인 방법빅 데이터를 수익화하여 분석을 비즈니스 개발에 사용할 수 있는 리소스로 전환합니다. 이 덕분에 전문가들에 따르면 2020년까지 데이터 1GB당 관리 및 저장에 대한 투자는 2달러에서 0.2달러로 줄어들지만 빅 데이터의 기술적 속성에 대한 연구 및 분석은 40%만 증가할 것이라고 합니다. %.
다양한 방식으로 제시되는 비용 투자 프로젝트빅데이터 분야에서는 다른 성격을 가지고 있습니다. 비용 항목은 다음을 기반으로 선택한 제품 유형에 따라 다릅니다. 특정 결정. 전문가들에 따르면 투자 프로젝트 비용의 가장 큰 부분은 데이터 수집, 구조화, 정리 및 정보 관리와 관련된 제품입니다.
완료 방법
소프트웨어의 많은 조합과 하드웨어, 다양한 비즈니스 분야에 효과적인 빅 데이터 솔루션을 만들 수 있습니다. 소셜 미디어 및 모바일 애플리케이션, 비즈니스 데이터 마이닝 및 시각화. 빅 데이터의 중요한 이점은 비즈니스에서 널리 사용되는 데이터베이스와 새로운 도구의 호환성이며, 이는 다채널 판매 및 고객 지원 구성과 같은 학제 간 프로젝트를 수행할 때 특히 중요합니다.
빅 데이터 작업의 순서는 데이터 수집, 보고서 및 대시보드(대시보드)를 사용하여 수신된 정보 구조화, 통찰력 및 컨텍스트 생성, 조치 권장 사항 공식화로 구성됩니다. 빅데이터로 작업한다는 것은 데이터를 수집하는 데 많은 비용이 들며, 그 처리 결과를 미리 알 수 없기 때문에, 주요 과제는 데이터가 얼마나 가용한가가 아니라 무엇을 위한 것인지 명확하게 이해하는 것입니다. 이 경우 데이터 수집은 특정 문제를 해결하는 데 매우 필요한 정보를 얻는 과정으로 변합니다.
예를 들어 통신 제공업체는 큰 금액지속적으로 업데이트되는 지리적 위치를 포함한 데이터. 이 정보는 소매업체와 은행은 물론 타겟 및 현지화된 광고를 제공하는 데 사용할 수 있는 광고 대행사의 상업적 관심이 될 수 있습니다. 이러한 데이터는 강력한 타겟 유동인구의 존재에 대한 데이터를 기반으로 특정 위치에 소매점을 개설할지 여부를 결정하는 데 중요한 역할을 할 수 있습니다. 런던의 옥외 광고판에 광고 효과를 측정한 사례가 있습니다. 이제 그러한 광고의 범위는 사람들을 배치함으로써 측정할 수 있습니다. 특수 장치, 행인을 계산합니다. 이러한 유형의 광고 효과 측정과 비교할 때, 이동통신사훨씬 더 많은 기회 - 그는 가입자의 위치를 정확히 알고 있으며 인구 통계 학적 특성, 성별, 나이, 결혼 상태, 등.
이러한 데이터를 기반으로 미래에 잠재 고객은 광고판을 지나가는 특정 사람의 선호도를 사용하여 광고 메시지의 내용을 변경할 수 있습니다. 데이터에 지나가는 사람이 많이 여행하는 것으로 표시되면 리조트 광고가 표시될 수 있습니다. 축구 경기의 주최자는 경기에 올 때만 팬 수를 추정할 수 있습니다. 그러나 그들이 교환원에게 물어볼 기회가 있었다면 셀룰러 통신방문자가 경기 1시간, 하루 또는 한 달 전에 있었던 위치에 대한 정보를 통해 주최측은 다음 경기를 광고할 장소를 계획할 수 있습니다.
또 다른 예는 은행이 사기를 방지하기 위해 빅 데이터를 사용하는 방법입니다. 고객이 카드 분실신고를 하고 이를 이용하여 구매할 때 은행은 거래가 발생한 구매지역에서 고객의 휴대폰 위치를 실시간으로 확인하고 은행은 고객의 애플리케이션에서 해당 정보를 확인할 수 있다. , 그가 그를 속이려 했는지 여부. 또는 반대의 상황에서 고객이 상점에서 구매할 때 은행은 거래가 발생한 카드와 고객의 전화가 같은 위치에 있음을 확인하고 은행은 소유자가 카드를 사용하고 있다고 결론을 내릴 수 있습니다. 빅 데이터의 이러한 장점 덕분에 기존 데이터 웨어하우스가 부여한 경계가 확장됩니다.
기업이 빅데이터 솔루션을 성공적으로 구현하기 위해서는 투자 사례를 계산해야 하며, 이는 알려지지 않은 구성 요소가 많아 큰 어려움을 겪습니다. 이러한 경우 분석의 역설은 종종 누락되는 정보를 기반으로 미래를 예측하는 것입니다. 이 경우 중요한 요소는 초기 조치에 대한 명확한 계획입니다.
- 첫째, 빅 데이터 기술이 사용될 하나의 특정 비즈니스 문제를 결정하는 것이 필요하며, 이 작업은 선택한 개념의 정확성을 결정하는 핵심이 될 것입니다. 이 특정 작업과 관련된 데이터 수집에 집중해야 하며, 개념 증명 중에 미래에 더 많은 정보에 입각한 결정을 내릴 수 있도록 하는 다양한 도구, 프로세스 및 관리 방법을 사용할 수 있습니다.
- 둘째, 데이터 분석에 대한 기술과 경험이 없는 회사는 빅데이터 프로젝트를 성공적으로 수행하기 어렵습니다. 필요한 지식항상 이전 분석 경험에서 비롯되며, 이는 데이터 작업 품질에 영향을 미치는 주요 요소입니다. 데이터 사용 문화가 중요한 역할을 합니다. 정보 분석은 종종 비즈니스에 대한 가혹한 진실을 드러내고, 이 진실을 받아들이고 함께 작업하기 위해서는 개발된 데이터 작업 방법이 필요하기 때문입니다.
- 셋째, 빅 데이터 기술의 가치는 통찰력을 제공하는 데 있습니다.훌륭한 분석가는 시장에서 공급이 부족합니다. 데이터의 상업적 의미를 깊이 이해하고 올바르게 적용하는 방법을 알고 있는 전문가라고 합니다. 데이터 분석은 비즈니스 목표를 달성하기 위한 수단이며, 빅데이터의 가치를 이해하기 위해서는 적절한 행동 모델과 행동에 대한 이해가 필요합니다. 이 경우 빅 데이터는 많은 것을 줄 것입니다. 유용한 정보소비자에 대해 유용한 비즈니스 결정을 내릴 수 있습니다.
하지만 러시아 시장빅 데이터는 이제 막 형태를 갖추기 시작했으며 이 분야의 일부 프로젝트는 이미 성공적으로 구현되고 있습니다. 그들 중 일부는 Federal Tax Service 및 Tinkoff Credit Systems를 위한 프로젝트와 같은 데이터 수집 분야에서 성공했으며 다른 일부는 데이터 분석 및 결과의 실제 적용 측면에서 성공했습니다. 이것이 Synqera 프로젝트입니다.
Tinkoff Credit Systems Bank는 대규모 병렬 컴퓨팅을 위한 도구인 EMC2 Greenplum 플랫폼을 구현하는 프로젝트를 구현했습니다. 동안 최근 몇 년은행은 이용자의 높은 증가율로 인해 축적된 정보의 처리 속도와 실시간 데이터 분석에 대한 요구 사항이 높아졌습니다. 신용 카드. AfDB는 특히 비정형 데이터 처리 및 다양한 출처에서 얻은 기업 정보 작업에 빅 데이터 기술의 사용을 확대할 계획이라고 발표했다.
러시아 연방 세금 서비스에서 이 순간연방 데이터 웨어하우스의 분석 계층이 생성되고 있습니다. 이를 기반으로 통계 및 분석 처리를 위해 세금 데이터에 액세스하는 단일 정보 공간과 기술이 만들어지고 있습니다. 프로젝트를 구현하는 동안 연방 세무 서비스의 지역 수준에서 1200개 이상의 소스를 사용하여 분석 정보를 중앙 집중화하는 작업이 수행되고 있습니다.
또 다른 흥미로운 예실시간 빅데이터 분석은 Simplate 플랫폼을 개발한 러시아 스타트업 Synqera입니다. 이 솔루션은 대규모 데이터 배열 처리를 기반으로 하며 프로그램은 고객, 구매 내역, 연령, 성별 및 기분에 대한 정보를 분석합니다. 계산대에서 화장품 매장 네트워크가 설치되었습니다. 터치 스크린고객의 감정을 인식하는 센서로 이 프로그램은 사람의 기분을 결정하고 그에 대한 정보를 분석하며 하루 중 시간을 결정하고 상점의 할인 데이터베이스를 스캔한 후 구매자에게 프로모션 및 프로모션에 대한 대상 메시지를 보냅니다. 특별 제공. 이 솔루션은 고객 충성도를 높이고 소매업체 매출을 높입니다.
외국의 성공 사례를 이야기하자면 그런 면에서 실시간 데이터를 활용해 상품을 판매하는 던킨도너츠에서 빅데이터 기술을 활용한 경험이 흥미롭다. 매장의 디지털 디스플레이는 시간과 제품 가용성에 따라 1분마다 변경되는 제안을 표시합니다. 현금 영수증에 따르면 회사는 구매자로부터 가장 큰 응답을 받은 제안에 대한 데이터를 받습니다. 이 접근법데이터 처리를 통해 창고에서 상품의 수익과 회전율을 높일 수 있습니다.
빅 데이터 프로젝트를 구현한 경험에서 알 수 있듯이 이 영역은 현대 비즈니스 문제를 성공적으로 해결하도록 설계되었습니다. 동시에 빅 데이터로 작업할 때 상업적 목표를 달성하는 데 중요한 요소는 빅 데이터 분야에서 혁신적인 기술의 사용뿐만 아니라 소비자 요구를 식별하는 분석을 포함하는 올바른 전략의 선택입니다.
Econsultancy와 Adobe가 2012년부터 매년 기업 마케터를 대상으로 실시한 글로벌 설문 조사에 따르면 인터넷에서 사람들의 행동을 특징짓는 "빅 데이터"는 많은 것을 할 수 있습니다. 그들은 오프라인 비즈니스 프로세스를 최적화하고, 모바일 장치 소유자가 정보를 검색하기 위해 모바일 장치를 사용하는 방법을 이해하거나 단순히 "마케팅을 개선"할 수 있습니다. 더 효율적입니다. 더구나, 마지막 기능우리가 제공한 차트에서 볼 수 있듯이 매년 점점 더 인기를 얻고 있습니다.
고객 관계 측면에서 인터넷 마케터의 주요 업무 영역
원천: Econsultancy 및 Adobe, 출판emarketer.com
응답자의 국적에 유의하십시오. 매우 중요한이 없습니다. 2013년 KPMG에서 실시한 설문조사에 따르면 "낙관주의자" 즉, 비즈니스 전략을 수립할 때 빅 데이터를 사용하는 사람들의 비율은 56%이고 지역별 변동이 적습니다. 북미 국가의 63%에서 EMEA의 50%입니다.
전 세계 다양한 지역의 빅데이터 활용
원천: KPMG, 출판emarketer.com
한편, 그러한 "패션 트렌드"에 대한 마케터의 태도는 잘 알려진 일화를 다소 연상시킵니다.
말해봐, 바노, 토마토 좋아하니?
- 먹는 것을 좋아하지만 먹지 않습니다.
마케터들이 빅 데이터를 “사랑”하고 심지어 사용하는 것처럼 보이지만 사실 소셜 네트워크에서 진심 어린 애착에 대해 글을 쓸 때 “모든 것이 복잡”합니다.
2014년 1월 Circle Research에서 유럽 마케터를 대상으로 실시한 설문 조사에 따르면 응답자 5명 중 4명은 빅 데이터를 사용하지 않습니다(물론 "좋아하지만"). 이유는 다릅니다. 열렬한 회의론자는 거의 없습니다 - 17% 및 그들의 대척점과 정확히 같은 숫자입니다. 자신있게 "예"라고 대답하는 사람들. 나머지는 주저하고 의심하는 "늪"입니다. 그들은 "아직은 아니지만 곧" 또는 "다른 사람들이 시작하기를 기다릴 것입니다"와 같은 그럴듯한 핑계로 직접적인 대답을 피합니다.
마케터의 빅 데이터 사용, 유럽, 2014년 1월
원천:dnx, 출판 -이마케터.com
무엇이 그들을 혼란스럽게 합니까? 말도 안되는 소리. 일부(정확히 절반)는 이 데이터를 믿지 않습니다. 다른 사람들(55%)은 "데이터"와 "사용자" 집합을 서로 연관시키는 것이 어렵다고 생각합니다. 누군가(정치적으로 옳게 말하자)는 회사 내부에 엉망이 되어 있습니다. 데이터는 소유자 없이 마케팅 부서와 IT 구조 사이를 오가고 있습니다. 다른 사람들에게는 소프트웨어가 작업 유입에 대처할 수 없습니다. 등등. 전체 지분이 100%를 훨씬 상회하기 때문에 "다중 장벽"의 상황이 드문 일이 아님은 분명합니다.
마케팅에서 빅 데이터 사용을 가로막는 장벽
원천:dnx, 출판 -이마케터.com
따라서 우리는 지금까지 "빅 데이터"가 여전히 사용해야 하는 큰 잠재력임을 말해야 합니다. 그건 그렇고, 우리가 이미 언급한 Econsultancy 회사에서 실시한 설문 조사 데이터에서 알 수 있듯이 이것이 빅 데이터가 "패션 트렌드" 후광을 잃는 이유일 수 있습니다.
2013-2014년 디지털 마케팅의 가장 중요한 트렌드
원천: 컨설팅 및 어도비
그들은 또 다른 왕 - 콘텐츠 마케팅으로 대체되고 있습니다. 얼마나 오래?
빅데이터는 근본적으로 새로운 현상이라고 할 수 없습니다. 빅 데이터 소스는 고객 구매, 신용 기록, 라이프스타일 데이터베이스와 같은 수년간 존재해 왔습니다. 그리고 수년 동안 과학자들은 이 데이터를 사용하여 기업이 위험을 평가하고 미래의 고객 요구를 예측하는 데 도움을 주었습니다. 그러나 오늘날 상황은 두 가지 측면에서 바뀌었습니다.
다양한 데이터 세트를 분석하고 결합하기 위해 보다 정교한 도구와 방법이 등장했습니다.
이러한 분석 도구는 거의 모든 데이터 수집 및 측정 방법의 디지털화로 인해 발생하는 새로운 데이터 소스로 보완됩니다.
이용 가능한 정보의 범위는 구조화된 연구 환경에서 자란 연구자에게 영감을 주기도 하고 위협하기도 합니다. 소비자 감정은 웹사이트와 모든 종류의 소셜 미디어에 의해 포착됩니다. 광고를 본 사실이 기록될 뿐만 아니라 셋톱박스, 뿐만 아니라 디지털 태그 및 모바일 기기 TV와 통신.
행동 데이터(예: 통화 수, 쇼핑 습관 및 구매)가 이제 실시간으로 제공됩니다. 따라서 이전에는 연구를 통해 학습할 수 있었던 대부분이 이제는 빅 데이터 소스를 통해 학습할 수 있습니다. 그리고 이러한 모든 정보 자산은 연구 프로세스에 관계없이 지속적으로 생성됩니다. 이러한 변화로 인해 빅 데이터가 기존 시장 조사를 대체할 수 있는지 궁금합니다.
데이터에 관한 것이 아니라 질문과 답변에 관한 것입니다
고전 연구를 위한 죽음의 신호를 주문하기 전에 우리는 데이터 자산의 존재 여부가 아니라 결정적인 다른 무엇인가가 존재한다는 사실을 스스로에게 상기시켜야 합니다. 정확히 무엇? 질문에 답하는 우리의 능력이 바로 그것입니다. 빅 데이터의 새로운 세계에 대한 재미있는 점은 새로운 데이터 자산의 결과가 더 많은 질문을 낳고 이러한 질문에 대한 답변은 전통적인 연구를 통해 가장 잘 답하는 경향이 있다는 것입니다. 따라서 빅 데이터가 성장함에 따라 빅 데이터 세계의 질문에 대한 답을 제공할 수 있는 "스몰 데이터"에 대한 가용성과 수요가 동시에 증가하는 것을 봅니다.
한 대형 광고주가 매장의 트래픽과 판매량을 실시간으로 지속적으로 모니터링하는 상황을 고려해 보겠습니다. 기존 연구 방법론(연구 패널 참가자에게 판매 시점에서의 구매 동기 및 행동에 대해 질문)은 특정 고객 세그먼트를 더 잘 타겟팅하는 데 도움이 됩니다. 이러한 방법론은 빅 데이터가 수동적인 관찰 도구가 되고 연구해야 할 변화나 사건에 대한 지속적이고 협소한 조사 방법을 연구하는 지점까지 더 넓은 범위의 빅 데이터 자산을 포함하도록 확장될 수 있습니다. 이것이 빅 데이터가 불필요한 일상에서 연구를 자유롭게 할 수 있는 방법입니다. 1차 연구는 더 이상 무슨 일이 일어나고 있는지에 초점을 맞추어서는 안 됩니다(빅 데이터가 그럴 것입니다). 대신 1차 연구는 특정 경향이나 경향에서 벗어난 이유를 설명하는 데 집중할 수 있습니다. 연구원은 데이터를 얻는 것에 대해 덜 생각하고 그것을 분석하고 사용하는 방법에 대해 더 많이 생각할 수 있습니다.
동시에 우리는 빅 데이터가 우리의 가장 큰 문제 중 하나인 지나치게 긴 연구의 문제를 해결하고 있음을 알고 있습니다. 연구 자체를 조사한 결과 지나치게 부풀려진 연구 도구가 데이터 품질에 부정적인 영향을 미치는 것으로 나타났습니다. 많은 전문가들이 오랫동안 이 문제를 인정했지만 “하지만 고위 경영진에게 이 정보가 필요합니다”라는 문구로 한결같이 대답했고 긴 인터뷰가 계속되었습니다.
빅데이터의 세계에서, 정량적 지표수동적 관찰을 통해 얻을 수 있다면 이 문제는 무의미해진다. 다시, 이 모든 소비 연구를 다시 생각해 봅시다. 빅데이터가 수동적 관찰을 통해 소비에 대한 통찰력을 준다면 설문조사 형식의 1차 연구는 더 이상 이런 종류의 정보를 수집할 필요가 없으며 마침내 짧은 설문조사의 비전을 좋은 희망뿐만 아니라 뭔가 진짜.
빅 데이터는 당신의 도움이 필요합니다
마지막으로 "빅"은 빅 데이터의 특성 중 하나일 뿐입니다. "큰" 특성은 데이터의 크기와 규모를 나타냅니다. 물론 이 데이터의 양이 이전에 작업한 모든 것의 범위를 넘어서기 때문에 이것이 주요 특징입니다. 그러나 이러한 새로운 데이터 스트림의 다른 특성도 중요합니다. 형식이 잘못 지정되고 구조화되지 않고(또는 기껏해야 부분적으로 구조화됨) 불확실성이 가득합니다. 적절하게 "엔티티 분석"으로 명명된 데이터 관리의 새로운 분야는 빅 데이터의 노이즈를 극복하는 문제를 해결하는 것을 목표로 합니다. 그 임무는 이러한 데이터 세트를 분석하고 동일한 사람에 대한 관찰이 몇 개인지, 어떤 관찰이 최신인지, 어떤 것이 사용 가능한지 알아내는 것입니다.
이러한 종류의 데이터 정리는 크거나 작은 데이터 자산으로 작업할 때 노이즈나 잘못된 데이터를 제거하는 데 필요하지만 충분하지 않습니다. 또한 이전 경험, 분석 및 범주 지식을 기반으로 빅 데이터 자산에 대한 컨텍스트를 만들어야 합니다. 실제로 많은 분석가들은 빅 데이터에 내재된 불확실성을 관리하는 능력이 더 나은 의사 결정을 가능하게 하므로 경쟁 우위의 원천으로 지적합니다.
빅데이터 덕분에 1차 연구가 일상에서 해방될 뿐만 아니라 빅데이터 내에서 콘텐츠 생성 및 분석에 기여하는 곳이기도 하다.
이것의 대표적인 예는 우리의 새로운 브랜드 자산 프레임워크를 소셜 미디어에 적용하는 것입니다. (우리는 에서 개발된 것에 대해 이야기하고 있습니다.밀워드 갈색브랜드 가치를 측정하는 새로운 접근 방식그만큼 의미있게 다른 뼈대- "중요한 차이의 패러다임"-아르 자형 & 티 ). 이 모델은 특정 시장 내에서 행동 테스트를 거쳐 표준 기반으로 구현되며 다른 마케팅 분야 및 의사 결정 지원 정보 시스템에 쉽게 적용할 수 있습니다. 다시 말해 (배타적이지는 않지만) 설문 조사를 기반으로 한 우리의 브랜드 자산 모델은 빅 데이터의 구조화되지 않고 일관성이 없으며 불확실한 특성을 극복하는 데 필요한 모든 속성을 가지고 있습니다.
소셜 미디어에서 제공하는 소비자 감정 데이터를 고려하십시오. 원시 형태에서 소비자 감정의 최고점과 최저점은 브랜드 자산 및 행동의 오프라인 측정과 거의 상관 관계가 없는 경우가 많습니다. 데이터에 너무 많은 노이즈가 있습니다. 그러나 소비자 의미, 브랜드 차별화, 역학 및 정체성 모델을 원시 소비자 감정 데이터에 적용하여 이러한 소음을 줄일 수 있습니다. 이는 이러한 차원을 따라 소셜 미디어 데이터를 처리하고 집계하는 방법입니다.
데이터가 프레임워크 모델에 따라 구성되면 식별된 추세는 일반적으로 오프라인에서 얻은 브랜드 자산 및 행동 측정과 일치합니다. 사실, 소셜 미디어 데이터는 그 자체로 말할 수 없습니다. 이러한 목적으로 사용하려면 브랜드를 중심으로 구축된 경험과 모델이 필요합니다. 소셜 미디어가 소비자가 브랜드를 설명하는 데 사용하는 언어로 표현된 고유한 정보를 제공할 때 1차 조사를 훨씬 더 효과적으로 만들기 위해 조사를 생성할 때 해당 언어를 사용해야 합니다.
면제 연구의 이점
이것은 빅 데이터가 연구를 대체하는 것이 아니라 연구를 자유롭게 해준다는 사실을 다시 상기시킵니다. 연구자들은 각각의 새로운 사례에 대해 새로운 연구를 생성해야 하는 부담을 덜게 될 것입니다. 계속해서 증가하는 빅 데이터 자산은 다양한 연구 주제에 사용될 수 있으므로 후속 1차 연구가 주제에 대해 더 깊이 파고들고 격차를 채울 수 있습니다. 연구자들은 지나치게 부풀려진 설문조사에 의존하지 않아도 됩니다. 대신에 짧은 설문조사를 사용하고 가장 중요한 부분에 집중할 수 있습니다. 중요한 매개변수데이터의 품질을 향상시킵니다.
이번 릴리스를 통해 연구원들은 확립된 원칙과 통찰력을 사용하여 빅 데이터 자산에 정확성과 의미를 추가하여 설문 조사 연구를 위한 새로운 영역으로 이어질 수 있습니다. 이 주기는 다양한 전략적 문제에 대한 이해를 높이고 궁극적으로 항상 우리의 것이 되어야 하는 방향으로 나아가도록 이끌어야 합니다. 주요 목표- 브랜드 및 커뮤니케이션 결정의 품질을 알리고 개선합니다.
게으른 사람만이 빅 데이터에 대해 이야기하지 않지만 빅 데이터가 무엇이며 어떻게 작동하는지 거의 이해하지 못합니다. 가장 간단한 용어부터 시작하겠습니다. 러시아어로 말하면 빅 데이터는 특정 작업과 목적에 사용하기 위해 정형 및 비정형 데이터를 모두 처리하는 다양한 도구, 접근 방식 및 방법입니다.
비정형 데이터는 미리 정해진 구조가 없거나 특정 순서로 구성되지 않은 정보입니다.
"빅 데이터"라는 용어는 2008년 Nature의 편집자인 Clifford Lynch가 세계 정보량의 폭발적인 성장에 관한 특별호에서 처음 사용했습니다. 물론 빅 데이터 자체는 이전에도 존재했지만. 전문가들에 따르면 하루에 100GB가 넘는 데이터 흐름의 대부분은 빅 데이터 범주에 속합니다.
또한 읽기:
오늘날 이 간단한 용어는 데이터 저장과 처리라는 두 단어만 숨깁니다.
빅 데이터 - 간단히 말해서
에 현대 세계빅데이터는 새로운 기술의 출현과 관련된 사회경제적 현상이다. 기술적 능력엄청난 양의 데이터를 분석합니다.
또한 읽기:
이해의 편의를 위해 모든 상품이 익숙한 순서가 아닌 슈퍼마켓을 상상해 보십시오. 과일 옆에 빵, 냉동 피자 옆에 토마토 페이스트, 아보카도, 두부 또는 표고버섯 등이 들어 있는 탐폰 랙 옆에 가벼운 액체. 빅 데이터는 모든 것을 제자리에 놓고 견과류 우유를 찾고, 비용과 유통 기한을 알아내고, 당신 외에 누가 그런 우유를 구입하는지, 우유가 우유보다 얼마나 좋은지 알 수 있도록 도와줍니다.
Kenneth Cookier: 빅 데이터는 더 나은 데이터입니다.
빅 데이터 기술
엄청난 양의 데이터가 처리되어 개인이 더 효과적인 적용을 위해 구체적이고 필요한 결과를 얻을 수 있습니다.
또한 읽기:
실제로 빅 데이터는 문제 해결사이자 기존 데이터 관리 시스템의 대안입니다.
McKinsey에 따르면 빅 데이터에 적용 가능한 분석 기법 및 방법:
- 데이터 수집;
- 크라우드소싱;
- 혼합 및 데이터 통합
- 기계 학습;
- 인공 신경망;
- 패턴 인식;
- 예측 분석;
- 시뮬레이션 모델링;
- 공간 분석;
- 통계 분석;
- 분석 데이터의 시각화.
데이터 처리를 가능하게 하는 수평적 확장성 - 기초 원리빅 데이터 처리. 데이터는 컴퓨팅 노드에 분산되고 성능 저하 없이 처리가 발생합니다. McKinsey는 또한 적용 가능성의 맥락에서 관계형 관리 시스템과 비즈니스 인텔리전스를 포함했습니다.
기술:
- NoSQL;
- 맵리듀스;
- 하둡;
- 하드웨어 솔루션.
또한 읽기:
빅 데이터의 경우 2001년에 Meta Group이 개발한 전통적인 정의 특성이 있습니다. 쓰리 V»:
- 용량- 물리적 볼륨의 값.
- 속도- 성장률 및 결과를 얻기 위한 빠른 데이터 처리의 필요성.
- 다양성- 동시 처리 능력 다른 유형데이터.
빅 데이터: 응용 및 기회
이질적이고 빠르게 들어오는 디지털 정보의 양은 기존 도구로 처리할 수 없습니다. 데이터 자체를 분석하면 사람이 볼 수 없는 특정하고 감지할 수 없는 패턴을 볼 수 있습니다. 이를 통해 우리는 공공 행정에서 제조 및 통신에 이르기까지 우리 삶의 모든 영역을 최적화할 수 있습니다.
예를 들어, 몇 년 전에 일부 회사는 사기로부터 고객을 보호했으며 고객의 돈을 돌보는 것은 자신의 돈을 돌보는 것입니다.
Susan Atliger: 빅 데이터는 어떻습니까?
빅 데이터 기반 솔루션: Sberbank, Beeline 및 기타 회사
Beeline은 가입자에 대한 방대한 양의 데이터를 보유하고 있으며, 가입자와 협력할 뿐만 아니라 외부 컨설팅 또는 IPTV 분석과 같은 분석 제품을 만드는 데도 사용합니다. Beeline은 스토리지에 HDFS 및 Apache Spark를 사용하고 데이터 처리에 Rapidminer 및 Python을 사용하여 데이터베이스를 세분화하고 금전 사기 및 바이러스로부터 고객을 보호했습니다.
또한 읽기:
또는 AS SAFI라는 오래된 케이스로 Sberbank를 기억하십시오. 사진을 분석하여 은행 고객을 식별하고 사기를 방지하는 시스템입니다. 이 시스템은 2014년에 도입되었으며, 이 시스템은 컴퓨터 비전 덕분에 랙에 있는 웹캠에서 가져온 데이터베이스의 사진을 비교하는 것을 기반으로 합니다. 시스템의 기본은 생체 인식 플랫폼입니다. 덕분에 사기 건수도 10배나 줄었다.
세계의 빅 데이터
예측에 따르면 2020년까지 인류는 40-44제타바이트의 정보를 형성할 것입니다. IDC 분석가가 작성한 데이터 시대 2025 보고서에 따르면 2025년까지 10배 성장할 것입니다. 보고서에 따르면 대부분의 데이터는 일반 소비자가 아닌 기업 자체에서 생성됩니다.
이 연구의 분석가들은 데이터가 중요한 자산이 되고 보안이 삶의 중요한 기반이 될 것이라고 믿습니다. 이 작업의 저자는 또한 기술이 경제 환경을 바꿀 것이라고 확신하며, 일반 사용자하루에 약 4800번 연결된 기기와 통신합니다.
러시아의 빅 데이터 시장
2017년 빅데이터 시장의 글로벌 매출은 전년 대비 12.4% 증가한 1,508억 달러에 이를 것으로 예상됩니다. 전 세계적으로 러시아의 서비스 시장과 큰 기술데이터는 여전히 매우 작습니다. 2014년 미국 기업 IDC는 이를 3억 4천만 달러로 추산했으며 러시아에서는 은행, 에너지, 물류, 공공 부문, 통신 및 산업 분야에서 이 기술이 사용됩니다.
또한 읽기:
데이터 시장은 러시아에서 초기 단계에 불과합니다. RTB 생태계 내에서 데이터 공급자는 프로그래밍 방식 데이터 관리 플랫폼(DMP) 및 데이터 교환의 소유자입니다. 통신 사업자 파일럿은 잠재적 차용자에 대한 소비자 정보를 은행과 공유합니다.
일반적으로 빅 데이터는 세 가지 소스에서 제공됩니다.
- 인터넷(소셜 네트워크, 포럼, 블로그, 미디어 및 기타 사이트)
- 문서의 기업 아카이브;
- 센서, 기기 및 기타 장치의 표시.
은행의 빅 데이터
위에서 설명한 시스템 외에도 2014-2018 Sberbank 전략에서. 고품질 고객 서비스, 위험 관리 및 비용 최적화를 위한 슈퍼 데이터 세트 분석의 중요성에 대해 설명합니다. 은행은 이제 빅 데이터를 사용하여 위험 관리, 사기 방지, 고객의 신용도 분류 및 평가, 직원 관리, 지점 대기열 예측, 직원 보너스 계산 및 기타 작업을 수행합니다.
VTB24는 빅 데이터를 사용하여 고객 이탈을 분류 및 관리하고 재무제표를 생성하며 소셜 네트워크 및 포럼에서 피드백을 분석합니다. 이를 위해 그는 Teradata, SAS Visual Analytics 및 SAS Marketing Optimizer 솔루션을 사용합니다.
.BIG 파일을 여는 데 문제가 있습니까? 우리는 파일 형식에 대한 정보를 수집하고 BIG 파일이 무엇인지 설명할 수 있습니다. 또한 이러한 파일을 열거나 변환하는 데 가장 적합한 프로그램을 권장합니다.
.BIG 파일 형식은 무엇입니까?
확대 .큰일반적으로 큰 압축 및/또는 암호화된 바이너리 컨테이너 파일( .큰). 파일에 적용되는 단일 형식 .큰, 이러한 파일은 많은 독립 게임 및 응용 프로그램에서 사용되기 때문에 존재하지 않습니다.
파일 형식의 일반적인 사용 사례 .큰게임과 관련된 일렉트로닉 아츠(EA). 파일을 사용하는 모든 EA 게임 .큰리소스를 저장하기 위해 일반적인 EA BIG 형식의 약간 수정된 버전을 사용합니다.
또한 컨테이너 파일 .큰다른 많은 게임에서 볼 수 있으며, 다양한 다른 게임을 사용하여 그래픽, 음악 및 음향 효과를 저장하는 역할도 합니다. 파일 형식. 유사한 파일 .큰지속적으로 "모딩"의 대상이 되며 일반적으로 파일을 사용하는 각각에 대해 .큰게임에는 BIG 컨테이너에서 데이터를 추출하는 비공식 유틸리티가 있습니다.
게임 외에 파일 형식 .큰대량의 독점 데이터를 저장하는 일부 응용 프로그램에서도 사용됩니다. 예를 들어 잘 알려진 강력한 음악 편집기 스튜디오 Sibelius는 파일을 사용합니다. .큰프로그램 내에서 사용할 수 있지만 아카이브에서 쉽게 추출할 수 없는 고품질 악기 샘플 모음을 저장하기 위한 것입니다.