Noll
Video: Hur man bygger en företagskultur som är redo att anamma big data
Redaktörens anmärkning: Denna artikel publicerades ursprungligen i 2016 och har uppdaterats för 2018.
Vi utövare av den tekniska arts har en tendens att använda specialiserade jargong. Det är inte ovanligt. De flesta gillen, prästadömen och yrken har haft sin egen stil av kommunikation, antingen av bekvämlighet eller för att skapa en känsla av exklusivitet. I tekniken, vi tenderar också att fästa mycket enkla slagord till mycket komplicerade frågor, och sedan förväntar sig att resten av världen att gå med på resan.
Ta, till exempel, tag team av “molnet” och “big data”. Termen “molnet” kom till på grund av ingenjörerna som används för att rita diagram nätverk av lokala nätverk. Mellan diagram av lokala Nätverk, vi skulle rita ett moln-vill virrvarr tänkt att hänvisa till, ganska mycket, “det odefinierade saker i mellan.” Naturligtvis, Internet blev den ultimata odefinierad saker i mellan, och molnet blev Molnet.
TechRepublic: För bevis för big data framgång, inte leta längre än maskininlärning
Till Uncle Steve, Moster Becky, och Janice i Redovisning, “Molnet” innebär att den plats där du lagrar dina bilder och andra saker. Många människor vet inte riktigt att “molnet” är en förkortning för, och verkligheten i molnet är en tillväxt på nästan ofattbart stora datacenter som håller stora mängder information.
Big data är ytterligare en av de förkortade ord, men detta är något som Janice i Redovisning, Jack i Marknadsföring, och Bob om styrelsen verkligen behöver för att förstå. Inte bara kan big data svar på stora frågor och öppna nya dörrar till möjligheter, dina konkurrenter är nästan utan tvekan med big data för sina egna konkurrensfördelar.
Som naturligtvis väcker frågan: vad är big data? Svaret, som de flesta i tech, beror på ditt perspektiv. Här är ett bra sätt att tänka på det. Big data är data som är för stora för traditionell hantering av data att hantera.
Stor, naturligtvis, är också subjektiv. Det är därför vi ska beskriva det, enligt tre vektorer: volume, velocity och variety — de tre Vs.
Volym
Volym är V som mest förknippas med big data eftersom volymen kan vara stor. Vad vi pratar om här är mängder av data som når nästan ofattbara proportioner.