数据分析师对工业大数据的指数增长有那些作用
来源：CPDA数据分析师网 / 时间：2020-05-11
在工业规模上智能使用大数据
对全球发展的洞察力得到了认可：“石器时代并没有因缺乏石器而结束，而石油时代将在世界石油用尽之前结束。” 今天，我们生活在许多人所说的信息时代，没有危险，尤其是数据形式的信息用尽。人们普遍认为，我们对数据不知所措，这使得存储，处理，分析，解释，消费和对数据采取行动的能力成为首要关注的问题。对于大规模的跨国组织以及金融，医疗保健或涵盖多个垂直行业的行业等受到严格管制的组织，情况变得更加复杂且充满挑战。在互联网时代对数据的担忧日益普遍，在此期间数据的增长超过了传统计算的能力。问题是，我们如何使用这些数据源并将其转换为可操作的信息？
工业生产数据的指数增长
有许多来源预测到2020年及以后的数据呈指数增长。然而，他们都普遍认为，数字世界的规模至少每两年将翻一番，从2010年到2020年将增长50倍。人与机器生成的数据的总体增长速度是传统业务的10倍数据，而机器数据的增长速度甚至更快达到40倍。
数据的采集和分析以及随后的转换为可操作的见解是一个复杂的工作流
它在无缝的混合环境中扩展到了数据中心之外，边缘以及云端。边缘设备的利用，原位计算和分析，集中式存储和分析以及深度学习方法论可以大规模地加速数据处理，这需要一种新的技术方法。从历史上看，数据处理和分析系统具有用于业务分析和高性能计算工作负载的特殊功能。但是，随着大数据和行业标准基于x86的计算的出现，我们看到了大计算，大数据和物联网用于分析的融合，研究将这种融合归为高性能数据分析。
推动采用数据密集型计算的关键因素是需要在创建时并大规模地快速分析爆炸的数据量
爆炸的一个重要后果是用户需要采用先进的数据分析技术，企业现在可以使用更便宜，更强大的计算平台，而Hadoop和Spark等现代分析软件可以针对各种用例进行实时分析，包括欺诈和异常检测，商业智能，亲和力营销，产品设计和开发，流程自动化。以及个性化医学。除了这些软件框架之外，还可以实现可增强数据流的存储能力和功能，就地分析。
根据对重要的数字化转型项目的调查
受访者将云转换/转型（66％），互联网（32％）和大数据/认知解决方案（27％）作为大数据使用和开发的主要举措。云提供了可扩展性，而物联网构成了对大数据和认知计算进行投资的基础。大数据分析预测到2020年，所有业务分析软件中将有50％整合基于认知计算技术的规范性分析，高价值数据量将翻倍，从而使60％的交付给决策者的信息具有可行性。
数据增长挑战数据量的增长和速度的爆炸式增长带来了一些挑战：
1、系统管理和集群日益复杂
2、数据中心电源，散热和占地面积限制
3、存储，数据移动和管理复杂性
4、缺乏对异构环境和加速器的支持
5、集成和管理大数据生态系统的技能严重不足
6、基础设施推动改善
7、组织正在评估和实施基础结构以推动以下改进：
管理大数据基础架构的增长和运营成本
1、提供弹性和弹性
2、确保各种工作负载的性能
3、快速部署和扩展基础架构
4、使用大数据即服务简化管理
我们的重点是“工业化”大数据基础架构-使数据生态系统具有成熟的运营能力，使其更容易，更具成本效益地在企业范围内进行部署，并将公司从概念验证（PoC）阶段转移到生产就绪型部署。
这个关于在工业规模上使用大数据的系列文章将涵盖以下附加主题：
1、不断变化的数据格局
2、实现可扩展的数据湖
3、适用于大数据分析的HPE弹性平台
4、工作负载和密度优化系统
5、解决方案的五个组成部分
查找您周边省份授权培训中心：
https://www.chinacpda.com/train/
2020年CPDA数据分析师线上报名：
https://www.chinacpda.com/baoming.php
数据分析师的职业规划：
https://www.chinacpda.com/career/
CPDA数据分析师考核时间：
https://www.chinacpda.com/examine/
免费客服热线：400-050-6600
商业联合会数据分析专业委员会