Stödja en Analytics-strategi i en hybrid cloud-dummies

Låten för en analysstrategi i hybridmoln är molasticitet. Dina data kan bearbetas över datorklyftor. Detta innebär att analysen sker över maskiner. Om du behöver mer beräkningseffekt kan du hämta det från molnet.

Stora dataanalyser i ett hybridmoln

Här är några exempel på var analytiken blir stor och kan kräva molnresurser:

• Finansiella tjänster: Föreställ dig att använda avancerad analysteknik som prediktiv analys för att analysera miljontals krediter korttransaktioner för att avgöra om de kan vara bedrägliga. Eller, på den ostrukturerade sidan, bild texten i försäkringsanspråk som analyseras för att avgöra vad som kan utgöra bedrägerier.

  Ta till exempel en arbetstagarens ersättningskrav som lämnats av en arbetare som kanske har blivit reprimanded flera gånger av sin chef. Denna data (eller påståendet), som kom från ostrukturerade källor, kan användas tillsammans med strukturerad data för att utbilda ett analytiskt system på vilka mönster som kan indikera bedrägerier. När nya fordringar kommer in kan systemet automatiskt sparka ut de som kan behöva undersökas.

• Retail: Tänk bara på rekommendationsmotorerna från Amazon och eBay. De blir mer sofistikerade. eBay använder avancerad teknik som kommer att se på vad du köper och sedan, baserat på modeller som den har av de många inköp av andra människor, gör en rekommendation.

  Ett annat exempel är användningen av avancerad analys över massiva mängder data i realtid på big-box-butiker. Med ditt lojalitetskort, baserat på vad du köper, vad du har köpt tidigare och vad andra med liknande profiler som du har köpt, kommer butiken att ge dig kuponger för olika produkter du kanske vill.

• Social mediaanalys: Föreställ dig all data som samlas in via Internet. Detta inkluderar bloggar, tweets och newsfeeds. Företag gruvor dessa ostrukturerade data för att förstå vad som sägs om dem. Exempelvis kan ett konsumentemballageföretag (CPG) -företaget mina dessa data för att bestämma vad som sägs om dem och om denna känsla är positiv eller negativ. Många företag tillhandahåller denna typ av service i molnet.

Skrivning av koden för att bearbeta denna data över kluster av maskiner kräver högutbildade utvecklare och komplex jobbkoordinering. Med en teknik som MapReduce, kan samma MapReduce-jobb som utvecklas för att köras på en enda nod distribuera denna analytiska bearbetningskraft till en grupp med 1 000 noder.Säg att du behöver omedelbar analys av sensordata eller sociala medier som strömmar in i ditt datacenter eller din molnleverantör. Parallell bearbetning över flera datorresurser kan hjälpa till att göra detta genom att sprida analysen över miljön. Det ger dig insikt snabbare.

Andra molnanalyser

Molnet kan vara användbart för att stödja en analysstrategi när dina data inte är så stora (i motsats till det föregående exemplet på stora data). Säg att du arbetar hos ett företag som vill förutsäga vilka åtgärder dina kunder kommer att ta. Du vill använda predictive analytics för att göra detta, men du har inte kompetensen internt. I det här fallet kan du vända dig till analytikeleverantörer som erbjuder SaaS-baserade tjänster för hjälp. Du ger dem dina uppgifter, och de ger dig analysen.

Ett antal molnbaserade erbjudanden på marknaden kan antingen hjälpa dig att analysera dina data eller tillhandahålla programvara i molnet för att du själv kan göra analysen. Kanske använder du ett molnbaserat CRM- och ERP-system, och du vill analysera data som genereras där. Det finns en molntjänst för det.