deep analytics:深度分析
深度分析(deep analytics)是复杂数据处理技术的应用,目的是从大型且一般是多来源的数据集中产生信息,这些数据集也许不仅包含结构化数据,其中也会有非结构化数据和半结构化数据。 深度分析(deep analytics)涉及到数据集上目标精准且有时很复杂的查询,这些数据集一般都以拍字节和艾字节计量,这样的查询通常要求得到实时或接近实时的回答。 由于这类数据集的实时分析可能需要成百或上千台电脑来分配工作量,深度分析(deep analytics)常常和云计算(cloud computing)联系在一起。工作量分配可以通过MapReduce等框架来管理。加速数据查询过程的方法包括运用纵列数据库(columnar database)和内存分析(in-memory analytics)。 财政部门、科学界和制药及生物医学行业都已经引进深度分析(deep analytics)多年。近些年,由于企业数据的生产量增加,该实践在企业界也越发常见,它们也希望可以从这些数据中提取商业价值。 企业内产生的大量数据有时候指代大数据(big data),深度分析有时候指代大数据分析。 活森超级计算机(IBM’s Watson supercomputer)、非结构化数据(unstructured data)、文本挖掘(text mining)、商业智能(BI)、商业分析(BA)
最近更新时间:2011-03-24 翻译:徐艳EN
相关推荐
-
量子AI:它将如何影响商业世界
在当下AI的黄金时代,人们对量子计算的兴趣开始激增,因为它有可能提供前所未有的计算能力。 为此,处于技术前沿的 […]
-
量子计算的现状:企业需要知道什么
我们很难明确说明量子计算的现状。这项新兴技术目前面对的是不断变化的主张、不确定的时间表和分散的技术格局。 考虑 […]
-
如何保护AI基础设施:最佳做法
AI和生成式AI给企业带来巨大的创新机会,但随着这些工具变得越来越普遍,它们也吸引着恶意攻击者来探测其潜在漏洞 […]
-
最常见的数字身份验证方式?
数字身份验证是验证用户或设备身份的过程,以便能够访问敏感应用程序、数据和服务。现在有多种方法可以验证身份。以下 […]