ハイブリッドクラウドの分析戦略をサポートするダミー

データはコンピュータのクラスタ間で処理できます。これは、分析がマシン間で行われていることを意味します。より多くのコンピューティングパワーが必要な場合は、クラウドから取得できます。

ハイブリッドクラウドのビッグデータ分析

分析が大きくなり、クラウドリソースが必要な場合の例をいくつか示します。

• 金融サービス： 予測分析などの高度な分析技術を使用して、それらが不正であるかどうかを判断することができます。あるいは、構造化されていない側では、保険クレームのテキストを分析して、詐欺を構成するものを特定します。

  <！ - 1 - >

  たとえば、上司によって数回叱責された可能性がある労働者が提出した労働者の損害賠償請求を取る。このデータ（またはクレーム）は、構造化されていないソースから得られたものであり、どのようなパターンが不正を示唆しているかに関する分析システムを訓練するために、構造化されたデータとともに利用できます。新しいクレームが来ると、システムは調査する必要のあるクレームを自動的に取り除くことができます。

  <！ - 2 - >

• 小売： AmazonとeBayの推奨エンジンについて考えてみましょう。彼らはより洗練されてきています。 eBayは、あなたが購入しているものを見る先進的な技術を使用しています。そして、他の人々の購入が多いモデルに基づいて、推奨を行います。

  もう1つの例は、大規模な店舗で膨大な量のデータに対して高度な分析をリアルタイムで使用することです。ロイヤルティ・カードを使用して、あなたが購入しているもの、過去に購入したもの、そしてあなたが購入したような類似のプロファイルを持つものを使って、あなたが好きかもしれないさまざまな製品のクーポンを提供します。

  - >

• ソーシャルメディア分析： インターネット上で収集されたすべてのデータを想像してください。これには、ブログ、つぶやき、およびニュースフィードが含まれます。企業は、この非構造化データをマイニングして、それらについて何が言われているのかを理解しています。例えば、消費者パッケージ商品（CPG）会社は、このデータを掘り起こして、何について言及されているのか、この感情が肯定的であるか否定的であるかを判断することができる。数多くの企業がクラウドでこの種のサービスを提供しています。

このデータをマシンのクラスタ間で処理するコードを書くには、高度に訓練された開発者と複雑な雇用調整が必要です。 MapReduceのようなテクノロジでは、単一のノード上で実行されるように開発された同じMapReduceジョブが、この分析処理能力を1,000ノードのグループに分散することができます。データセンターやクラウドプロバイダにストリーミングされているセンサーデータやソーシャルメディアデータを直ちに分析する必要があるとします。複数のコンピューティングリソース間の並列処理は、環境全体に分析を広げることでこれを実現するのに役立ちます。それはあなたの洞察をより速くします。

その他のクラウド分析

クラウドは、データがそれほど大きくない場合（前の大きなデータの例とは対照的に）、分析戦略をサポートするのに役立ちます。顧客がどのような行動を取るかを予測したい企業で働いているとします。これを行うには予測分析を使用したいが、自社でスキルを持っていない。この場合、SaaSベースのサービスを提供しているアナリティクスプロバイダーに問い合わせることができます。データを提供し、分析を提供します。

市場にある多数のクラウドベースの製品は、データを分析したり、クラウド内のソフトウェアを提供して自分で分析を行うのに役立ちます。おそらく、クラウドベースのCRMとERPシステムを使用しており、そこで生成されているデータを分析したいと思うかもしれません。そのためのクラウドサービスがあります。