Big Data Discoveryを使用する場合の値

BDDでは、従来のアナリティクス・ツールと比較して、多数のユーザーがビッグ・データを操作できます。データのロードおよび更新にかかる時間が削減し、ビッグ・データの実際のデータ分析に集中できます。

従来のアナリティクスでは、ほとんどの作業をデータ準備に費やします。最初に、すべての考えられるビジネス上の質問を予測し、照合するデータをモデル化し、データ・ソースを検索して取得し、モデルに適合するようにフィードを操作する必要があります。データ(ETL)の抽出、変換およびロード用のパイプラインを構築します。これらのタスクの後にのみ、データに関与できます。その結果、実際のデータ分析には最小限の労力のみが絞られます。

大量のデータの複雑さにより、データ・ロードの先行コストが実現します。ビッグ・データは、データの量および種類を増加します。分析の準備ができる前に、新しいソース・データ、特に非構造化ソースを理解して操作するほうが時間のかかる場合があります。

また、ビッグ・データは高速で変更されます。既存のアナリティクス・プロジェクトを新しいデータで定期的に更新する必要があります。このようなデータのロードおよび更新タスクには、エキスパート・スキルを持つ適格なエンジニアが必要です。そのため、データのロードおよび更新の完了に時間とコストがかかります。

Big Data Discoveryは次の問題に対処します:

さらに多くのユーザーは、データに関与して、大きなデータ・アナリティクス・プロジェクトに貢献できます。
データ準備は、作業の小さな部分となります。データを準備する必要はありません。また、データ分析に集中して、ビジネスを改善できるようになります。
BDDプロジェクトを新しいデータで更新したり、すでにロードされているデータをリフレッシュしたり、既存のプロジェクトに新しいデータを追加できます。
データのエンティストとしてデータを操作でき、BDDでのデータの形成や視覚的分析に様々な方法を使用できます。