For many years, IT auditors have be

For many years, IT auditors have been able to rely on comparatively elementary data analysis tools to perform analyses to draw conclusions. With the recent explosion in the volume of data generated for business purposes (e.g., purchase transactions, network device logs, security appliance alerts), current tools may now not be sufficient. By necessity, big data uses data sets that are so large that it becomes difficult to process them using readily available database management tools or traditional data processing applications. The paradigm shift introduced by big data requires a transformation in the way that such information is handled and analyzed, moving away from deriving intelligence from structured data to discerning insights from large volumes of unstructured data.

There is a lot of hype and confusion regarding big data and how it can help businesses. It feels as if each new and existing technology is pushing the meme of “all your data belong to us.” It is difficult to determine the effects of this wave of innovation occurring across the big data landscape of Structured Query Language (SQL), Not Only SQL (NoSQL), NewSQL, enterprise data warehouses (EDWs), massively parallel processing (MPP) database management systems (DBMS), data marts and Apache Hadoop (to name just a few). But enterprises and the market in general can use a healthy dose of clarity on just how to use and interconnect these various technologies in ways that benefit business.

Big data not only encompasses the classic world of transactions, but also includes the new world of interactions and observations. This new world brings with it a wide range of multistructured data sources that are forcing a new way of looking at things.

Much of the work involved in conducting IT audits entails inspection of data generated from systems, devices and other applications. These data include configuration, transactional and raw data from systems or applications that are downloaded and then validated, reformatted and tested against predefined criteria.

With the sheer volume of data available for analysis, how do auditors ensure that they are drawing valid conclusions? What tools do they have available to help them? According to a report from Computer Sciences Corporation (CSC), there will be a 4,300 percent annual increase in data generation by 2020.1 Currently, a one terabyte (Tb) external drive costs around US $80. It is very common for even medium-sized enterprises to generate one Tb of data within a short period of time. Using Excel or even Access to analyze this volume of data may prove to be inadequate. More powerful enterprise tools may be cost-prohibitive for many audit firms to purchase and support. In addition, the training time and costs may also prove to be excessive.

Transactions generated as a result of common business events, such as purchases, payments, inventory changes or shipments, represent the most common types of data. Also, IT departments increasingly record events related to security, availability, modifications and approvals in order to retain accountability and for audit purposes. IT departments also record more system-related events to enable more effective support with smaller staffs. Firewalls and security appliances log thousands of events on a daily basis. Given the sheer volumes of data, these security-related events cannot be manually analyzed as they were in the past. Marketing teams may record events such as customer interactions with applications, and larger companies also record interactions between IT users and databases.

There has been significant growth in the volume of data generated by devices and by smartphones and other portable devices. End users and consumers of information generate data using multiple devices, and these devices record an increasing number of events. The landscape has evolved from an Internet of PCs to an Internet of things. These things include PCs, tablets, phones, appliances and any supporting infrastructure that underpins this entire ecosystem.

Few of these new types of data were utilized or even considered in the past.

ผลลัพธ์ (ไทย) 2:

หลายปีที่ผ่านผู้ตรวจสอบด้านไอทีที่ได้รับสามารถที่จะพึ่งพาประถมเปรียบเทียบเครื่องมือวิเคราะห์ข้อมูลในการดำเนินการวิเคราะห์เพื่อที่จะสรุป กับการระเบิดที่ผ่านมาในปริมาณของข้อมูลที่สร้างขึ้นเพื่อวัตถุประสงค์ทางธุรกิจ (เช่นการทำธุรกรรมการซื้อ, บันทึกอุปกรณ์เครือข่าย, การรักษาความปลอดภัยการแจ้งเตือนเครื่อง) เครื่องมือปัจจุบันอาจจะไม่เพียงพอ โดยจำเป็นข้อมูลขนาดใหญ่ใช้ชุดข้อมูลที่มีขนาดใหญ่เพื่อที่มันจะกลายเป็นเรื่องยากที่จะดำเนินการได้โดยใช้เครื่องมือที่พร้อมใช้งานการจัดการฐานข้อมูลหรือการใช้งานการประมวลผลข้อมูลแบบดั้งเดิม กระบวนทัศน์การเปลี่ยนแปลงที่นำโดยข้อมูลขนาดใหญ่ต้องมีการเปลี่ยนแปลงในทางที่ข้อมูลดังกล่าวจะถูกจัดการและวิเคราะห์ให้ย้ายออกไปจากหน่วยสืบราชการลับมาจากข้อมูลที่มีโครงสร้างที่จะฉลาดข้อมูลเชิงลึกจากปริมาณข้อมูลขนาดใหญ่ที่ไม่มีโครงสร้าง. มีจำนวนมากของ hype และความสับสนเกี่ยวกับข้อมูลขนาดใหญ่เป็น และวิธีที่จะสามารถช่วยให้ธุรกิจ มันให้ความรู้สึกราวกับว่าแต่ละเทคโนโลยีใหม่และที่มีอยู่จะผลักดันมส์ของ "ข้อมูลทั้งหมดของคุณเป็นของเรา." มันเป็นเรื่องยากที่จะตรวจสอบผลกระทบของคลื่นของนวัตกรรมที่เกิดขึ้นในภูมิประเทศข้อมูลขนาดใหญ่ของภาษาของแบบสอบถาม (SQL) ไม่ เฉพาะ SQL (NoSQL) NewSQL คลังสินค้าข้อมูลขององค์กร (EDWs) ประมวลผลแบบขนานอย่างหนาแน่น (เอ็มพีพี) ระบบการจัดการฐานข้อมูล (DBMS) marts ข้อมูล Apache Hadoop และ (ชื่อเพียงไม่กี่) แต่ผู้ประกอบการและตลาดทั่วไปสามารถใช้ยาเพื่อสุขภาพของความชัดเจนเพียงวิธีการใช้และเชื่อมต่อระหว่างเทคโนโลยีต่างๆเหล่านี้ในวิธีการที่ธุรกิจได้รับประโยชน์. ข้อมูลขนาดใหญ่ไม่เพียง แต่บนโลกไซเบอร์โลกคลาสสิกของการทำธุรกรรม แต่ยังรวมถึงโลกใหม่ของการสื่อสารและ สังเกต โลกใหม่นี้ทำให้มีความหลากหลายของแหล่งข้อมูล multistructured ที่จะบังคับให้วิธีการใหม่ในการมองสิ่ง. มากงานที่เกี่ยวข้องในการดำเนินการตรวจสอบรายละเอียดการตรวจสอบด้านไอทีของข้อมูลที่เกิดจากระบบอุปกรณ์และโปรแกรมอื่น ๆ ข้อมูลเหล่านี้รวมถึงการกำหนดค่าการทำธุรกรรมและข้อมูลดิบจากระบบหรือการใช้งานที่ถูกดาวน์โหลดและตรวจสอบแล้วรูปแบบใหม่และผ่านการทดสอบตามเกณฑ์ที่กำหนดไว้ล่วงหน้ากับ. ด้วยเสียงเชียร์ของข้อมูลที่มีอยู่สำหรับการวิเคราะห์อย่างไรผู้ตรวจสอบให้แน่ใจว่าพวกเขากำลังวาดข้อสรุปที่ถูกต้อง? เครื่องมือทำสิ่งที่พวกเขามีอยู่เพื่อช่วยให้พวกเขา? ตามรายงานจาก Computer Corporation วิทยาศาสตร์ (CSC) จะมีเพิ่มขึ้นร้อยละ 4,300 ต่อปีในการสร้างข้อมูลโดยการ 2020.1 ปัจจุบันหนึ่งเทราไบต์ (TB) ค่าใช้จ่ายในไดรฟ์ภายนอกรอบ US $ 80 มันเป็นเรื่องธรรมดามากสำหรับแม้แต่วิสาหกิจขนาดกลางในการสร้างหนึ่ง Tb ของข้อมูลภายในระยะเวลาสั้น ๆ ของเวลา การใช้ Excel หรือแม้กระทั่งการเข้าถึงการวิเคราะห์ปริมาณของข้อมูลนี้อาจพิสูจน์ให้เป็นที่ไม่เพียงพอ เครื่องมือที่องค์กรที่มีประสิทธิภาพมากขึ้นอาจจะมีค่าใช้จ่ายที่ต้องห้ามสำหรับ บริษัท ตรวจสอบจำนวนมากในการซื้อและการสนับสนุน นอกจากนี้เวลาการฝึกอบรมและค่าใช้จ่ายนอกจากนี้ยังอาจพิสูจน์ให้เป็นที่มากเกินไป. รายการที่สร้างขึ้นเป็นผลมาจากเหตุการณ์ทางธุรกิจทั่วไปเช่นการซื้อการชำระเงินการเปลี่ยนแปลงสินค้าคงคลังหรือการจัดส่งเป็นตัวแทนของชนิดที่พบมากที่สุดของข้อมูล นอกจากนี้ฝ่ายไอทีบันทึกเหตุการณ์มากขึ้นเกี่ยวข้องกับความปลอดภัยความพร้อมการปรับเปลี่ยนและการอนุมัติเพื่อที่จะรักษาความรับผิดชอบและเพื่อวัตถุประสงค์ในการตรวจสอบ แผนกไอทียังบันทึกเหตุการณ์ที่เกี่ยวข้องกับระบบอื่น ๆ อีกมากมายที่จะช่วยให้การสนับสนุนที่มีประสิทธิภาพมากขึ้นด้วยบุคคลากรที่มีขนาดเล็ก ไฟร์วอลล์และอุปกรณ์รักษาความปลอดภัยเข้าสู่ระบบพันของเหตุการณ์ที่เกิดขึ้นในชีวิตประจำวัน ได้รับปริมาณที่แท้จริงของข้อมูลเหล่านี้เหตุการณ์ที่เกี่ยวข้องกับการรักษาความปลอดภัยไม่สามารถวิเคราะห์ได้ด้วยตนเองขณะที่พวกเขาอยู่ในอดีตที่ผ่านมา ทีมการตลาดอาจบันทึกเหตุการณ์ต่าง ๆ เช่นการปฏิสัมพันธ์กับลูกค้าที่มีการใช้งานและ บริษัท ขนาดใหญ่นอกจากนี้ยังมีบันทึกการปฏิสัมพันธ์ระหว่างผู้ใช้ไอทีและฐานข้อมูล. มีการเติบโตที่สำคัญในปริมาณของข้อมูลที่เกิดจากอุปกรณ์และมาร์ทโฟนและอุปกรณ์พกพาอื่น ๆ ผู้ใช้และผู้บริโภคของข้อมูลที่สร้างข้อมูลการใช้อุปกรณ์ต่างๆและอุปกรณ์เหล่านี้บันทึกการเพิ่มจำนวนของเหตุการณ์ที่เกิดขึ้น ภูมิทัศน์ที่มีวิวัฒนาการมาจากอินเทอร์เน็ตของเครื่องคอมพิวเตอร์ในการเชื่อมต่ออินเทอร์เน็ตของสิ่งที่ สิ่งเหล่านี้รวมถึงเครื่องคอมพิวเตอร์แท็บเล็ต, โทรศัพท์, เครื่องใช้ไฟฟ้าและโครงสร้างพื้นฐานที่สนับสนุนว่ารมย์นี้ระบบนิเวศทั้งหมด. ไม่กี่ชนิดใหม่ของข้อมูลเหล่านี้ถูกนำมาใช้หรือการพิจารณาแม้ในอดีตที่ผ่านมา

ผลลัพธ์ (ไทย) 3:

เป็นเวลาหลายปี มันตรวจสอบได้สามารถพึ่งพาเครื่องมือการวิเคราะห์ข้อมูลเบื้องต้นเพื่อทำการวิเคราะห์เปรียบเทียบ เพื่อสรุปผล กับการระเบิดล่าสุดใน ปริมาณของข้อมูลที่สร้างขึ้นสำหรับวัตถุประสงค์ทางธุรกิจ ( เช่นการทำธุรกรรมการซื้ออุปกรณ์เครือข่ายบันทึก , อุปกรณ์ความปลอดภัย , เครื่องมือการแจ้งเตือน ) ปัจจุบันอาจไม่เพียงพอ ด้วยความจำเป็นข้อมูลขนาดใหญ่ใช้ชุดข้อมูลที่มีขนาดใหญ่เพื่อที่มันจะกลายเป็นเรื่องยากที่จะใช้กระบวนการพวกเขาพร้อมฐานข้อมูลการจัดการเครื่องมือหรือโปรแกรมการประมวลผลข้อมูลแบบดั้งเดิม การปรับเปลี่ยนกระบวนทัศน์แนะนำโดยข้อมูลใหญ่ต้องเปลี่ยนแปลงในทางที่ข้อมูลดังกล่าวจะถูกจัดการ และ วิเคราะห์การย้ายจากที่ได้รับสติปัญญาจากข้อมูลที่มีโครงสร้างเพื่อให้ข้อมูลเชิงลึกจากปริมาณมากของข้อมูลที่ไม่มีโครงสร้าง .

มีจำนวนมากของ hype และความสับสนเกี่ยวกับข้อมูลใหญ่และวิธีมันสามารถช่วยให้ธุรกิจ มันรู้สึกราวกับว่าแต่ละใหม่และที่มีอยู่เป็นเทคโนโลยีที่ผลักดัน meme ของ " ข้อมูลทั้งหมดเป็นของเรา" มันเป็นเรื่องยากที่จะศึกษาผลของคลื่นของนวัตกรรมที่เกิดขึ้นทั่วตัวใหญ่ข้อมูล ภูมิทัศน์ของภาษาสอบถามเชิงโครงสร้าง ( SQL ) , ไม่เพียง แต่ SQL ( nosql ) newsql องค์กรข้อมูลคลังสินค้า ( edws ) และการประมวลผลแบบขนาน ( MPP ) ระบบการจัดการฐานข้อมูล ( DBMS ) , ข้อมูลตลาดและ Apache Hadoop ( ชื่อ เพียงไม่กี่ )แต่ บริษัท และตลาดทั่วไป สามารถใช้ยาเพื่อสุขภาพของความชัดเจนเพียงวิธีการใช้คอมพิวเตอร์เทคโนโลยีต่างๆเหล่านี้ในวิธีการได้รับประโยชน์ทางธุรกิจ

ใหญ่ข้อมูลไม่เพียง แต่ครอบคลุมโลกคลาสสิกของรายการ แต่ยังรวมถึงโลกใหม่ของการโต้ตอบและการสังเกตในโลกใหม่นี้มาด้วยความหลากหลายของ multistructured แหล่งข้อมูลที่บังคับวิธีการใหม่มองสิ่ง

มากของงานที่เกี่ยวข้องในการใช้มันตรวจสอบตรวจสอบข้อมูลที่สร้างขึ้นจากระบบ อุปกรณ์ และโปรแกรมอื่น ๆ ข้อมูลเหล่านี้รวมถึงการตั้งค่าการแลกเปลี่ยนและข้อมูลจากระบบหรือโปรแกรมที่ถูกดาวน์โหลดและตรวจสอบแล้วการจัดรูปแบบและทดสอบเทียบกับเกณฑ์ที่กำหนดไว้ล่วงหน้า

กับเสียงเชียร์ของข้อมูลที่มีการวิเคราะห์อย่างไร ผู้สอบบัญชี ตรวจสอบให้แน่ใจว่าพวกเขาจะวาดข้อสรุปที่ถูกต้อง ? เครื่องมือสิ่งที่พวกเขามีอยู่เพื่อช่วยให้พวกเขา ? ตามรายงานจาก บริษัท วิทยาศาสตร์คอมพิวเตอร์ ( CSC ) จะมีเปอร์เซ็นต์เพิ่มในรุ่น 4300 ปีข้อมูล 2020.1 ในปัจจุบันหนึ่งเทราไบต์ ( TB ) ไดรฟ์ภายนอกราคาประมาณ US $ 80 มันเป็นเรื่องธรรมดามากสำหรับวิสาหกิจขนาดกลางเพื่อสร้างหนึ่งเทราไบต์ของข้อมูลภายในระยะเวลาอันสั้นของเวลา การใช้ Excel หรือ Access เพื่อวิเคราะห์ปริมาณข้อมูลนี้อาจพิสูจน์จะไม่เพียงพอ เครื่องมือองค์กรมีประสิทธิภาพมากขึ้น อาจจะมีต้นทุน prohibitive สำหรับ บริษัท ตรวจสอบ หลาย การซื้อและการสนับสนุน นอกจากนี้การฝึกอบรมเวลาและค่าใช้จ่ายอาจยังพิสูจน์ให้เป็นมากเกินไป

รายการที่สร้างขึ้นเป็นผลจากการร่วมกิจกรรมทางธุรกิจเช่นการซื้อ , การชำระเงิน , การเปลี่ยนแปลงสินค้าคงคลังหรือการจัดส่ง เป็นชนิดที่พบมากที่สุดของข้อมูล นอกจากนี้ แผนกบันทึกเหตุการณ์ที่เกี่ยวข้องกับการรักษาความปลอดภัยมากขึ้น ความพร้อมใช้งาน แก้ไข และอนุมัติ เพื่อรักษาความน่าเชื่อถือและเพื่อการตรวจสอบแผนกบันทึกด้วยระบบมากขึ้นที่เกี่ยวข้องกับเหตุการณ์ เพื่อให้มีประสิทธิภาพมากขึ้นรองรับกับบุคคลากร ที่มีขนาดเล็ก ไฟร์วอลล์และอุปกรณ์ความปลอดภัยเข้าสู่ระบบพันของเหตุการณ์ในชีวิตประจำวัน ให้ปริมาณเลี่ยงของข้อมูลเหล่านี้ , การรักษาความปลอดภัยที่เกี่ยวข้องกับเหตุการณ์ ที่ไม่สามารถวิเคราะห์ได้ด้วยตนเองในอดีต ทีมการตลาดอาจบันทึกเหตุการณ์ เช่น การปฏิสัมพันธ์กับลูกค้า ด้วยโปรแกรมและขนาดใหญ่ บริษัท นอกจากนี้ยังบันทึกปฏิสัมพันธ์ระหว่างซอฟต์แวร์และฐานข้อมูล

มีการเติบโตอย่างมีนัยสำคัญในปริมาณของข้อมูลที่สร้างขึ้นโดยอุปกรณ์และสมาร์ทโฟนและอุปกรณ์พกพาอื่น ๆ ผู้ใช้และผู้บริโภคของข้อมูลการสร้างข้อมูลการใช้อุปกรณ์หลายและอุปกรณ์เหล่านี้บันทึกการเพิ่มจำนวนของเหตุการณ์ภูมิทัศน์ที่มีวิวัฒนาการจากอินเทอร์เน็ตของเครื่องคอมพิวเตอร์ไปยังอินเทอร์เน็ตของสิ่งต่างๆ สิ่งเหล่านี้ ได้แก่ พีซี , แท็บเล็ต , โทรศัพท์ , เครื่องใช้ไฟฟ้าและอื่น ๆที่สนับสนุนโครงสร้างพื้นฐานที่สนับสนุนระบบนิเวศทั้งหมดนี้

ไม่กี่ชนิดใหม่เหล่านี้ของข้อมูลที่ถูกใช้ หรือแม้แต่การพิจารณาในอดีต