2Executive SummaryToday the term bi

2
Executive Summary
Today the term big data draws a lot of attention, but behind the hype there's a simple story. For decades, companies have been making business decisions based on transactional data stored in relational databases. Beyond that critical data, however, is a potential treasure trove of non-traditional, less structured data: weblogs, social media, email, sensors, and photographs that can be mined for useful information. Decreases in the cost of both storage and compute power have made it feasible to collect this data - which would have been thrown away only a few years ago. As a result, more and more companies are looking to include non-traditional yet potentially very valuable data with their traditional enterprise data in their business intelligence analysis.
To derive real business value from big data, you need the right tools to capture and organize a wide variety of data types from different sources, and to be able to easily analyze it within the context of all your enterprise data. Oracle offers the broadest and most integrated portfolio of products to help you acquire and organize these diverse data types and analyze them alongside your existing data to find new insights and capitalize on hidden relationships.
Oracle White Paper—Big Data for the Enterprise
3
Introduction
With the recent introduction of Oracle Big Data Appliance and Oracle Big Data Connectors, Oracle is the first vendor to offer a complete and integrated solution to address the full spectrum of enterprise big data requirements. Oracle’s big data strategy is centered on the idea that you can evolve your current enterprise data architecture to incorporate big data and deliver business value. By evolving your current enterprise architecture, you can leverage the proven reliability, flexibility and performance of your Oracle systems to address your big data requirements.
Defining Big Data
Big data typically refers to the following types of data:
 Traditional enterprise data – includes customer information from CRM systems, transactional ERP data, web store transactions, and general ledger data.
 Machine-generated /sensor data – includes Call Detail Records (“CDR”), weblogs, smart meters, manufacturing sensors, equipment logs (often referred to as digital exhaust), trading systems data.
 Social data – includes customer feedback streams, micro-blogging sites like Twitter, social media platforms like Facebook
The McKinsey Global Institute estimates that data volume is growing 40% per year, and will grow 44x between 2009 and 2020. But while it’s often the most visible parameter, volume of data is not the only characteristic that matters. In fact, there are four key characteristics that define big data:
 Volume. Machine-generated data is produced in much larger quantities than non-traditional data. For instance, a single jet engine can generate 10TB of data in 30 minutes. With more than 25,000 airline flights per day, the daily volume of just this single data source runs into the Petabytes. Smart meters and heavy industrial equipment like oil refineries and drilling rigs generate similar data volumes, compounding the problem.
 Velocity. Social media data streams – while not as massive as machine-generated data – produce a large influx of opinions and relationships valuable to customer relationship management. Even at 140 characters per tweet, the high velocity (or frequency) of Twitter data ensures large volumes (over 8 TB per day).
 Variety. Traditional data formats tend to be relatively well defined by a data schema and change slowly. In contrast, non-traditional data formats exhibit a dizzying rate of change. As new services are added, new sensors deployed, or new marketing campaigns executed, new data types are needed to capture the resultant information.
Oracle White Paper—Big Data for the Enterprise
4
 Value. The economic value of different data varies significantly. Typically there is good information hidden amongst a larger body of non-traditional data; the challenge is identifying what is valuable and then transforming and extracting that data for analysis.
To make the most of big data, enterprises must evolve their IT infrastructures to handle these new high-volume, high-velocity, high-variety sources of data and integrate them with the pre-existing enterprise data to be analyzed.
The Importance of Big Data
When big data is distilled and analyzed in combination with traditional enterprise data, enterprises can develop a more thorough and insightful understanding of their business, which can lead to enhanced productivity, a stronger competitive position and greater innovation – all of which can have a significant impact on the bottom line.
For example, in the delivery of healthcare services, management of chronic or long-term conditions is expensive. Use of in-home monitoring devices to measure vital signs, and monitor progress is just one way that sensor data can be used to improve patient health and reduce both office visits and hospital admittance.
Manufacturing companies deploy sensors in their products to return a stream of telemetry. In the automotive industry, systems such as General Motors’ OnStar ® or Renault’s R-Link ®, deliver communications, security and navigation services. Perhaps more importantly, this telemetry also reveals usage patterns, failure rates and other opportunities for product improvement that can reduce development and assembly costs.
The proliferation of smart phones and other GPS devices offers advertisers an opportunity to target consumers when they are in close proximity to a store, a coffee shop or a restaurant. This opens up new revenue for service providers and offers many businesses a chance to target new customers.
Retailers usually know who buys their products. Use of social media and web log files from their ecommerce sites can help them understand who didn’t buy and why they chose not to, information not available to them today. This can enable much more effective micro customer segmentation and targeted marketing campaigns, as well as improve supply chain efficiencies through more accurate demand planning.
Finally, social media sites like Facebook and LinkedIn simply wouldn’t exist without big data. Their business model requires a personalized experience on the web, which can only be delivered by capturing and using all the available data about a user or member.

ผลลัพธ์ (ไทย) 1:

2บทสรุปสำหรับผู้บริหารวันนี้ข้อมูลใหญ่ระยะดึงดูดความสนใจมาก แต่หลัง hype มีเป็นเรื่องง่าย สำหรับทศวรรษ บริษัทได้รับการตัดสินใจทางธุรกิจตามข้อมูลที่เก็บอยู่ในฐานข้อมูลเชิงสัมพันธ์ นอกเหนือจากข้อมูลสำคัญ แต่ เป็นมรดกอาจไม่ใช่แบบดั้งเดิม น้อยโครงสร้างข้อมูล: weblogs สังคม อีเมล์ เซนเซอร์ และรูปถ่ายที่สามารถขุดสำหรับข้อมูลที่เป็นประโยชน์ ลดต้นทุนจัดเก็บและคำนวณพลังงานได้ทำให้สามารถเก็บรวบรวมข้อมูลนี้ - ซึ่งจะมีการโยนไปเพียงไม่กี่ปีที่ผ่านมา ดัง เพิ่มเติม และเพิ่มเติมกำลังเพื่อรวมข้อมูลไม่ใช่แบบดั้งเดิม แต่อาจมีคุณค่ามากกับข้อมูลองค์กรแบบดั้งเดิมในการวิเคราะห์ข่าวกรองทางธุรกิจสามารถรับค่าธุรกิจจริงจากข้อมูลขนาดใหญ่ คุณจำเป็นต้องมีเครื่องมือขวารวบรวม และจัดระเบียบชนิดของข้อมูลจากแหล่งต่าง ๆ ที่หลากหลาย และจะได้วิเคราะห์ในบริบทของข้อมูลองค์กร Oracle มีผลงานรวมมากที่สุด และกว้างที่สุดของผลิตภัณฑ์จะช่วยให้คุณได้รับ และระเบียบข้อมูลที่หลากหลายวิเคราะห์พวกเขาควบคู่ไปกับข้อมูลที่มีอยู่เพื่อค้นหาความเข้าใจใหม่ และใช้ประโยชน์ในความสัมพันธ์ที่ซ่อนอยู่กระดาษขาว oracle — ข้อมูลสำหรับองค์กรขนาดใหญ่3แนะนำด้วยการแนะนำล่าสุดของ Oracle ใหญ่ข้อมูลเครื่องใช้ไฟฟ้าและการเชื่อมต่อข้อมูลของบิ๊ก Oracle, Oracle เป็นผู้ขายรายแรกเสนอหรือแก้ไขสมบูรณ์ และบูรณาการหลากหลายความต้องการข้อมูลขนาดใหญ่ขององค์กร กลยุทธ์ของ oracle ข้อมูลขนาดใหญ่เป็นศูนย์กลางในความคิดที่ว่า คุณสามารถพัฒนาสถาปัตยกรรมข้อมูลองค์กรของคุณปัจจุบันรวมข้อมูลขนาดใหญ่ และส่งมอบมูลค่าทางธุรกิจ โดยวิวัฒนาการสถาปัตยกรรมขององค์กรปัจจุบัน คุณสามารถใช้พิสูจน์ความน่าเชื่อถือ ความยืดหยุ่น และประสิทธิภาพของระบบ Oracle เพื่อความต้องการข้อมูลขนาดใหญ่การกำหนดข้อมูลขนาดใหญ่ข้อมูลขนาดใหญ่โดยทั่วไปหมายถึงชนิดของข้อมูลต่อไปนี้:ข้อมูลองค์กรดั้งเดิมคล้ายมีข้อมูลลูกค้าจาก CRM ระบบ มูล ERP ธุรกรรมของร้านค้าบนเว็บ และข้อมูลบัญชีแยกประเภททั่วไปคล้าย /sensor สร้างเครื่องข้อมูล – รวมเรียกระเบียนรายละเอียด ("CDR"), weblogs สมาร์ทเมตร ผลิตเซนเซอร์ อุปกรณ์บันทึก (มักเรียกว่าไอดิจิตอล), ระบบข้อมูลการซื้อขายคล้ายข้อมูลทางสังคม – ประกอบด้วยกระแสข้อมูลคำติชมของลูกค้า เว็บไซต์ไมโครบล็อกเช่นทวิตเตอร์ แพลตฟอร์มสื่อสังคมออนไลน์เช่น Facebookสถาบันสากล McKinsey ประเมินว่า ไดรฟ์ข้อมูลที่มีการเติบโต 40% ต่อปี และจะเติบโต x 44 ระหว่าง 2009 และ 2020 แต่ในขณะที่ก็มักจะเป็นพารามิเตอร์มองเห็นได้มากที่สุด ปริมาณข้อมูลไม่ลักษณะเฉพาะที่สำคัญ ในความเป็นจริง มีลักษณะสำคัญสี่ที่กำหนดข้อมูลขนาดใหญ่:เสียงคล้ายกัน ข้อมูลสร้างเครื่องผลิตในปริมาณมากขนาดใหญ่กว่าข้อมูลที่ไม่ใช่แบบดั้งเดิม ตัวอย่าง เครื่องยนต์เจ็ทเดี่ยวสามารถสร้าง 10TB ข้อมูลใน 30 นาที ด้วยเที่ยวบินสายการบินมากกว่า 25000 ต่อวัน ปริมาณของแหล่งข้อมูลเดียวแค่นี้ทำเป็น Petabytes สมาร์ทเมตรและเครื่องจักรอุตสาหกรรมเช่นผนัง และเจาะ rigs สร้างไดรฟ์ข้อมูลข้อมูลคล้ายกัน ปัญหาการทบต้นความเร็วคล้ายการ กระแสข้อมูลสื่อสังคม – ขณะไม่ขนาดใหญ่เป็นเครื่องสร้างข้อมูล – ผลิตอีกจำนวนมากของความคิดเห็นและความสัมพันธ์ที่ดีการจัดการลูกค้าสัมพันธ์ แม้ที่ 140 ตัวอักษรต่อ tweet สูงความเร็ว (หรือความถี่) ของข้อมูล Twitter ใจจำนวนมาก (กว่า 8 TB ต่อวัน)ต่าง ๆ คล้ายกัน รูปแบบข้อมูลแบบดั้งเดิมมักจะ กำหนด โดย schema ข้อมูลค่อนข้างดี และเปลี่ยนแปลงช้า ในทางตรงกันข้าม รูปแบบของข้อมูลดั้งเดิมไม่แสดงอัตราการเปลี่ยนแปลงระหว่าง เป็นบริการใหม่ที่เพิ่ม เซ็นเซอร์ที่ติดตั้งใหม่ หรือใหม่เสริมปฏิบัติการ ชนิดข้อมูลใหม่จำเป็นในการเก็บข้อมูลผลแก่กระดาษขาว oracle — ข้อมูลสำหรับองค์กรขนาดใหญ่4ค่าคล้าย มูลค่าทางเศรษฐกิจของข้อมูลแตกต่างกันอย่างมีนัยสำคัญแตกต่างกันไป โดยทั่วไปมีรายละเอียดที่ดีซ่อนอยู่ร่างกายขนาดใหญ่ของข้อมูลที่ไม่ใช่แบบดั้งเดิม ความท้าทายจะระบุสิ่งมีคุณค่า และเปลี่ยนแล้ว และแยกวิเคราะห์ข้อมูลที่ต้องการมากที่สุดของข้อมูลขนาดใหญ่ องค์กรต้องพัฒนาโครงสร้างพื้นฐาน IT การจัดการเหล่านี้ใหม่ปริมาณ ความเร็วสูง สูง-ความหลากหลายแหล่งข้อมูลของพวกเขา และรวมกับข้อมูลขององค์กรที่มีอยู่ก่อนจะวิเคราะห์ความสำคัญของข้อมูลขนาดใหญ่เมื่อข้อมูลขนาดใหญ่จะกลั่น และวิเคราะห์ร่วมกับข้อมูลองค์กรแบบดั้งเดิม องค์กรสามารถพัฒนาความเข้าใจอย่างละเอียด และลึกซึ้งมากขึ้นของธุรกิจ ซึ่งสามารถนำไปสู่การเพิ่มผลผลิต ตำแหน่งการแข่งขันที่แข็งแกร่ง และ นวัตกรรมมากขึ้น – ซึ่งทั้งหมดสามารถมีผลกระทบสำคัญในบรรทัดล่างตัวอย่าง ในการจัดส่งของบริการสุขภาพ จัดการเงื่อนไขเรื้อรัง หรือระยะยาวมีราคาแพง ใช้อุปกรณ์ตรวจสอบ in-home การวัดสัญญาณชีพ การตรวจสอบความคืบหน้าเป็นวิธีหนึ่งที่เซนเซอร์สามารถใช้ข้อมูลเพื่อปรับปรุงสุขภาพผู้ป่วย และลดการเข้าชมสำนักงานและโรงพยาบาล admittanceบริษัทผู้ผลิตใช้เซนเซอร์ในผลิตภัณฑ์ของตนกลับกระแสข้อมูลของมาตร ในอุตสาหกรรมยานยนต์ ระบบเช่นมอเตอร์ของ OnStar ®หรือของเรโนลต์ R-ลิงค์® ให้บริการการสื่อสาร ความปลอดภัย และนำทาง บางทีที่สำคัญ มาตรนี้ยังพบรูปแบบการใช้ อัตราความล้มเหลว และอื่น ๆ โอกาสในการพัฒนาผลิตภัณฑ์ที่สามารถลดต้นทุนพัฒนาและแอสเซมบลีการแพร่หลายของโทรศัพท์สมาร์ทและอุปกรณ์ GPS อื่น ๆ มีผู้โฆษณามีโอกาสผู้บริโภคเป้าหมายเมื่ออยู่ใกล้กับร้านค้า ร้านกาแฟ หรือร้านอาหาร นี้เปิดขึ้นรายได้ใหม่สำหรับผู้ให้บริการ และให้บริการธุรกิจโอกาสเป้าหมายลูกค้าใหม่ร้านค้าปลีกมักจะทราบที่ซื้อผลิตภัณฑ์ของตน ใช้สื่อสังคมออนไลน์และเว็บล็อกไฟล์จากเว็บไซต์อีคอมเมิร์ซของพวกเขาสามารถช่วยให้เข้าใจที่ไม่ได้ซื้อ และทำไมพวกเขาเลือกที่จะไม่ ไม่มีข้อมูลไปวันนี้ นี้สามารถเปิดใช้งานการแบ่งกลุ่มลูกค้าขนาดเล็กมีประสิทธิภาพมากขึ้น และเป้าหมายของแคมเปญการตลาด รวมทั้งปรับปรุงประสิทธิภาพห่วงโซ่อุปทานผ่านการวางแผนความต้องการความถูกต้องมากขึ้นในที่สุด เว็บไซต์สื่อสังคมเช่น Facebook และอย่างไร LinkedIn ก็ไม่มีไม่ มีข้อมูลขนาดใหญ่ โมเดลธุรกิจของพวกเขาต้องการประสบการณ์แบบส่วนบุคคลบนเว็บ ซึ่งสามารถจัดส่งได้ โดยการรวบรวม และใช้ข้อมูลที่มีทั้งหมดเกี่ยวกับผู้ใช้หรือสมาชิกเท่านั้น

ผลลัพธ์ (ไทย) 2:

2
บทสรุปผู้บริหารวันนี้ข้อมูลระยะใหญ่ดึงความสนใจมาก แต่อยู่เบื้องหลัง hype มีเป็นเรื่องที่ง่าย
สำหรับทศวรรษที่ผ่านมา บริษัท ได้รับการตัดสินใจทางธุรกิจที่อยู่บนพื้นฐานของข้อมูลการทำธุรกรรมที่เก็บไว้ในฐานข้อมูลเชิงสัมพันธ์ นอกเหนือจากข้อมูลที่สำคัญนั้น แต่เป็นขุมสมบัติศักยภาพของที่ไม่ใช่แบบดั้งเดิมข้อมูลที่มีโครงสร้างน้อย: เว็บบล็อก, สื่อสังคม, อีเมล์, เซ็นเซอร์และรูปถ่ายที่สามารถขุดหาข้อมูลที่เป็นประโยชน์ ลดค่าใช้จ่ายในการจัดเก็บข้อมูลของทั้งสองและคำนวณกำลังได้ทำให้มันเป็นไปได้ในการเก็บรวบรวมข้อมูล - ซึ่งจะได้รับการโยนออกไปเพียงไม่กี่ปีที่ผ่านมา เป็นผลให้ บริษัท มากขึ้นกำลังมองหาเพื่อรวมข้อมูลที่ไม่ใช่แบบดั้งเดิมยังอาจมีคุณค่ามากกับข้อมูลขององค์กรของพวกเขาแบบดั้งเดิมในการวิเคราะห์ทางธุรกิจของพวกเขา.
เพื่อให้ได้มูลค่าทางธุรกิจจริงจากข้อมูลขนาดใหญ่ที่คุณจำเป็นต้องมีเครื่องมือที่เหมาะสมในการจับภาพและจัดให้มีการ หลากหลายประเภทข้อมูลจากแหล่งข้อมูลที่แตกต่างกันและเพื่อให้สามารถได้อย่างง่ายดายวิเคราะห์มันในบริบทของข้อมูลขององค์กรของคุณ ออราเคิลมีผลงานที่กว้างและครบวงจรมากที่สุดของผลิตภัณฑ์ที่จะช่วยให้คุณได้รับและจัดระเบียบชนิดข้อมูลที่หลากหลายเหล่านี้และวิเคราะห์ร่วมกับข้อมูลที่มีอยู่ของคุณเพื่อหาข้อมูลเชิงลึกใหม่และใช้ประโยชน์จากความสัมพันธ์ที่ซ่อน.
ออราเคิลสีขาวข้อมูลกระดาษที่ยิ่งใหญ่สำหรับองค์กร
3 ความรู้เบื้องต้นเกี่ยวกับการแนะนำล่าสุดของอุปกรณ์ Oracle Big เครื่องใช้ข้อมูลและอุปกรณ์ Oracle Big เชื่อมต่อข้อมูล Oracle เป็นผู้ผลิตรายแรกที่นำเสนอโซลูชั่นที่สมบูรณ์และครบวงจรเพื่อที่อยู่เต็มสเปกตรัมขององค์กรต้องการข้อมูลขนาดใหญ่ ออราเคิลกลยุทธ์ข้อมูลขนาดใหญ่เป็นศูนย์กลางในความคิดที่ว่าคุณสามารถมีวิวัฒนาการสถาปัตยกรรมข้อมูลขององค์กรในปัจจุบันของคุณจะรวมข้อมูลขนาดใหญ่และส่งมอบมูลค่าทางธุรกิจ โดยการพัฒนาสถาปัตยกรรมองค์กรปัจจุบันของคุณคุณสามารถใช้ประโยชน์จากความน่าเชื่อถือการพิสูจน์แล้วว่ามีความยืดหยุ่นและประสิทธิภาพการทำงานของระบบของ Oracle ที่อยู่ที่ต้องการข้อมูลขนาดใหญ่ของคุณ. กำหนดข้อมูลขนาดใหญ่ข้อมูลขนาดใหญ่มักจะหมายถึงต่อไปนี้ประเภทของข้อมูล: ข้อมูลขององค์กรแบบดั้งเดิม - รวมถึงข้อมูลของลูกค้า จากระบบ CRM, ERP ข้อมูลการทำธุรกรรมการทำธุรกรรมเว็บจัดเก็บและข้อมูลบัญชีแยกประเภททั่วไป. เครื่องสร้าง / ข้อมูลเซ็นเซอร์ - รวมถึงโทรประวัติรายละเอียด ("CDR"), เว็บบล็อก, มาร์ทเมตรเซ็นเซอร์การผลิต, การบันทึกอุปกรณ์ (มักจะเรียกว่า ไอเสียดิจิตอล) ข้อมูลระบบการซื้อขาย. ข้อมูลทางสังคม - รวมถึงความคิดเห็นของลูกค้าลำธารไมโครบล็อกเว็บไซต์เช่น Twitter, แพลตฟอร์มสื่อสังคมเช่น Facebook McKinsey ประมาณการสถาบันทั่วโลกว่าปริมาณข้อมูลที่มีการเติบโต 40% ต่อปีและจะเติบโต 44x ระหว่าง 2009 และในปี 2020 แต่ในขณะที่ก็มักจะมองเห็นได้มากที่สุดพารามิเตอร์ปริมาณของข้อมูลที่ไม่ได้เป็นลักษณะเฉพาะเรื่อง ในความเป็นจริงมีสี่ลักษณะสำคัญที่กำหนดข้อมูลขนาดใหญ่: ปริมาณ ข้อมูลเครื่องสร้างผลิตในปริมาณที่มีขนาดใหญ่กว่าข้อมูลที่ไม่ใช่แบบดั้งเดิม ยกตัวอย่างเช่นเครื่องยนต์เดียวสามารถสร้าง 10TB ของข้อมูลใน 30 นาที ที่มีมากกว่า 25,000 เที่ยวบินของสายการบินต่อวันปริมาณประจำวันของแหล่งนี้เป็นเพียงข้อมูลเดียววิ่งเข้าไปใน petabytes สมาร์ทเมตรและอุปกรณ์อุตสาหกรรมหนักเช่นโรงกลั่นน้ำมันและแท่นขุดเจาะสร้างปริมาณข้อมูลที่คล้ายกันประนอมปัญหา. ความเร็ว ข้อมูลสื่อสังคมลำธาร - ในขณะที่ไม่ได้เป็นใหญ่เป็นเครื่องสร้างข้อมูล - การผลิตขนาดใหญ่ที่ไหลบ่าเข้ามาของความคิดเห็นและความสัมพันธ์ที่มีคุณค่าเพื่อการบริหารลูกค้าสัมพันธ์ แม้ที่ 140 ตัวอักษรต่อทวีตที่มีความเร็วสูง (หรือความถี่) ของข้อมูลทวิตเตอร์ช่วยให้มั่นใจได้ปริมาณมาก (มากกว่า 8 TB ต่อวัน). วาไรตี้ รูปแบบข้อมูลแบบดั้งเดิมมักจะถูกกำหนดไว้ค่อนข้างดีโดยสคีข้อมูลและการเปลี่ยนแปลงอย่างช้าๆ ในทางตรงกันข้ามรูปแบบข้อมูลที่ไม่ใช่แบบดั้งเดิมแสดงอัตรา dizzying ของการเปลี่ยนแปลง ในฐานะที่เป็นบริการใหม่ที่มีการเพิ่มเซ็นเซอร์ใหม่นำไปใช้หรือแคมเปญการตลาดใหม่ดำเนินการชนิดข้อมูลใหม่ที่มีความจำเป็นในการจับภาพข้อมูลผลลัพธ์. ออราเคิลสีขาวข้อมูลกระดาษที่ยิ่งใหญ่สำหรับองค์กร4 ค่า มูลค่าทางเศรษฐกิจที่แตกต่างกันของข้อมูลที่แตกต่างกันอย่างมีนัยสำคัญ โดยปกติจะมีข้อมูลที่ดีซ่อนอยู่ในหมู่ร่างกายขนาดใหญ่ของข้อมูลที่ไม่ใช่แบบดั้งเดิม ความท้าทายคือการระบุสิ่งที่มีคุณค่าและจากนั้นเปลี่ยนและการสกัดข้อมูลสำหรับการวิเคราะห์ว่า. ให้มากที่สุดของข้อมูลขนาดใหญ่ผู้ประกอบการจะต้องมีวิวัฒนาการโครงสร้างพื้นฐานด้านไอทีของพวกเขาที่จะจัดการกับปริมาณสูงใหม่เหล่านี้ความเร็วสูงแหล่งที่มาหลากหลายสูงของข้อมูลและ บูรณาการให้กับข้อมูลขององค์กรที่มีอยู่ก่อนที่จะวิเคราะห์. ความสำคัญของข้อมูลขนาดใหญ่เมื่อข้อมูลขนาดใหญ่ถูกกลั่นและวิเคราะห์ร่วมกับข้อมูลขององค์กรแบบดั้งเดิมผู้ประกอบการสามารถพัฒนาความเข้าใจอย่างละเอียดมากขึ้นและลึกซึ้งของธุรกิจของพวกเขาซึ่งจะนำไปสู่การปรับปรุงการผลิต, ตำแหน่งการแข่งขันที่แข็งแกร่งและนวัตกรรมมากขึ้น -. ทั้งหมดซึ่งอาจมีผลกระทบอย่างมีนัยสำคัญในบรรทัดด้านล่างตัวอย่างเช่นในการส่งมอบบริการการดูแลสุขภาพ, การจัดการโรคเรื้อรังหรือระยะยาวที่มีราคาแพง การใช้อุปกรณ์การตรวจสอบในบ้านในการวัดสัญญาณชีพและความคืบหน้าในการตรวจสอบเป็นเพียงหนึ่งในวิธีการที่ข้อมูลเซ็นเซอร์สามารถนำมาใช้ในการปรับปรุงสุขภาพของผู้ป่วยและลดทั้งการเข้าชมสำนักงานและเข้าโรงพยาบาล. บริษัท ผลิตติดตั้งเซนเซอร์ในผลิตภัณฑ์ของตนที่จะกลับมากระแสของ telemetry ในอุตสาหกรรมยานยนต์ระบบดังกล่าวขณะที่นายพลมอเตอร์ OnStar ®หรือเรโนลต์ R-Link ®ส่งมอบการสื่อสาร, การรักษาความปลอดภัยและบริการนำทาง บางทีอาจจะสำคัญกว่า telemetry นี้ยังแสดงให้เห็นรูปแบบการใช้, อัตราความล้มเหลวและโอกาสอื่น ๆ สำหรับการพัฒนาผลิตภัณฑ์ที่สามารถลดการพัฒนาและค่าใช้จ่ายการชุมนุม. การงอกของโทรศัพท์สมาร์ทและอุปกรณ์ GPS อื่น ๆ ที่มีผู้โฆษณามีโอกาสที่จะกำหนดเป้าหมายผู้บริโภคเมื่อพวกเขาอยู่ในบริเวณใกล้เคียงกับ ร้านค้าร้านกาแฟหรือร้านอาหาร นี้จะเปิดทางรายได้ใหม่สำหรับผู้ให้บริการและมีธุรกิจจำนวนมากโอกาสที่จะกำหนดเป้าหมายลูกค้าใหม่. ค้าปลีกมักจะรู้ว่าผู้ที่ซื้อผลิตภัณฑ์ของตน การใช้สื่อทางสังคมและไฟล์บันทึกเว็บจากเว็บไซต์อีคอมเมิร์ซของพวกเขาสามารถช่วยให้พวกเขาเข้าใจที่ไม่ได้ซื้อและทำไมพวกเขาเลือกที่จะไม่ข้อมูลไม่สามารถใช้ได้กับพวกเขาในวันนี้ นี้สามารถเปิดใช้งานแบ่งกลุ่มลูกค้าขนาดเล็กที่มีประสิทธิภาพมากขึ้นและแคมเปญการตลาดที่กำหนดเป้าหมายเช่นเดียวกับการปรับปรุงประสิทธิภาพห่วงโซ่อุปทานผ่านการวางแผนความต้องการที่ถูกต้องมากขึ้น. ในที่สุดเว็บไซต์สื่อสังคมเช่น Facebook และ LinkedIn ก็จะไม่อยู่โดยไม่มีข้อมูลขนาดใหญ่ รูปแบบธุรกิจของพวกเขาต้องใช้ประสบการณ์ส่วนตัวบนเว็บซึ่งสามารถถูกส่งโดยการจับและการใช้ข้อมูลที่มีอยู่ทั้งหมดเกี่ยวกับผู้ใช้หรือสมาชิก

ผลลัพธ์ (ไทย) 3:

2

สรุปผู้บริหารวันนี้เทอมใหญ่ข้อมูลที่ดึงความสนใจมาก แต่เบื้องหลัง hype เรื่องราวง่ายๆ สำหรับทศวรรษ บริษัทได้ตัดสินใจทางธุรกิจบนพื้นฐานของข้อมูลการติดต่อที่เก็บไว้ในฐานข้อมูลเชิงสัมพันธ์ นอกเหนือจากข้อมูลที่สำคัญแต่เป็นขุมสมบัติของข้อมูลโครงสร้างใหม่ที่มีศักยภาพน้อยกว่า : เว็บบล็อก , สังคมสื่อ , อีเมล์ , เซ็นเซอร์และภาพถ่ายที่สามารถขุดได้ สำหรับข้อมูลที่เป็นประโยชน์ ลดลงในค่าใช้จ่ายของการจัดเก็บและใช้พลังงานได้ทำให้มันเป็นไปได้ที่จะรวบรวมข้อมูลนี้ -- ซึ่งจะถูกโยนออกไปเพียงไม่กี่ปีที่ผ่านมา ผลบริษัทเพิ่มเติม และเพิ่มเติมกำลังมองหาเพื่อรวมข้อมูลที่มีคุณค่ามากกแต่อาจด้วยข้อมูลองค์กรแบบดั้งเดิมของพวกเขาในการวิเคราะห์ข่าวกรองทางธุรกิจ เพื่อสร้างมูลค่าทางธุรกิจจริงจาก
ข้อมูลใหญ่ คุณต้องการเครื่องมือที่เหมาะสมเพื่อจับภาพและจัดระเบียบที่หลากหลายของชนิดข้อมูลจากแหล่งที่แตกต่างกันและเพื่อให้สามารถได้อย่างง่ายดายวิเคราะห์มันในบริบทของข้อมูลทั้งหมดขององค์กรของคุณ ออราเคิลเสนอผลงานที่กว้างและรวมที่สุดของผลิตภัณฑ์ที่จะช่วยให้คุณได้รับและจัดการข้อมูลเหล่านี้หลากหลายชนิดและวิเคราะห์ร่วมกับข้อมูลที่มีอยู่ของคุณเพื่อหาข้อมูลเชิงลึกใหม่และใช้ประโยชน์จากความสัมพันธ์ที่ซ่อนอยู่
Oracle กระดาษสีขาวใหญ่ข้อมูลสำหรับองค์กร
3

แนะนำด้วยการเปิดตัวล่าสุดของ Oracle ข้อมูล Oracle การเชื่อมต่อข้อมูลใหญ่ เครื่องใช้ไฟฟ้า และใหญ่ , Oracle เป็นผู้ผลิตรายแรกที่จะเสนอที่สมบูรณ์และโซลูชั่นครบวงจรเพื่อที่อยู่เต็มสเปกตรัมขององค์กรใหญ่ข้อมูลความต้องการ Oracle ข้อมูลกลยุทธ์ใหญ่เป็นศูนย์กลางในความคิดที่คุณสามารถพัฒนาสถาปัตยกรรมข้อมูล Enterprise ปัจจุบันของคุณเพื่อรวมข้อมูลและส่งมอบคุณค่าทางธุรกิจโดยการพัฒนาสถาปัตยกรรมองค์กรปัจจุบันของคุณคุณสามารถใช้ประโยชน์จากการพิสูจน์ความน่าเชื่อถือและความยืดหยุ่นและประสิทธิภาพของระบบ Oracle ของคุณไปยังที่อยู่ความต้องการของคุณใหญ่ข้อมูล

การใหญ่ข้อมูลข้อมูลใหญ่มักจะหมายถึงต่อไปนี้ประเภทของข้อมูล :
แบบข้อมูลองค์กร–รวมข้อมูลลูกค้าจากระบบ CRM , ERP การจัดเก็บข้อมูลการทำธุรกรรมเว็บ ,ข้อมูล บัญชีแยกประเภททั่วไป .
เครื่องสร้าง / –ข้อมูลเซ็นเซอร์รวมถึงบันทึกรายละเอียดโทร ( " ข้อมูล " ) , เซ็นเซอร์ผลิตเว็บบล็อก , สมาร์ทเมตร , อุปกรณ์บันทึก ( มักเรียกว่าดิจิตอลไอเสีย ) , ระบบข้อมูลการค้า และสังคม รวมถึงกระแส
ข้อมูลความคิดเห็นของลูกค้า , ไมโครบล็อก เว็บไซต์เช่น Twitter , แพลตฟอร์มสื่อสังคมเช่น Facebook
สถาบันทั่วโลก McKinsey คาดการณ์ว่าปริมาณข้อมูลที่เพิ่มขึ้น 40 % ต่อปี และจะเติบโต 44x ระหว่าง 2009 และ 2020 แต่ในขณะที่มันมักจะพารามิเตอร์ที่มองเห็นได้มากที่สุด , ปริมาณของข้อมูลไม่ได้เป็นเพียงลักษณะที่สำคัญ ในความเป็นจริง มีทั้งลักษณะที่กำหนดคีย์ข้อมูลใหญ่ :
ปริมาณ เครื่องที่สร้างข้อมูลที่ผลิตในปริมาณที่มากขึ้นกว่าข้อมูลที่ไม่ใช่แบบดั้งเดิมสำหรับอินสแตนซ์ เครื่องยนต์เดียวสามารถสร้าง 10tb ข้อมูลใน 30 นาที ที่มีมากกว่า 25 , 000 สายการบินเที่ยวบินต่อวัน ปริมาณรายวันเพียงแหล่งข้อมูลเดียวนี้วิ่งเข้าไป petabytes . เมตรสมาร์ทและหนักอุตสาหกรรมอุปกรณ์ เช่น โรงกลั่นน้ำมันและแท่นขุดเจาะสร้างไดรฟ์ข้อมูลที่คล้ายกัน การประนอมปัญหา .
ความเร็วสังคมสื่อกระแสข้อมูล–ในขณะที่ไม่เป็นใหญ่เป็นเครื่องที่สร้างขึ้นโดยข้อมูลสร้างการไหลเข้าขนาดใหญ่ของความคิดเห็นและความสัมพันธ์ที่มีคุณค่าในการจัดการความสัมพันธ์กับลูกค้า แม้แต่ใน 140 ตัวอักษรต่อ tweet , ความเร็วสูง ( หรือความถี่ของข้อมูล Twitter ช่วยให้ไดรฟ์ขนาดใหญ่ ( มากกว่า 8 TB ต่อวัน )
หลากหลายรูปแบบข้อมูลแบบดั้งเดิมมีแนวโน้มที่จะค่อนข้างชัดเจน โดยข้อมูล schema และเปลี่ยนอย่างช้าๆ ในทางตรงกันข้าม , รูปแบบข้อมูลที่ไม่ใช่แบบดั้งเดิมแสดงอัตรา dizzying ของเปลี่ยน เป็นบริการใหม่จะเพิ่มเซ็นเซอร์ติดตั้งใหม่ หรือแคมเปญการตลาดใหม่ดำเนินการ ชนิดข้อมูลใหม่จะต้องจับข้อมูล resultant
Oracle สีขาวกระดาษใหญ่ข้อมูลสำหรับองค์กร
4
ค่ามูลค่าทางเศรษฐศาสตร์ของข้อมูลที่แตกต่างกันจะแตกต่างกันอย่างมาก มักจะมีข้อมูลที่ดีซ่อนอยู่ท่ามกลางร่างกายขนาดใหญ่ของข้อมูลที่ไม่ใช่แบบดั้งเดิม ความท้าทายคือการระบุสิ่งที่มีค่าแล้วเปลี่ยนและการสกัดข้อมูลสำหรับการวิเคราะห์ .
เพื่อให้มากที่สุดของข้อมูลใหญ่ องค์กรต้องพัฒนาโครงสร้างพื้นฐานด้านไอทีของพวกเขาที่จะจัดการกับเหล่านี้ใหม่สูง ความเร็วสูงสูงหลากหลายแหล่งข้อมูล และรวมกับข้อมูลที่มีอยู่ขององค์กรที่จะวิเคราะห์ ความสำคัญของข้อมูลใหญ่

เมื่อข้อมูลใหญ่ กลั่น และวิเคราะห์ร่วมกับข้อมูลองค์กรแบบดั้งเดิม องค์กรสามารถพัฒนาความเข้าใจอย่างละเอียดมากขึ้นและลึกซึ้งของธุรกิจของตนเอง ซึ่งสามารถนำไปสู่การเพิ่มผลผลิตตำแหน่งที่แข็งแกร่งและแข่งขันและนวัตกรรมมากขึ้น ซึ่งทั้งหมดนี้สามารถมีผลกระทบอย่างมีนัยสำคัญในบรรทัดด้านล่าง .
ตัวอย่างเช่นในการส่งมอบบริการสุขภาพ , การจัดการเงื่อนไขเรื้อรัง หรือระยะยาว มันแพง ใช้ในบ้าน ตรวจสอบ อุปกรณ์วัดสัญญาณชีพและติดตามความคืบหน้าเป็นเพียงหนึ่งวิธีที่ข้อมูลเซ็นเซอร์สามารถใช้เพื่อปรับปรุงสุขภาพของผู้ป่วยและลดชม office และห้ามเข้าโรงพยาบาล .
บริษัทใช้เซ็นเซอร์ในผลิตภัณฑ์ของตนกลับมา กระแสของ Telemetry . ในอุตสาหกรรมยานยนต์ ระบบ เช่น มอเตอร์ทั่วไป ' ใน®หรือเรอเป็น r-link ®ส่งมอบการรักษาความปลอดภัยและบริการนำทางบางทีที่สำคัญกว่า Telemetry นี้ยังพบรูปแบบการใช้อัตราความล้มเหลวและโอกาสอื่น ๆสำหรับการปรับปรุงผลิตภัณฑ์ที่สามารถลดต้นทุนการพัฒนาและประกอบ
proliferation ของโทรศัพท์สมาร์ทและอุปกรณ์ GPS อื่น ๆ มีโฆษณาเปิดโอกาสให้ผู้บริโภคเมื่อพวกเขาอยู่ในบริเวณใกล้เคียงกับร้าน ร้านกาแฟ หรือร้านอาหารนี้เปิดขึ้นรายได้ใหม่สำหรับผู้ให้บริการและมีหลายธุรกิจมีโอกาสที่จะกำหนดเป้าหมายลูกค้าใหม่ .
ร้านค้าปลีกมักจะรู้ว่าที่ซื้อผลิตภัณฑ์ของตน การใช้สื่อสังคมและ Web log ไฟล์จากเว็บไซต์อีคอมเมิร์ซของพวกเขาสามารถช่วยให้พวกเขาเข้าใจที่ไม่ได้ซื้อและทำไมพวกเขาเลือกที่จะไม่ ข้อมูลไม่สามารถใช้ได้กับพวกเขาในวันนี้นี้สามารถช่วยให้มีประสิทธิภาพการ Micro ลูกค้าและแคมเปญการตลาดเป้าหมาย ตลอดจนปรับปรุงประสิทธิภาพการวางแผนอุปสงค์ อุปทานโซ่ผ่านถูกต้องมากขึ้น .
ในที่สุด เว็บไซต์สื่อสังคมเช่น Facebook และ LinkedIn เพียงแค่ไม่ได้อยู่โดยปราศจากข้อมูลใหญ่ รูปแบบธุรกิจของพวกเขาต้องใช้ประสบการณ์ส่วนตัวบนเว็บซึ่งสามารถส่งโดยการจับและการใช้ทั้งหมดของข้อมูลเกี่ยวกับผู้ใช้หรือสมาชิก