Video: Elon Musk'ın En Çılgın Projesi - Neuralink Nedir? 2024
Büyük veri durumuyla hızlı bir şekilde tepki vermek için harekete geçirilmiş verilere ihtiyacınız var. Bir kredi kartı işlemini tamamlamak veya bir e-posta göndermek için verilerin bir konumdan diğerine taşınması gerekir. Veri merkezi, veri merkezi veya bulutun bir veritabanında depolandığında veriler dinlenir. Buna karşılık, veriler bir dinlenme yerinden diğerine geçişte hareket halindedir.
İş anlayışını kazanmak için büyük miktarda veriyi gerçek zamanlı olarak işleme koyması gereken şirketler hareket halindeyken büyük olasılıkla verileri düzenlemeye başlarlar. Harekete geçirilen veriler ve büyük miktarda veri el ele gidiyor. Bugünün büyük hacimli verilerin sürekli akıntılarının gerçek dünyadaki örnekleri şu anda kullanılmaktadır:
-
Sensörler, performansı izlemek ve teknisyenlere beklenen performansdan sapmaların saptanması için son derece hassas tıbbi ekipmana bağlanır. Kaydedilen veriler, teknisyenlere ekipman üzerinde bir düzeltme yapmak ve hastalara potansiyel zarar vermemek için potansiyel arıza hakkında bilgi almalarını sağlamak için sürekli hareket halindedir.
-
Telekomünikasyon ekipmanı, hizmet düzeylerinin müşteri beklentilerini karşılaması için büyük miktarda iletişim verilerini izlemek için kullanılır.
-
Satış noktası verisi, müşteri karar vermeyi etkilemek için yaratılmış olduğu şekilde analiz edilir. Veri, işe alım noktasında işlenir ve analiz edilir - belki konum verileri veya sosyal medya verileri ile birlikte.
-
Mali ödemeler veya hisse senedi işlemleri ile ilgili ayrıntılar da dahil olmak üzere, finansal kuruluşlar arasında sürekli olarak bilgi değiş tokuş edilmektedir. Bu iletilerin güvenliğini sağlamak için, Gelişmiş Message Queuing Protokolü (AMQP) veya IBM'in MQSeries gibi standart protokoller sıklıkla kullanılır. Bu mesajlaşma yaklaşımlarının her ikisi de güvenlik servislerini kendi çerçevelerine yerleştirir.
-
Güvenlik duyarlı alanlardaki sensörlerden bilgi toplama, böylece bir organizasyon zararsız bir tavşanın hareketi ile bir tesise doğru hızla ilerleyen bir araba arasında ayrım yapabilir.
-
Tıbbi cihazlar, bir hastanın durumunun farklı yönleri hakkında çok miktarda ayrıntılı veri sağlayabilir ve bu sonuçları kritik durumlara veya diğer anormal göstergelere karşı eşleyebilir.
Hareket halindeki veriler çoğunlukla veri akışı şeklinde hız kritik bir faktör olduğunda karar vermeleri gereken şirketler için gittikçe önem kazanmaktadır. Bir duruma hızlıca tepki göstermeniz gerekiyorsa, verileri gerçek zamanlı olarak analiz etme yeteneğine sahip olmak, ya bir sonucu değiştirmek için ya da kötü bir sonucu önlemek için tepki verme arasındaki fark anlamına gelebilir.
Akan veri ile meydan okuma, yararlı bilgiler, oluşturulduğu ve dinlendirildiği bir yere gelmeden taşınması sırasında elde etmektir. Akan veri, verilerin oluşturulduğu sırada veya işinize geldiği zamandan faydalanabiliyorsanız işletmeniz için çok değerli olabilir.
Gerçek zamanlı olarak akış verilerini işlemek ve analiz etmek gerekir - böylece hareket halindeyken ve depolanmadan önce verilerin mevcut durumuna tepki verebilirsiniz. Bu verilerin içeriği ve tarihsel performans ile nasıl ilişkili olduğuna dair biraz bilgiye sahip olmanız gerekir. Ve bu bilgileri geleneksel operasyonel verilerle bütünleştirebilmeniz gerekir.
Unutulmaması gereken en önemli husus, bu akışlı verilerin doğasını ve aradığın sonuçları net bir şekilde anlayabilmeniz gerektiğidir. Örneğin, şirketiniz bir üreticiyse, üretim sürecinde karıştırılan kimyasalların saflığını izlemek için sensörlerden gelen verilerin kullanılması önemlidir.
Bu, akış verilerini kullanmanın somut bir nedeni. Bununla birlikte, başka durumlarda, çok miktarda veri yakalamak mümkün olabilir, ancak geçersiz kılınan işletme gereksinimi yoktur. Diğer bir deyişle, verilerin akışını sağlayabildiğiniz anlamına gelmez, her zaman yapmanız gerektiği anlamına gelmez.
İşletmenizi değiştirmek için akan verileri nasıl kullanabilirsiniz? Bazı durumlarda şirketler, sahip oldukları verileri alabilir ve daha etkili bir şekilde kullanmaya başlarlar. Diğer durumlarda, daha önce toplayamadığı verileri toplarlar.
Bazen kuruluşlar geçmişte yalnızca anlık görüntüler topladığı verilerin daha fazlasını toplayabilir. Bu kuruluşlar, müşterilere, hastalara, şehir sakinlerine veya belki de insanlık için sonuçları iyileştirmek için akışlı veri kullanıyor. İşletmeler satış noktasında müşteri karar vermeyi etkilemek için akışlı veri kullanıyor.
