Как стать автором
Обновить

Комментарии 8

НЛО прилетело и опубликовало эту надпись здесь
Добрый день, спасибо за комментарий. Начало следующего курса для менеджеров 28 августа. На сайте поправим
НУ все понимаю, но какая бигдата у кирпичного завода? Ну пара сотен клиентов(в лучшем случае), которые грузятся раз в неделю-месяц. Десятки тысяч строк в таблице, откуда бигдата-то?
Вот ей-богу каждый шаурмяной ларек с двумя клиентами, который ищет себе программиста в список требований добавляет редис, кафку и хадуп.
Добрый день! В этом как раз и суть, что дело часто не только в количестве данных. В данном примере с заводом нужно учитывать не количество клиентов (которое действительно измеряется десятками), а количество данных позволяющих предсказывать остатки материалов. Бизнес-кейс в том, что если на стройке заканчиваются материалы, то закупки часто осуществляются у доступного на тот момент поставщика, что означает потери бизнеса для клиента
Не только в количестве данных, но количество — обязательный компонент. По определению. Да и для биг даты, внезапно, data scientist(и то громковато звучит) не обязателен. Он обязателен для анализа данных, дата майнинга. А для биг даты нужны как раз спецы по работе с большими данными.
Скорее наоборот: Big Data слишком широкой (но удобный для понимания) термин также включающий в себя машинное обучение, анализ данных. Большое количество кейсов даже когда данных реально много рождаются из Small Data
Вы все же имеете в виду дата майнинг, потому что например ваш кейс из статьи никак не требует распределенных вычислений, кучи серверов, и террабайт/петабайт данных. А также технологий для обработки всего этого. Если говорить про кейс кирпичного завода это и вовсе на 1С сделать можно.
Хотя все же самое правильное — просто анализ данных. Т.е. конечно понятно что хочется модных слов и терминов, но это все же не в ту степь, имхо.
Сергей, мне кажется, Вы подменяете понятия. За статью, однако, благодарю )
Зарегистрируйтесь на Хабре , чтобы оставить комментарий