大數據有什么缺陷？

即時獲取實時數據可能看起來像是一個理想的場景，但具有優勢，也有缺點。

在這個數據爆炸時代，組織正在以越來越多的速度收集和存儲數據。但是，只需為您的組織收集數據就沒有任何商業價值。這種大數據的實時分析和可視化將大量數據轉化為有價值的統計數據。雖然這種實時洞察可以對您的組織有很大的價值，但它既有利弊。

什么是大數據，以及與實時大數據分析有何不同？

在進一步研究之前，我們來討論大數據 - 究竟是什么？傳統上，數據被儲存得更加容易，因為數量少得多。當需要以更大的數量存儲數據集時，大數據就會存在。它不僅是數據或數據集，而且是工具，技術，方法和框架的組合。

大量數據可能來自幾乎任何產生數據的內容，包括搜索引擎和社交媒體，以及一些不太明顯的來源，如電網和交通基礎設施。這些數據可以分為三種類型：結構化，半結構化和非結構化。

通常以預定的間隔收集和分析大數據。然而，通過實時大數據分析，收集和分析是連續的，為企業提供最新的洞察力。（有關大數據分析的更多信息，請參閱大數據分析如何優化IT性能。）

Hadoop是用于分析大數據的最有名的工具，但它不適合處理實時大數據分析。一些實時大數據工具包括：

風暴 - 這是一種實時分布式計算系統，可與任何編程語言一起工作，并且可擴展。它目前由Twitter擁有。

GridGain - 這是一個企業開源網格計算工具。它與Hadoop DFS兼容，它可以替代Hadoop的MapReduce。

優點

現在我們來討論實時大數據分析的一些優勢。

快速識別錯誤 - 讓我們假設發生錯誤，需要盡快解決。通過實時大數據分析，可立即識別此錯誤并快速修復。這可以幫助防止更多的和/或更嚴重的故障。從長遠來看，這也有助于企業的聲譽 - 快速的錯誤更正可以幫助獲得更多的客戶。

儲蓄 - 盡管實時大數據分析的實施可能是昂貴的，但立即數據分析的高價值可以彌補這一支出。

逐步服務 - 通過大數據分析監控產品和服務可能會為客戶帶來更高的轉化率，從而可能導致更高的利潤。可以通過分析輕松預測即將發生的錯誤和問題，這也有助于更多地關注客戶需求。

實時欺詐檢測 - 管理系統和服務器安全性的團隊可以快速，輕松地通知欺詐，一旦發現欺詐，就可以實時采取措施。（要了解有關欺詐檢測的更多信息，請參閱下一代欺詐檢測中的機器學習和Hadoop。）

對競爭對手的策略 - 競爭對手今天在市場上屢屢受挫，大數據分析可幫助您提供競爭對手的詳細圖片，例如推出新產品，降低/提高特定時間的價格或專注于特定地點的用戶。

洞察 - 銷售洞察對于了解銷售的地位至關重要。這些見解可能導致額外的收入，例如長期不會失去客戶，檢查跳出率，并通過分析實時大數據分析找到最佳的銷售增長方式。

趨勢 - 通過分析客戶趨勢的決策可以通過實時大數據分析完成。這可能包括產品，廣告，客戶需求，特定季節可用的優惠等。因此，它也可以改善長期的決定。

缺點現在我們來看看這些缺點。

Hadoop不兼容 - 如前所述，Hadoop是最廣泛使用的大數據分析工具，目前不能處理實時數據。因此，需要一些其他工具，期望在未來Hadoop將為實時方法添加功能。

需要新的方法 - 有些組織習慣每周接受一次洞察。然而，隨著實時大數據的不斷流入，需要一種完全不同的方法。這可能是一些組織的挑戰，可能會導致一些決策和計劃的重塑。

可能的失敗 - 一些組織可能會將實時大數據分析視為一個閃亮的新玩具，并希望立即實施。但是，如果不能正確實施，可能會導致許多問題。如果一個企業不是以這么快的速度來處理數據，那可能會導致不正確的分析，這可能會給組織帶來更大的問題。

結論

實時大數據分析對于企業來說可能是非常重要的，但企業必須先確定其優勢是否超過其特定情況下的利益，如果是這樣，那么這些缺點將如何克服。這仍然是一項相對較新的技術，因此預計未來會發展，希望能夠解決當前的一些挑戰。