چالش واقعی سازمانها در رابطه با کلان داده ها و بررسی دقیقتر مدلهای کلان داده: تفاوت میان نسخهها
خط ۶: | خط ۶: | ||
* [[نگهداری حجم زیاد اطلاعات]] | * [[نگهداری حجم زیاد اطلاعات]] | ||
* [[یکسان سازی]] | * [[یکسان سازی]] | ||
* [[داده کاوی داده ها]] | |||
* [[خردمند سازی داده ها: تحلیل داده ها به منظور استفاده های آماری ، پیش بینی و پاسخ به نیازهای مشتری]] | |||
* | * | ||
اگر چالش دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای چالش های موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید. | اگر چالش دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای چالش های موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید. | ||
== راهکارهای پیشنهادی == | == راهکارهای پیشنهادی == |
نسخهٔ ۱۲ ژوئیهٔ ۲۰۱۴، ساعت ۰۴:۲۱
در این صفحه میتوانید روی چالش واقعی سازمانها در رابطه با کلان داده ها و بررسی دقیقتر مدلهای کلان داده صحبت کنید. بحث های جانبی و خارج از این ساختار را نیز میتوانید در صفحه بحث مطرح نمایید.
چالش ها
چالش های اشاره شده توسط دوستان به این ترتیب می باشد:
- نگهداری حجم زیاد اطلاعات
- یکسان سازی
- داده کاوی داده ها
- خردمند سازی داده ها: تحلیل داده ها به منظور استفاده های آماری ، پیش بینی و پاسخ به نیازهای مشتری
اگر چالش دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای چالش های موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید.
راهکارهای پیشنهادی
راهکارهای پیشنهادی شده توسط دوستان به این ترتیب می باشد:
- شناخت ابزارها و فناوری های مرتبط در دنیا
- شناخت مدل های کلان داده متناسب با مدل های کسب و کار
- شناخت انواع پایگاه داده
- شناخت نیازمندی های داده
اگر راهکار دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای راهکارهای موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید.
ابزارها و فناوری ها
ابزارها و فناوری های مرتبط به این شرح می باشد:
- Hadoop
- NoSQL
- Owncloud
- Swift
- Dropbox
- Box.net
- Google Drive
- Amazon S3
- MapReduce
- Cloud Dataflow
- Trove
- Sahara
- Clustrix
- SQL
- MySQL
- Postgress
- Memcache
- Riak
- HBase
- Cassandra
اگر ابزار یا فناوری دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای موارد موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید.
سایت های مرتبط
Google launches Cloud Dataflow, says MapReduce tired