Die Top 10 Big Data Frameworks, die im Unternehmen verwendet werden

Wie Big Data Ihrem Unternehmen zum Erfolg verhelfen kann Michael Hiskey, CMO von Semarchy, erklärt, warum das Big Data-Zeitalter KMUs und Startups neue und tiefgreifende Möglichkeiten eröffnet.

Mehr über Big Data

  • Datenverwaltung: Ein Spickzettel
  • Integration der Roboter-Prozessautomatisierung in Big-Data-Projekte
  • Der Programmierer Hadley Wickham wirbt für die Vielfalt der R-Community
  • So wählen Sie die richtigen Datenanalysetools aus: 5 Schritte

Laut einem Bericht von Qubole und Dimensional Research vom Dienstag setzt Big Data sein rasantes Wachstum im Unternehmen in allen Branchen fort. Unternehmen nutzen Big Data, um IT-Projekte voranzutreiben, den Umsatz zu verbessern und den Kundenservice zu verbessern. Und sie nutzen zunehmend Big-Data-Frameworks, um die Herausforderung zu bewältigen, den vollen Wert der in ihrem Unternehmen gesammelten Informationen zu nutzen.

Kein einzelnes Software-Framework dominiert die Big-Data-Landschaft. Dies ergab der Bericht, der nach Befragung von 401 Datenfachleuten mit Big-Data-Verantwortung in großen Unternehmen erstellt wurde. 25% der Unternehmen verwenden jedoch einheimische Ansätze für die Big-Data-Verarbeitung.

Kein Framework ist allgegenwärtig, aber es gibt einige Besonderheiten. Hier sind die 10 wichtigsten Big-Data-Frameworks laut Bericht:

  1. Funke (31%)
  2. Bienenstock (17%)
  3. HBase (17%)
  4. MapReduce (15%)
  5. Presto (13%)
  6. Kafka (13%)
  7. Impala (11%)
  8. Sturm (11%)
  9. Flink (9%)
  10. Schwein (6%)

Während viele dieser Zahlen im gleichen Bereich liegen, stellte der Bericht auch fest, dass einige im Vergleich zu 2017 häufiger verwendet wurden, während andere zurückgingen. Spark, HBase, Presto, Kafka, Impala, Flink und hausgemachte Ansätze wurden 2018 immer beliebter, während Hive, MapReduce, Storm und Pig weniger genutzt wurden.

Unternehmen priorisieren möglicherweise Big-Data-Initiativen, aber der Mangel an Talenten bleibt laut dem Bericht ein wichtiges Thema. Drei Viertel (75%) der Befragten gaben an, mit einem Mangel an Mitarbeitern bei Ingenieuren, Wissenschaftlern und Betreibern konfrontiert zu sein, die einen Big-Data-Wert liefern können. Während 79% der Unternehmen angaben, dass sie ihre Mitarbeiterzahl im nächsten Jahr erhöhen möchten, gaben 83% an, dass es sehr schwierig ist, Datenfachleute mit den erforderlichen Fähigkeiten und Erfahrungen zu finden.

Laut dem Bericht stehen Unternehmen vor mehreren anderen Herausforderungen, wenn es um Big Data geht. Die am häufigsten genannten Big-Data-Hindernisse waren mangelnde Erfahrung, die den Fortschritt verlangsamt (44%), mit neuen Datenquellen Schritt hält (42%), sich ständig weiterentwickelnde Anwendungsfälle (41%), zu viele manuelle Aufgaben (38%) und das Datenvolumen (34%).

Da immer mehr Unternehmen maschinelle Lernprogramme in einer Vielzahl von Anwendungsfällen implementieren möchten, werden nach dem Bericht starke Big-Data-Praktiken unerlässlich. Die wichtigsten Prioritäten für Initiativen zum maschinellen Lernen im nächsten Jahr sind laut Bericht die Verbesserung der Datensicherheit und des Schutzes vor Bedrohungen, die Optimierung des Kundenerlebnisses und die Nutzung vorausschauender Wartungsarbeiten.

Die großen Imbissbuden für Technologieführer:

  • Spark, Hive und HBase sind die beliebtesten Big-Data-Software-Frameworks, die im Unternehmen verwendet werden. - Qubole, 2018
  • 75% der Datenfachleute gaben an, dass es bei Ingenieuren, Wissenschaftlern und Betreibern, die einen Big-Data-Wert liefern können, einen Personalmangel gab. - Qubole, 2018

Daten-, Analyse- und KI-Newsletter

Holen Sie sich Expertentipps zur Beherrschung der Grundlagen der Big-Data-Analyse und bleiben Sie über die neuesten Entwicklungen in der künstlichen Intelligenz auf dem Laufenden. Montags geliefert

Heute anmelden

© Copyright 2021 | pepebotifarra.com