不久前，我介绍了静态数据与动态数据的概念，以及数据如何在人死亡之外存在。在这种情况下，公司如何允许数据在传递之后被传输，以及数据如何比许多人乍看之下更加复杂和个性化。在某个服务器某处存储的计算机显示器上，它远远超过1和0。它与一个人的存在联系在一起。然而，公司也发现，发现传统上不是数据的新数据可能会很棘手，但也是未来成功的差异因素。有很多数据，包括结构化和非结构化数据，能够监视，存储和分析它需要大量的资源和计算能力。这就是大数据分析这个词汇的来源，以及Apache Hadoop和其他工具等框架可以理解这一切。对于组织来说，非常重视数据泄露并拥有防范此类威胁的所有安全措施也是至关重要的。通常，它们来自公司内部的内部错误而不是外部攻击，尽管这也是公司面临的一个非常危险的问题。云计算最近特别受到来自外部组织边界的网络犯罪分子的攻击。

据集，可以在电子表格中进行估算，也可以轻松地以数学方式进行计算。非结构化数据是无法轻易识别，跟踪并放入数据集或组的数据。它包括社交媒体，视频源，多媒体内容，电子邮件，文字处理文档和演示文稿。与传统上存储在数据仓库中的内容相比，非结构化数据更易于解释。

在使用适当的分析和数据发现技术来理解它之后，您甚至可能不会考虑的数据最终会给您的公司带来很好的洞察力。非结构化数据占所有数据的80%。

就数据分析的位置而言，分析数据有三个主要位置。根据Next Platform最近的一篇文章，关注Hadoop和Spark数据分析，这些位置是内部部署设施，云端或边缘。这是我将在下面介绍的一个相对较新的概念。

边缘的数据

边缘指的是在内部部署和云之间的真空中的数据。它也不需要数据中心进行分析。

根据Next Platform的分析，“边缘数据是在本地生成但不一定在内部部署或云数据中心生成的数据”，其中一个例子是工业物联网(IIOT)数据，其中工厂车间信息被收集并用于提高生产率。从逻辑上讲，边缘的“就地”数据分析在这些场景中最有意义。“

其他例子包括实验室，办公室，工厂车间，教室和家庭。分析也可以从这些位置运行，如果数据来自边缘，建议这样做，而不是使用数据中心。

根据报告，“在边缘运行分析通常意味着生活在数据中心之外”，边缘系统集群通常不能由数据中心节点组成。

Next Platform强调，还应使用与其源相同的源来分析数据。牛逼从云始发HUS的数据，例如，应使用云系统和工具进行分析。关于源自内部部署或边缘的数据，必须说同样的事情。

数据发现和物联网

像素艺术概念的数据流

MACIEJ DURAJ

数据发现是一个具有许多机会的领域，因为数据来自广泛的来源。除了简单地记录和存储数据之外，新技术开始开放以找到可以变成非结构化数据集的新数据源。

例如，传感器可以在汽车内部用作数据发现技术。属于物联网框架的对象也可用于根据用户的操作不断收集数据。例如，智能家居的概念可以包括具有WiFi接入的冰箱。这些冰箱可以存储数据或通过云为公司提供这种能力，以便以后能够分析数据并找到在一天中冷却不同食物的最佳条件。

在分析和BI方面，还有许多尚待发现或考虑的数据。未来是光明的，越来越多的公司正在寻找在数据库或框架中输入这些数据的方法，例如Hadoop，这些数据或框架也可以理解这一点。但是，它需要一个高效的连接器，可视化数据发现工具在这方面可以很好。

使用Hadoop，公司可以将非结构化数据输入到其文件系统(HDFS)中，并使用MapReduce在并行计算中使用群集中运行的多个服务器节点进行扩展。这意味着它非常灵活，可扩展到非常大的数据集，这些数据集用于批处理的恒定流，并且处理可以分散在数千台服务器上，共同完成任务。

可视化数据发现是指通过使用图表或图形等内容进行视觉交互来探索数据。这是一个不断增长的重要趋势，因为它允许公司展示和共享数据的各个方面，并在其中寻找趋势，而不必依赖IT团队或数据科学家来理解这一切。

“可视化类型还可能包括气泡图，热图，树状结构，散点图等，”分析和商业智能公司iZenda表示。“这些工具通过使不同能力级别的用户能够通过与可视化进行交互来分析，迭代探索并最终从他们的数据中获取洞察力，从而提供自助式商业智能。”

它基本上允许可视化表示中的数据发现出现或变得明显，并且允许没有数据科学家在点击式点击环境中与数据交互。

TIBCO Spotfire是一个可视化数据发现工具的例子，该工具也恰好由人工智能提供支持。SAS Visual Data Discovery是另一个工具示例，可以帮助公司可视化他们的数据集并理解数据。

如何发现新数据将成为未来商业智能的关键

商业智能(BI)涉及将原始数据(特别是非结构化数据)转换为有意义的洞察力以帮助提高公司绩效，使管理人员能够制定未来业务决策和预测趋势的想法。

为了收集这些任务所需的数据，公司应该了解其市场，客户群，潜在客户(可以针对市场营销)以及必须使用的数据类型。反过来，这可以带来更好的业务决策和改进的性能。

数据发现涉及寻找可用于分析的数据，通常需要使用特定工具来轻松探索数据并找到可用的数据并对其进行分析以获得有效的商业智能。此类商业智能涉及分析趋势的各种数据类型，而不仅仅是可以轻松放入电子表格中的行和列的数据。这就是为什么能够从非结构化数据中分析和收集情报可能是公司能够在竞争中保持领先地位的关键差异。