Cerca English (United States)  Italiano (Italia) Deutsch (Deutschland)  Español (España)
martedì 1 dicembre 2020 ..:: QlikView e i Big Data ::.. Registrazione  Login

 

Sfruttare la potenza dell'analisi dei Big Data per gli utenti aziendali

Valutare l'opinione dei consumatori, ottimizzare le supply chain, rilevare le frodi – i Big Data sono potenti. Ma per utilizzare al meglio tale potenza, le organizzazioni devono assumere esperti, creare complessi algoritmi e compiere ingenti investimenti in infrastruttura e software. Tutto questo lascia aperta una domanda per i dirigenti aziendali e i professionisti IT che li supportano: È possibile rendere i Big Data utili per gli utenti aziendali?

 Esplora QlikView


  

 QlikView e i Big Data

Rendere i Big Data rilevanti per gli utenti aziendali

Il valore dei Big Data può essere messo a disposizione degli utenti aziendali condensando queste informazioni e presentando in modo intelligente solo ciò che è rilevante e contestuale al problema analizzato. Ad esempio, un dirigente potrebbe essere interessato a dati di riepilogo delle varie linee di prodotti dell'azienda, mentre il responsabile di prodotto o di una determinata area potrebbe richiedere un maggiore grado di dettaglio, ma solo per le aree di sua competenza. In alcuni casi, come quello di un manager dell'assistenza clienti che deve indagare tra i dati di un cliente specifico, può essere necessario visualizzare i dati raw. I professionisti IT devono non solo fornire l'infrastruttura, ma anche dare significato ai Big Data..


Gestire i Big Data con QlikView

Consolidare i dati rilevanti di più origini, inclusi i repository di Big Data

Accedere ai Big Data senza modeling o programmazione complessi dei dati

Accedere e analizzare i Big Data dai dispositivi mobili

Scegliere il metodo più significativo per l'utente e per l'infrastruttura IT

Esplorare le associazioni tra Big Data e dati tradizionali

Abilitare il processo decisionale sociale attraverso la collaborazione in tempo reale


QlikView offre una scelta

Big Data è un termine relativo e le richieste di dati di ogni organizzazione sono differenti. QlikView offre due diversi approcci per maneggiare i Big Data, entrambi con la stessa user experience. Passare da una all'altra è molto semplice cosicchè gli utenti non devono essere confinati in uno dei due approcci.

Analizzare i Big Data con l'architettura 100% in-memory di QlikView

Il motore dei dati in-memory brevettato di QlikView comprime i dati tipici di un fattore 10; ovvero, un singolo server con 256 GB di RAM può caricare fino a 2 TB di dati non compressi. Questo significa miliardi di righe e la possibilità di offrire tempi di risposta possibili solo con architetture in-memory. Altre funzionalità di QlikView come il concatenamento dei documenti e il carico binario accelerano ulteriormente l'esplorazione di set di dati molto estesi. Questo è il percorso scelto da molti clienti QlikView per analizzare terabyte di dati archiviati in data warehouse o cluster Hadoop o repository simili.


Avete investito in un'infrastruttura di Big Data? Scoprite la QlikView Direct Discovery

QlikView Direct Discovery è un approccio ibrido che sfrutta sia i dati in-memory sia quelli sottoposti a query dinamiche da un'origine esterna, ideale per le aziende che hanno investito in un grande data warehouse o in altra infrastruttura di Big Data e non intendono caricare tutti i dati nel motore in-memory di QlikView. 

QlikView Direct Discovery esegue tre operazioni:

  • Interrogazione dei repository di Big Data in tempo reale
  • Trasferimento nella cache dei risultati delle query in memoria per richiamarli più rapidamente
  • Mantenimento delle associazioni tra tutti i dati, indipendentemente da dove si trovano

Questo approccio ibrido offre i seguenti vantaggi agli utenti aziendali:

  • Accesso ai Big Data senza avere conoscenze di programmazione
  • Aggiunta di significato e contesto ai Big Data
  • Drill-down a dettagli granulari quando necessario 


  

GDSOFT   Condizioni d'Uso  Dichiarazione per la Privacy
DotNetNuke® is copyright 2002-2020 by DotNetNuke Corporation