Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Érdemes-e kitörni a „Small Data” világából? 2016. március 3. Magyari Péter, Technológiai.

Hasonló előadás


Az előadások a következő témára: "Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Érdemes-e kitörni a „Small Data” világából? 2016. március 3. Magyari Péter, Technológiai."— Előadás másolata:

1 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Érdemes-e kitörni a „Small Data” világából? március 3. Magyari Péter, Technológiai Üzletág Igazgató, ORACLE Hungary

2 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Safe Harbor Statement The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment to deliver any material, code, or functionality, and should not be relied upon in making purchasing decisions. The development, release, and timing of any features or functionality described for Oracle’s products remains at the sole discretion of Oracle. 2

3 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. |

4 4 Did You Know That – In 60 SECONDS (source:  Search engine Google serves more that 694,445 queries  6,600+ pictures are uploaded on Flickr  600 videos are uploaded on YouTube videos, amounting to 25+ hours of content  695,000 status updates, 79,364 wall posts and 510,040 comments are published on Social Networking site Facebook  70 New domains are registered  168,000,000+ s are sent  320 new accounts and 98,000 tweets are generated on Social Networking site Twitter  iPhone applications are downloaded more than13,000 times  20,000 new posts are published on Micro-blogging platform tumbler  Popular web browser FireFox is downloaded more than 1700 times  Popular blogging platform WordPress is downloaded more than 50 times  WordPress Plugins aredownloaded more than 125 times  100 accounts are created on professional networking site LinkedIn  40 new Questions are asked on YahooAnswers.com  100+ questions are asked on Answers.com  1 new article is published on Associated Content, the world’s largest source of community-created content  1 new definition is added on UrbanDictionary.com  1,200+ new ads are created on Craigslist  370,000+ minutes of voice calls done by Skype users  13,000+ hours of music streaming is done by personalized Internet radio provider Pandora  1,600+ reads are made on Scribd, the largest social reading publishing company

5 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | In a recent McKinsey report entitled “Getting Big Impact from Big Data”, David Court highlights the barriers impeding the take-up of "Big Data" within organizations. I have counted six, which are like so many symptoms of the repeated "enthusiasm/disenchantment" cycle mentioned above:Getting Big Impact from Big Data The "data scientists" is the star player yet they remain rare and are often quite expensive; Aggregating data from disparate sources presents complex integrity problems; While the investments - particularly the maintenance costs of existing systems - are high, "top management" is disappointed to see that these “big data” projects have not yet resulted in a noticeable ROI; Unfortunately, due to skill set disconnect and tool incompatibility between tech and business oriented teams, data scientists often have no choice but to go along with the tune of "give us the raw data, we'll extract the nuggets from it", thus alienating themselves from the support of those who should be their biggest fans; The "top management" is disappointed to see that, despite some initial outcomes worthy of interest, the systems in place falter in comparison to the bombastic promises associated with "big data"; Finally, the beneficiaries in the trades are put off by the "black box" aspect associated with the implementation of the first "big data" applications. It is difficult for them to build strategies on results whose origin they don't understand. The result: they tend to fall back on driving blindfold, which has been more successful for them thus far.

6 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Adat emésztés / elemzés paradigma váltás a Big Data következményeképp Pontosság vs. Teljesség Ok - Okozat vs.Korreláció - Együttmozgás Strukturált adat vs. Strukturáltalan adat Digitalizálás (Digitization) vs. Adatosítás (Datafication)

7 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Information Management – Logikai nézet „Data Reservoir” & Enterprise Information Store – teljes nézet Lekérdezés virtualizáció és elosztott lekérdezések Vállalati teljesítmény mérés (EPM) Előre definiált & ad-hoc BI riportok Információs szolgáltatások Adatbetöltés Információ kinyerés Adatpiac és elemzési réteg Központi adatréteg Nyers adattároló Algoritmikus elemzések & „Data Science” Eszközök Data Engines & Poly-structured sources Szabad szöveg Szabad szöveg Docs Web & Social Media SMS Strkuturált adat források Strkuturált adat források Operational Data COTS Data Streaming & BAM „Nem változó” nyers adattároló (nincs transzformáció vagy értelmezés) Központi adattárház réteg. Üzleti folyamattól független adattárolás. Üzleti értelmezéssel ellátott adatréteg. Múlt, jelen, jövő. Rugalmas, többszempontú elemzést ad. Discovery Lab Sandboxes Rapid Development Sandboxes Célorientált adathalmazok konkrét „felfedező” típusú elemzések végrehajtásához. Célorientált adathalmazok prototípus alapú fejlesztésekhez Adatforrások Master & referencia adatforrások Adatbetöltő és adatminőség-biztosító eljárások Adatkinyerő módszerek és eljárások

8 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Batch Data, Storage & Analysis Real-Time & Fast Data Big Data Architecture Global architecture SSoocciiaallSSoocciiaall Expert System Decision Engine Complex Event Processing Real-time data sources -ATMs -PoS -Log systems -Mobile data -Real-time social media Batch based data sources -Host files -Relational Databases -External files -Social Media -… Interactive channels Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | 8 -Web -Mobile -ATM -Social media -Bank applications

9 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Big Data Architecture Fast Data architecture Real-time, fast-data architectures will usually include OEP and/or RTD OEP will be needed if there are streaming data sources with events that must be filtered or aggregated NoSQL can be used as blindly fast, low latency key-value storage for OEP or RTD RTD will be in the picture every time you need to make decisions of any type, specially if there is real-time interaction RTD NoSQL Database Events Filtered & aggregated events OEP Real-time storage Key-value data Batch data Decisions Decision requests & feedback Real-time streaming event sources Customer & user applications 9

10 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Liquidity Analysis Investment Banking Corporate Banking Fraud Detections Payments / Cards Customer Targeting Retail Banking Mortgage Fraud Retail Banking Employee Fraud Retail Banking Market Risk Trading Sentiment Investment Banking Trading Strategies Investment Banking Portfolio Analysis Wealth Management Corporate Banking Trader Surveillance Investment Banking Risk & Compliance Corporate Banking Retail Banking Collections Retail Banking Data Monetization Retail Banking Consumer Sentiment Retail Banking Credit Worthiness Retail Banking Small Business Product Innovation Payments / Cards Insurance Offers Potential use cases Oracle and Unicredit Confidential

11 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Garanti Bank - Turkey All Data Management Platform : Better Insight, Real-Time Offers and Reduced Risk The Oracle Products Business Intelligence Suite Enterprise Edition Plus Business Intelligence Mobile Exalytics X boxes Big Data Appliance – 2 Full Rack Oracle Endeca Information Discovery Endeca Discovery Foundation for Oracle Applications Oracle Event Processing Real-Time Decisions Database with In-Memory, partitioning & RAC options Audit Vault Data Integrator Enterprise Edition Sandbox - Unstructured & Structured Data Discovery and Trend Analysis Real Time Decision – All Sales Channels decision support Event Processing – For All Systems, Security and Web Logs to trigger necessary actions BigData Discovery All Data Usage on DW and BigData Log Analysis w/ Big Data Appliance DW on Exadata Business Analytics w/HA on Exalytics OBIEE RTD OEID Cloudera Hadoop Oracle R Oracle NoSQL DW Big Data SQL OEP T5 SPARC Big Data Discovery

12 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Small Datatól inkrementálisan és organikusan a Big Data felé 1.Big Data Connector-okkal a meglévő adattárházból (ODWH-ból) (Big Data SQL-el meglévő SQL kompetenciákra építve!) 2.Big Data Appliance (kis „konzerv” megoldással) (előtelepített Cloudera Hadoop, NoSQL, R,...) 3.Big Data Cloud (indulásként felhő – hosszú távú elkötelezettség mentesen)

13 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | As financial institutions expand their use of analytics, they are also looking for ways to combine internal and external data. According to the Oracle study, over the past two years, customer information has grown most rapidly (36 percent), followed by market data from external sources (30 percent) and sales/marketing data (29 percent).

14 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Creating Value with Data HEALTH CARE MANUFACTURING COMMUNICATIONS “In a big data world, a competitor that fails to sufficiently develop its capabilities will be left behind.” Reduce Prescription Fraud Accelerate Test Cycles to Reduce Backlog Offering New Services based on Location Data McKinsey Global Institute RETAIL Better Predict Customer Needs PUBLIC SECTOR Improve Student Outcomes

15 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | „Big Data Here To Stay” – tények, melyek a BD maradását bizonyítják től többen kapcsolódunk az internetre a mobil eszközeinkről, mint notebook vagy asztali számítógépekről! 2.Egy vegyes iparági merítésű 400 felső vezetői lista megkérdezetjei közül 76% azt nyilatkozta, hogy főleg belső adatok elemzéséből működtetik szervezetüket 3.Alibaba -> Aliyun „China’s first artificial intelligence platform” 100 Petabyte adatfeldolgozási képesség 4.67 Mrd USD történelmi legnagyobb technológiai felvásárlás Dell – EMC – Vmware (Tároló kompetencia miatt.) 5.FCA Financial Conduct Authority novemberében bejelentette, hogy figyelni fogja az angol biztosító társaságok BD használatát, hogy a diszkriminatív kirekesztő csoportok beazonosítási technológiáját megakadályozza 6.General Data Protection Regulation (GDPR) 3 év után megállapodásra jutott, hogy EU-n belül kötelező érvényű szabályozás lesz a személyes adatok gyűjtésének tiltásáról, amennyiben nincs explicit hozzájárulás (OPT-IN) az adott személy részéről (büntetés az adott vállalat éves teljes nemzetközi bevételeinek 4%-ban van maximálva!)

16 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Strukturált és nem strukturált adatok együttes gyűjtése Különböző forrású ügyfél adatok egységes kezelése Több és komplexebb adatok elemzése (web, call center, sociális médiák,...) Nagyobb historikus adat reservoir feldolgozása az elemzések során Adatok elérhetővé tétele az analitikus elemző eszközök számára (SAS, R, Organon, BI) Performancia fokozása és az analitika vizualizációjában szignifikáns előrelépés Helyzet függő reakció és tartalom (helyszín, csatorna, időpont,célcsoport,...) Üzleti érték bányászat támogatás Szociális médiákon keresztüli saját mérő mátrix Nem BigData-val összefüggő felismerések Központosított adat tudós csapat a konzisztens analitika érdekében Központosított marketing a konzisztencia érdekében Új felismerések a közös projekt kapcsán Kifejlesztett képességek

17 Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Consolidated Big Data Requirements Different functional use cases – echoing the same Price Sensitivity Context Improved credit risk Social Media Predictive models Customer Insight Structured / unstructured Channel Optimization Fraud Life stage and style Early warnings Operational efficiency Volume and history

18


Letölteni ppt "Copyright © 2014 Oracle and/or its affiliates. All rights reserved. | Érdemes-e kitörni a „Small Data” világából? 2016. március 3. Magyari Péter, Technológiai."