Video: Intoarcerea Zeilor (Return of The Gods) 2024
Datele din analiza predictivă pot fi identificate ca streaming, statice sau ca o combinație a celor două. Datele streaming se modifică continuu; exemple includ fluxul constant al actualizărilor Facebook, tweet-urilor pe Twitter și prețurile la bursă în continuă schimbare, în timp ce piața este încă deschisă.
Datele în flux sunt în continuă schimbare; date statice sunt autonome și închise. Problemele asociate cu datele statice includ lacune, valori exagerate sau date incorecte, toate acestea putând necesita o anumită curățare, pregătire și preprocesare înainte de a putea folosi date statice pentru o analiză.
La fel ca în cazul fluxurilor de date, pot apărea și alte probleme. Volumul poate fi o problemă; cantitatea totală de date non-stop care sosesc în mod constant poate fi copleșitoare. Cu cât mai rapid se strecoară datele, cu atât mai greu este ca analiza să ajungă din urmă.
Cele două modele principale pentru analizarea datelor streaming sunt următoarele:
-
Examinați doar cele mai noi puncte de date și luați o decizie cu privire la starea modelului și mutarea acestuia. Această abordare este incrementală - în esență, construirea unei imagini a datelor pe măsură ce ajunge.
-
Evaluați întregul set de date sau un subset al acestuia pentru a lua o decizie de fiecare dată când sosesc noi puncte de date. Această abordare include mai multe puncte de date în analiză - ceea ce reprezintă setul de seturi de date "întregi" se modifică de fiecare dată când se adaugă date noi.
În funcție de natura afacerii dvs. și de impactul anticipat al deciziei, un model este preferabil celuilalt.
Unele domenii de activitate, cum ar fi analiza datelor de mediu, de piață sau de informații, primesc date noi care sosesc în timp real. Toate aceste date trebuie analizate pe măsură ce sunt transmise în flux - și interpretate nu numai corect, ci imediat.
Pe baza informațiilor disponibile, modelul redă întreaga reprezentare internă a lumii exterioare. Făcând acest lucru vă oferă cea mai actuală bază pentru o decizie pe care ar putea fi necesar să faceți și să acționați rapid.
De exemplu, un model de analiză predictivă poate procesa un preț de stoc ca feed de date, chiar dacă datele se schimbă rapid, analizează datele în contextul condițiilor de piață imediate existente în timp real și apoi decid dacă să tranzacționeze stoc special.
Este clar că analizarea datelor streaming diferă de analiza datelor statice. Analizând o combinație a ambelor tipuri de date poate fi și mai dificilă.