Große Daten
Indische Unternehmen müssen den Datenanalyse-Bullen bei den Hörnern packen, um eine erkenntnisgesteuerte Organisation aufzubauen
In Indien treiben Wettbewerbsdruck und Kundenerwartungen Unternehmen dazu, Kunden und Mitarbeitern personalisierte Informationen, Produkte und Dienstleistungen anzubieten. Die Verbesserung der Mitarbeiter- und Benutzererfahrungen gehört zu den wichtigsten Softwareinitiativen indischer Unternehmen für die nächsten 12 Monate. Auf Erkenntnissen basierende Unternehmen haben bessere Wettbewerbschancen. Warum? Weil sie die Bedürfnisse und Erwartungen ihrer Kunden/Mitarbeiter besser verstehen. Der Aufbau einer auf Erkenntnissen basierenden Organisation erfordert eine starke Datenanalyse- und Governance-Praxis. Untersuchungen von Forrester zeigen, dass Datenanalyse- und Data-Science-Projekte einen direkten Einfluss auf die Geschäftsergebnisse haben. Diese Initiativen tragen dazu bei, das Kundenerlebnis zu verbessern, neue Einnahmequellen zu entdecken und neue Produkte und Dienstleistungen zu entwickeln und bereitzustellen. Der Aufbau einer erkenntnisorientierten Organisation ist jedoch
Antworten finden mit nachhaltiger urbaner Landwirtschaft – Midwest Big Data Hub
Von Sascha Swenigorodsky Die meisten Einwohner von Illinois wären schockiert, wenn sie hören würden, dass Tausende seiner Bewohner in Gebieten leben, die als Wüsten gelten. Keine Wüsten im wahrsten Sinne des Wortes, sondern Lebensmittelwüsten, städtische Gebiete, in denen es schwierig ist, qualitativ hochwertige oder erschwingliche Lebensmittel zu kaufen. Obwohl Nahrungswüsten nicht von trockenem Sand und heißer Sonne bedeckt sind, weisen beide Arten von „Wüsten“ eine offensichtliche Gemeinsamkeit auf: lebensfeindliche Lebensbedingungen aufgrund mangelnder Nahrungsressourcen. Der USDA Food Access Research Atlas 2019 (rechts) zeigt die Häufigkeit von Lebensmittelwüsten im gesamten Mittleren Westen und weist auf Gebiete hin, in denen eine beträchtliche Anzahl von Einwohnern mehr als 1 Meile (städtisch) bzw. 10 Meilen (ländlich) vom nächsten Supermarkt entfernt lebt. Da sich die Probleme bei der Zugänglichkeit von Nahrungsmitteln durch den Klimawandel verschärfen, besteht die Gefahr,
Warum bevorzugen wir im Data Lake ELT gegenüber ETL? Was ist der Unterschied zwischen ETL und ELT?
EINFÜHRUNG IN ETL, ELT UND DATA LAKE ETL (Extract, Transform, Load) und ELT (Extract, Load, Transform) sind zwei verschiedene Arten von Prozessen zum Verschieben von Daten von einem Quellsystem in ein Zielsystem. ETL extrahiert Rohdaten aus einer Quelle, wandelt sie in ein strukturiertes Format um und lädt sie dann in ein Zielsystem. Die Transformation findet auf einem sekundären Verarbeitungsserver statt, bevor Daten in ein Zielsystem geladen werden. ELT extrahiert jedoch Daten aus der Quelle und lädt sie direkt in ein Zielsystem. Die Transformation erfolgt in einem Zielsystem oder einer Datenbank. ETL wird seit über 20 Jahren praktiziert und eignet sich am besten für kleine Datensätze, die komplexe Transformationen erfordern. Es gewährleistet auch den Datenschutz und die Sicherheit der Daten. ELT ist neuer als ETL und ideal für große Datensätze, die hohe Geschwindigkeit und Effizienz erfordern. ELT ist aufgrund seiner Fähigkeit, große und unstrukturierte Datensätze zu verarbeiten,
Beschleunigen Sie die digitale Transformation mit erkenntnisorientierter Führung
Jedes Jahr setzen Unternehmen Maßnahmen zur digitalen Transformation um. Leider scheitern viele dieser Bemühungen oder bringen nicht die ursprünglich erhofften Ergebnisse. Wenn etwas schiefgeht, machen sich die C-Level-Führungskräfte Sorgen darüber, wie sich die Transformation entwickelt hat, während die Mitarbeiter an vorderster Front die Hauptschuld tragen. Ein Schuldzuweisungsspiel beginnt, eine Vielzahl von Faktoren zu enthüllen, die hinter den enttäuschenden Ergebnissen der Transformation stehen: Schlechte Ausbildung Unklare Ziele und Begründung Mangel an Ressourcen Allerdings handelt es sich bei all diesen vermeintlichen „Gründen“ lediglich um Symptome und nicht um das eigentliche Grundproblem. Mitarbeiter bleiben bei der Implementierung neuer Technologien oft zurück, die üblicherweise von technikaffinen Profis entwickelt werden, die davon ausgehen, dass Mitarbeiter an vorderster Front bzw. Nicht-Tech-Geschäftsprofis sich automatisch anpassen können. Damit die
NSDC eröffnet Kapitel im Midwest – Midwest Big Data Hub
Von Iishi Patel Das Bewusstsein für Datenwissenschaft wird in der heutigen Welt immer wichtiger, da die Menge der täglich generierten Daten exponentiell wächst. Mit den richtigen Fähigkeiten und Kenntnissen kann die Datenwissenschaft genutzt werden, um komplexe Probleme in verschiedenen Bereichen zu lösen, vom Gesundheitswesen bis zum Finanzwesen und darüber hinaus. Daher war der Bedarf an Initiativen wie dem National Student Data Corps, das darauf abzielt, das Bewusstsein für Datenwissenschaft zu schärfen, noch nie so groß. Das National Student Data Corps (NSDC) ist ein Community-basiertes Projekt, das Studierenden in den USA und anderen Ländern Grundlagen der Datenwissenschaft vermittelt, wobei der Schwerpunkt auf unterversorgten Studierenden und Institutionen liegt. Es begann im Jahr 2020 mit der Eröffnung seines ersten Kapitels in der nordöstlichen Region. Heute umfasst die NSDC-Gemeinschaft über 3.550 Personen aus 532 Institutionen in den USA und 26 anderen Ländern. Zu den Zielen