Prescriptive Analytics analysiert Daten und bietet sofortige Empfehlungen zur Optimierung der Geschäftspraktiken für mehrere prognostizierte Ergebnisse.
Weitere Informationen
ELT ist der Prozess, mit dem Rohdaten extrahiert, geladen und in einen Datensee oder ein Lager umgewandelt werden. Im Gegensatz zu ETL bietet ELT ein schnelleres Laden.
Weitere Informationen
Bei der Datentransformation geht es um die Konvertierung von Daten in verschiedene Formate. In der Regel wird dabei das Datenformat des Ursprungssystems in das des Zielsystems umgewandelt.
Weitere Informationen
Erfahren Sie, wie Big Data die Vorgehensweise beim Datenqualitätsmanagement verändert. Mit Big Data ist maschinelles Lernen (ML) zum Mainstream geworden und genauso wie Data Quality (DQ) ML beeinflusst hat, so verändert auch ML die Vorgehensweise bei der DQ-Implementierung.
Weitere Informationen
Unternehmen können zuverlässige Daten schneller bereitstellen, wenn diese in ein Cloud-Data-Warehouse oder Cloud-Data-Lake verlagert werden.
HERUNTERLADEN
Angesichts der wachsenden Menge an Big Data sollten Unternehmen ihre Prozesse optimieren. Big Data zu optimieren bedeutet zum Beispiel, (1) Latenz bei der Verarbeitung zu vermeiden, (2) Daten in Echtzeit zu nutzen und (3) Daten zuerst zu analysieren und erst dann Entscheidungen zu treffen. Erfahren Sie alles, was Sie wissen müssen, um heute noch loszulegen.
Weitere Informationen
Batch processing is a method of running data jobs when resources permit and with little or no user interaction to improve efficiency and automate processes.
Weitere Informationen
Erfahren Sie, wie Sie mittels Spark-Framework einen Big-Data-Batch-Job erstellen und Daten aus HDFS lesen, sortieren und in der Konsole anzeigen.
Jetzt ansehen
In diesem Tutorial erstellen Sie zufällige Daten und schreiben diese in HDFS. Anschließend lesen Sie die Daten aus HDFS, sortieren sie und zeigen das Ergebnis in der Konsole an.
Jetzt ansehen
Erfahren Sie, wie Sie Hadoop-Cluster-Metadaten automatisch durch eine Verbindung zu Cloudera Manager erstellen.
Jetzt ansehen
Der Zweck eines Data Lake liegt im Wesentlichen darin, einen direkten und umfassenden Zugriff auf rohe (ungefilterte) Unternehmensdaten bereitzustellen. Data Lakes sind eine Alternative zur Speicherung einer begrenzten Anzahl unterschiedlicher Datensätze in verteilten, heterogenen Datensilos.
Weitere Informationen
In diesem Tutorial erfahren Sie, wie Sie Hadoop-Cluster-Metadaten erstellen, indem Sie die Konfiguration aus den Hadoop-Konfigurationsdateien importieren.Dieses Tutorial basiert auf Talend Data Fabric Studio Version 6 und einem Hadoop-Cluster: Cloudera CDH Version 5.4.1. Erstellen Sie eine neue Hadoop-Cluster-Metadaten-DefinitionWählen Sie die Ansicht Integration aus.Erweitern Sie im Project Repository den Bereich Metadata, klicken Sie mit der rechten Maustaste auf Hadoop Cluster und klicken Sie anschließend auf Create Hadoop Cluster, um den Assistenten zu öffnen.Geben Sie im „Hadoop Cluster Connection“-Assistenten im Feld „Name“ MyHadoopCluster_files ein. Geben Sie im Feld „Purpose“ Cluster connection metadata ein. Geben Sie im Feld „Description“ Metadata to connect to a Cloudera CDH 5.4 cluster ein und klicken Sie auf Next.
Jetzt ansehen
Talend, der Spezialist für Open-Source-Integration, bietet nahtlose Hadoop Hive-Unterstützung in Talend Open Studio for Big Data. Als erste reine Open-Source-Lösung für Big-Data-Management vereinfacht Talend Open Studio for Big Data die Arbeit mit Hadoop Hive und die Integration von Hive in die Datenflüsse Ihres Unternehmens.
Weitere Informationen
Talend, der führende Anbieter von Open-Source-Lösungen für Datenintegration, integriert Sqoop-Funktionen in eine einheitliche, vielfältige und benutzerfreundliche Big-Data-Integrationslösung und steigert so den Nutzen von Sqoop.
Weitere Informationen
Die vier kritischen Aktionen in Datenpipelines dienen allesamt der Datenintegration. Die Ausgangsbasis stellen die Rohdaten dar, die letztendlich zu aussagekräftigen Informationen und Erkenntnissen führen sollen.
Weitere Informationen
Dieses Whitepaper von Databricks und Talend erklärt, wie man mit intelligenten und automatisierten Cloud-Tools große Datenmengen skalieren und maschinelles Lernen operationalisieren kann.
HERUNTERLADEN
Ihre Daten sollten die Zusammenarbeit verbessern, die Geschäftsperformance stärken und die Entscheidungsfindung optimieren. Ist das nicht der Fall, brauchen Sie eine einzige Version der Wahrheit.
Weitere Informationen
Sie haben sich also für einen Data Lake entschieden. Damit Ihr Entschluss auch von Erfolg gekrönt ist, sollten Sie sich als Nächstes mit einigen Best Practices vertraut machen.
Weitere Informationen
Learn how companies in many different industries can use data quality tools to improve current processes and accurately drive future decisions.
Weitere Informationen
Laut Gartner werden 90 % der implementierten Data Lakes nutzlos sein und Experian geht davon aus, dass rund 32 % der Daten in US-Unternehmen ungenau sind. Doch Daten sind das wertvollste Gut für jedes Unternehmen und es wäre eine Schande, sie komplett zu löschen oder irgendwo in einem verlassenen Data Lake vor sich hindümpeln zu lassen. Data Scientists sollten ihre wachsenden Pools mit IoT-Daten stattdessen aktiv nutzen, um die von verschiedenen Endpunkten bereitgestellten Informationen zu analysieren und Schlussfolgerungen daraus zu ziehen, die zu besseren Geschäftsergebnissen führen.
Weitere Informationen
Unter Datenaufbereitung versteht man die Bereinigung und Transformation von Rohdaten vor der eigentlichen Verarbeitung und Analyse. Der Prozess ist zwar zeitaufwendig, aber unerlässlich, um die Vorteile von Business-Intelligence zu realisieren. Und dank smarter Selfservice-Tools funktioniert die Datenaufbereitung heute so einfach und effizient wie nie zuvor.
Weitere Informationen
Mithilfe von Kafka und anderen Streaming-Data-Frameworks können Sie Ihre Streaming-Daten auf skalierbare, flexible Weise verlagern und verarbeiten.
Weitere Informationen
Big Data ist ein Sammelbegriff für alles, was mit der Erfassung, Analyse und Nutzung riesiger Mengen digitaler Informationen zur Prozessoptimierung zu tun hat. Es verändert die Art wie wir leben, einkaufen und unseren Alltag bewältigen – und das in einem rasanten Tempo. Hier erfahren Sie, was genau sich hinter dem Begriff Big Data verbirgt und wie Sie möglichst viel aus Ihren Big Data herausholen können.
Weitere Informationen
ETL-Tests beziehen sich auf Prüfungen während des ETL-Prozesses, um die Genauigkeit von Daten zu validieren, zu verifizieren und sicherzustellen sowie Dubletten und Datenverluste zu verhindern. Erfahren Sie mehr über die 8 Phasen von ETL-Tests, 9 Arten von Tests, häufige Herausforderungen, wie Sie das beste Tool finden und mehr.
Weitere Informationen
Ein Data Lake ist ein zentrales Repository, das Big Data aus verschiedenen Quellen im Rohformat speichert. Aufgrund der Vorteile des Data Lake-Formats verabschieden sich viele Organisationen von ihren Data Warehouses. Erfahren Sie, worin sich Data Lakes von anderen Speichern unterscheiden, warum sie immer beliebter werden und wie Sie anfangen können, einen Data Lake zu erstellen.
Weitere Informationen