大数据的优点和缺点

　　大量数据可能来自几乎任何产生数据的内容，包括搜索引擎和社交媒体，以及一些不太明显的来源，如电网和交通基础设施。这些数据可以分为三种类型：结构化，半结构化和非结构化。通常以预定的间隔收集和分析大数据。然而，通过实时大数据分析，收集和分析是连续的，为企业提供最新的洞察力。

　　Hadoop是用于分析大数据的最有名的工具，但它不适合处理实时大数据分析。一些实时大数据工具包括：

　　风暴 ——这是一种实时分布式计算系统，可与任何编程语言一起工作，并且可扩展。它目前由Twitter拥有。

　　GridGain——这是一个企业开源网格计算工具。它与Hadoop DFS兼容，它可以替代Hadoop的MapReduce。

　　优点

　　快速识别错误——让我们假设发生错误，需要尽快解决。通过实时大数据分析，可立即识别此错误并快速修复。这可以帮助防止更多的和/或更严重的故障。从长远来看，这也有助于企业的声誉，快速的错误更正可以帮助获得更多的客户。

　　储蓄——尽管实时大数据分析的实施可能是昂贵的，但立即数据分析的高价值可以弥补这一支出。

　　逐步服务——通过大数据分析监控产品和服务可能会为客户带来更高的转化率，从而可能导致更高的利润。可以通过分析轻松预测即将发生的错误和问题，这也有助于更多地关注客户需求。

　　实时欺诈检测——管理系统和服务器安全性的团队可以快速，轻松地通知欺诈，一旦发现欺诈，就可以实时采取措施。

　　对竞争对手的策略——竞争对手今天在市场上屡屡受挫，大数据分析可帮助您提供竞争对手的详细图片，例如推出新产品，降低/提高特定时间的价格或专注于特定地点的用户。

　　洞察——销售洞察对于了解销售的地位至关重要。这些见解可能导致额外的收入，例如长期不会失去客户，检查跳出率，并通过分析实时大数据分析找到最佳的销售增长方式。

　　趋势——通过分析客户趋势的决策可以通过实时大数据分析完成。这可能包括产品，广告，客户需求，特定季节可用的优惠等。因此，它也可以改善长期的决定。

　　缺点

　　Hadoop不兼容——如前所述，Hadoop是最广泛使用的大数据分析工具，目前不能处理实时数据。因此，需要一些其他工具，期望在未来Hadoop将为实时方法添加功能。

　　需要新的方法——有些组织习惯每周接受一次洞察。然而，随着实时大数据的不断流入，需要一种完全不同的方法。这可能是一些组织的挑战，可能会导致一些决策和计划的重塑。

　　可能的失败——一些组织可能会将实时大数据分析视为一个闪亮的新玩具，并希望立即实施。但是，如果不能正确实施，可能会导致许多问题。如果一个企业不是以这么快的速度来处理数据，那可能会导致不正确的分析，这可能会给组织带来更大的问题。