Ein Zitat von Chris Murphy

Einer der Mythen über das Internet der Dinge besagt, dass Unternehmen über alle Daten verfügen, die sie benötigen, ihre eigentliche Herausforderung jedoch darin besteht, sie zu verstehen. Tatsächlich sind die Kosten für die Erhebung einiger Datenarten nach wie vor zu hoch, die Qualität der Daten ist nicht immer gut genug und es bleibt schwierig, mehrere Datenquellen zu integrieren.
Mit zu wenigen Daten können Sie keine vertrauenswürdigen Schlussfolgerungen ziehen. Bei einer Menge Daten werden Sie auf Beziehungen stoßen, die nicht real sind ... Bei Big Data geht es nicht um Bits, sondern um Talent.
Der größte Fehler ist die übermäßige Abhängigkeit von Daten. Manager werden sagen, wenn keine Daten vorliegen, können sie keine Maßnahmen ergreifen. Es liegen jedoch nur Daten über die Vergangenheit vor. Wenn die Daten schlüssig sind, ist es zu spät, auf der Grundlage dieser Schlussfolgerungen Maßnahmen zu ergreifen.
Gehen Sie raus und sammeln Sie Daten, und anstatt die Antwort zu wissen, schauen Sie sich einfach die Daten an und prüfen Sie, ob die Daten Ihnen etwas sagen. Wenn wir das mit Unternehmen machen dürfen, ist das fast magisch.
Wissenschaftliche Daten werden nicht für Museumszwecke verwendet; Sie werden als Grundlage dafür genommen, etwas zu tun. Wenn mit den Daten nichts gemacht werden soll, ist es sinnlos, welche zu sammeln. Der Zweck der Datenerhebung besteht letztlich darin, eine Handlungsgrundlage bzw. Handlungsempfehlung bereitzustellen. Der Zwischenschritt zwischen der Datenerfassung und der Aktion ist die Vorhersage.
Vorurteile und blinde Flecken gibt es bei Big Data ebenso wie bei individuellen Wahrnehmungen und Erfahrungen. Dennoch besteht die problematische Überzeugung, dass größere Daten immer bessere Daten sind und dass Korrelation genauso gut ist wie Kausalität.
TIA wurde von echten Benutzern verwendet und arbeitete mit echten Daten – fremden Daten. Daten, bei denen Datenschutz kein Problem darstellt.
Untersuchungen der EMA belegen ein starkes und wachsendes Interesse an der Nutzung von Protokolldaten für verschiedene Anwendungsfälle der Infrastrukturplanung und des Betriebsmanagements. Um jedoch den potenziellen ergänzenden Wert unstrukturierter Protokolldaten voll auszuschöpfen, müssen diese mit strukturierten Verwaltungsdaten abgeglichen und integriert werden und die manuelle Analyse muss durch automatisierte Ansätze ersetzt werden. Durch die Kombination der RapidEngines-Funktionen mit seiner bestehenden Lösung wird SevOne das erste Unternehmen sein, das Protokolldaten wirklich in ein Leistungsmanagementsystem der Enterprise-Klasse und der Carrier-Klasse integriert.
Wir erhalten mehr Daten über Menschen als jedes andere Datenunternehmen über Menschen, über irgendetwas – und das ist nicht einmal annähernd der Fall. Wir schauen uns an, was Sie wissen, was Sie nicht wissen und wie Sie am besten lernen. Der große Unterschied zwischen uns und anderen Big-Data-Unternehmen besteht darin, dass wir Ihre Daten aus keinem Grund an Dritte vermarkten.
Wir alle sagen, dass Daten das nächste weiße Öl sind. [Der Besitz des Ölfeldes ist nicht so wichtig wie der Besitz der Raffinerie, denn das große Geld lässt sich mit der Raffinierung des Öls verdienen. Das Gleiche gilt für Daten und dafür, dass Sie den wahren Wert aus den Daten extrahieren.]
Ein Datenwissenschaftler ist die einzigartige Kombination von Fähigkeiten, die sowohl die Erkenntnisse aus Daten erschließen als auch mithilfe der Daten eine fantastische Geschichte erzählen kann.
Bei der ersten Welle des Internets ging es eigentlich um den Datentransport. Und wir haben uns keine großen Gedanken darüber gemacht, wie viel Strom wir verbrauchen, wie viel Kühlbedarf in den Rechenzentren besteht und wie groß die Fläche des Rechenzentrums ist. Das waren fast nachträgliche Gedanken.
Daten dominieren. Wenn Sie die richtigen Datenstrukturen ausgewählt und die Dinge gut organisiert haben, werden die Algorithmen fast immer selbstverständlich sein. Datenstrukturen, nicht Algorithmen, sind für die Programmierung von zentraler Bedeutung.
Facebook sammelt viele Daten von Menschen und gibt dies zu. Und es werden auch Daten gesammelt, die nicht zugelassen sind. Und Google tut es auch. Was Microsoft betrifft, weiß ich nicht. Ich weiß jedoch, dass Windows über Funktionen verfügt, die Daten über den Benutzer senden.
Daten!Daten!Daten!“, schrie er ungeduldig. „Ich kann keine Ziegel ohne Ton herstellen.“
Die Leute glauben, der beste Weg, aus den Daten zu lernen, sei, eine Hypothese aufzustellen und sie dann zu überprüfen, aber die Daten sind so komplex, dass jemand, der mit einem Datensatz arbeitet, nicht weiß, was die wichtigsten Fragen sind. Das ist ein riesiges Problem.
Das Hauptproblem besteht darin, dass Textdaten und materielle Überreste oft unvollständig sind und manchmal kein ausreichender Kontext vorhanden ist, um genau zu wissen, wie sie zusammenhängen. Manchmal können wir nur sagen, dass die Textdaten und die materiellen Überreste wahrscheinlich miteinander in Zusammenhang stehen, aber wie genau, lässt sich erst sagen, wenn weitere Entdeckungen gemacht werden.
Diese Website verwendet Cookies, um Ihnen das bestmögliche Erlebnis zu bieten. Mehr Info...
Habe es!