BIG DATA’S LITTLE BROTHERSAN FRANCI

BIG DATA’S LITTLE BROTHER
SAN FRANCISCO – David Soloff is recruiting an army of “hyperdata” collectors. By analyzing the photos of prices and the placement of everyday items like piles of tomatoes and bottles of shampoo and matching that to other data, Premise is building a real-time inflation index to sell to companies and Wall Street traders, who are hungry for insightful data. Collecting data from all sorts of odd places and analyzing it much faster than was possible even a couple of years ago has become one of the hottest areas of the technology industry.
The idea is simple: With all that processing power and a little creativity, researchers should be able to find novel patterns and relationships among different kinds of information. A picture of a pile of tomatoes in Asia may not lead anyone to a great conclusion other than how tasty those tomatoes may or may not look. But connect pictures of food piles around the world to weather forecasts and rainfall totals and you have meaningful information that people like stockbrokers or buyers for grocery chains could use.
Standard statistics might project next summer’s ice cream sales. The aim of people working on newer Big Data systems is to collect seemingly unconnected information like today’s heat and cloud cover, and a hometown team’s victory over the weekend, compare that with past weather and sports outcomes, and figure out how much mint chip ice cream mothers would buy today. In the world of computer hardware, in-memory computing, an advance that allows data to be crunched without being stored in a different location, has increased computing speeds immensely. That has allowed for some real-time data crunching.
Traditional data analysis was built on looking at regular information, like payroll stubs, that could be loaded into the regular rows and columns of a spreadsheet. With the explosion of the Web, however, companies like Google, Facebook and Yahoo were faced with unprecedented volumes of “unstructured” data, like how people cruised the Web or comments they made to their friends.

Результаты (русский) 1:

БОЛЬШИЕ ДАННЫЕ МАЛЕНЬКИЙ БРАТСан-ФРАНЦИСКО – Дэвид Солоффым вербует армию «hyperdata» коллекционеров. Анализируя фотографии цены и размещение предметов быта как груды помидоров и бутылки шампуня и соответствия, что к другим данным, предпосылка строит индекс реального времени инфляции для продажи компаний и Уолл-стрит торговцев, которые голодны для проницательных данных. Сбор данных от всех видов нечетные места и анализируя гораздо быстрее, чем это было возможно даже несколько лет назад стала одной из горячих областей промышленности.Идея проста: С этой вычислительной мощности и немного творчества, исследователи должны иметь возможность найти новые модели и связи между различными видами информации. Картина кучу томатов в Азии не может привести никого к большой вывод кроме как вкусно эти помидоры могут или не могут выглядеть. Но подключить фотографии свай продовольствия во всем мире для прогнозов погоды и итоги осадков и у вас значимой информации что люди, как биржевые маклеры или покупатели для продуктовых цепочек может использовать.Стандартная статистика может проект продажи мороженого летом следующего года. Целью людей, работающих на новых систем больших данных является сбор казалось бы не связанной информации сегодня тепла и облачного покрова, а родной команды победу над викэндом, Сравните это с прошлых погодой и спортивные результаты и выяснить, сколько мяты чип мороженого матери будет купить сегодня. В мире компьютерного оборудования в памяти вычислений, заранее, что позволяет получать данные для хрустел не хранится в другом месте, увеличилась скорость вычислений безмерно. Это позволяет для некоторых данных в реальном времени хруст.Анализ традиционных данных был построен на глядя на регулярную информацию, как зарплаты заглушки, которые могут быть загружены в обычных строк и столбцов таблицы. С взрывом Интернета однако, такие компании, как Google, Facebook и Yahoo столкнулись с беспрецедентным количеством «неструктурированных» данных, как, как люди курсировали Интернет или комментарии, которые они сделали своим друзьям.

Результаты (русский) 2:

BIG DATA'S младшем брате
САН - ФРАНЦИСКО - Дэвид Soloff набирает армию "Гиперданные" коллекционеров. Анализируя фотографии цены и размещение бытовых предметов , как груды помидоров и бутылки шампуня и соответствие , что другим данным, Предпосылка строит индекс инфляции в режиме реального времени , чтобы продать компаний и трейдеров Уолл - стрит, которые жаждут проницательный данные. Сбор данных от всевозможных нечетных местах и анализируя его гораздо быстрее , чем это было возможно даже несколько лет назад стала одной из самых горячих областей индустрии высоких технологий.
Идея проста: Со всей этой вычислительной мощности, и немного творчества, исследователей должны быть в состоянии найти новые закономерности и взаимосвязи между различными видами информации. Картина груду томатов в Азии не может привести кого - либо к большому выводу, кроме как вкусно эти помидоры могут или не могут смотреть. Но соединить снимки продовольственных свай по всему миру для прогнозов погоды и осадков итоги и у вас есть значимую информацию , что такие люди , как биржевиков или покупателей для продуктовых сетей могли бы использовать.
Стандартные статистические данные могут выступать продажи мороженого летом следующего года. Цель людей , работающих в новых системах Big Data является сбор кажущихся несвязанными информации наподобие сегодняшнего тепла и облачности, и победа родной город команды в минувшие выходные, сравните это с прошлым погоды и спортивных результатов, а также выяснить , сколько мяты чип - мороженое матери будут покупать сегодня. В мире компьютерной техники, в памяти вычислительной техники, передовая , что позволяет получать данные хрустел без сохранения в другом месте, увеличилась скорость вычисления очень. Это позволило некоторым данным в режиме реального времени хруст.
Анализ традиционных данных был построен на глядя на регулярной информации, как фонд заработной платы пней, которые могут быть загружены в строках и столбцах таблицы. При взрыве в Интернете, однако, такие компании , как Google, Facebook и Yahoo столкнулись с беспрецедентными объемами «неструктурированных» данных, например , как люди , курсировали в Интернете или замечания , которые они сделали для своих друзей.