在大数据工具箱中查找

与术语“超级”非常相似，大数据中的大数据带有一定程度的炒作。就像我们现在拥有超级跑车，超级名模，超级摊铺机和超大型餐点一样，我们现在也拥有大企业，大数据，当然还有巨无霸。

无论炒作周期如何，大数据都已牢固地进入了我们的技术业务词汇表。现在，当我们谈论通过云，物联网（IoT）以及整个人工智能（AI）的新领域传递的大规模Web规模的信息流时，我们将其用作一个笼统的术语。

广义上来说，是指大量的数据量太大而无法舒适地或高效地适合任何类似于“传统”关系数据库管理系统的数据，大数据仍然只是数据……但它包括企业的核心运营数据以及所有组织知道的但可能尚未采取行动的信息。

大数据工具箱中的无码扳手和扳手

为了克服大数据的泥潭，越来越多的软件公司开始涉足大数据工具业务。那么这些工具的大小和形状又是什么？

无代码数据访问平台公司的软件Okera提醒我们，大型组织具有各种数据访问控制用例，这意味着它们需要灵活的基于属性的访问控制（ABAC）策略。ABAC策略可以组合多个属性，包括用户，工具，数据类型和位置，以启用自助服务分析，同时确保对数据的安全，合规访问。

晋升

当企业允许访问大数据资产时，出于与隐私和安全性相关的明显原因，并不是每个员工都应该能够访问所有存在的信息。Okera具有用于此类功能的自动化工具。此过程称为动态数据屏蔽（即，将数据转换为结构相似的形状，但具有用于测试目的的不真实值）和数据令牌化（即，将数据值转换为随机且无法识别的占位符令牌），并且两者均可发挥作用同时。

Okera首席执行官Nick Halsey表示：“自助服务分析是使企业能够充分利用其数据来进行与客户体验，端到端业务流程和改进的业务决策相关的数字化转型计划的圣杯。” 。“通过消除编码需求，我们将访问控制管理交给了数据管理者，治理和隐私专业人员，他们了解法规和内部[大]数据隐私政策的复杂性。安全，合规的数据访问民主化对于实现真正的自助服务分析至关重要。”

数据工具箱注油枪变得更脏
但是比低代码更深（甚至更脏）的是Nitrogen.ai，这是一种被描述为AI数据科学特征市场的技术，并且是为数据科学家创建的平台，可让他们发现和评估无数数据集中的数以万计的外部特征。

使用Nitrogen.ai平台，数据科学家可以识别和评估感兴趣的数据集，并针对其原始数据集快速运行相关性分析。这样可以加快寻找数据建模的理想人选，并仅购买最适合其需求的数据。

现实世界中的营销位置情报公司Gravy Analytics已成为Nitrogen.ai数据市场的唯一人流数据提供者。该公司与Nitrogen.ai的合作说明了我们如何独立地将这些数据导航“应用程序”称为大数据工具箱中的工具。

“大流行前的数据集和假设在COVID-19之后的世界中不会奏效。企业正在重新开始，他们将需要相关数据来了解人们在大流行后的去向，以及它们如何映射到他们的运营，产品开发，供应链和市场营销，” Gravy Analytics创始人兼首席执行官Jeff White说。 。“ Nitrogen.ai的平台使研究人员更容易探索人们的动作与众多其他数据功能之间的关系，从而激发了新的用例和可能性。”

深入工具箱
可以说，深入大数据工具箱中的一个是JetBrains，这家公司以其以程序员为中心的各种编程语言集成开发环境（IDE）系列而闻名。该公司在逻辑上被命名为“大数据工具”，是供数据工程师和其他专业人员使用的工具，用于将数据的所有工具集中到一个地方的DataGrip和PyCharm。

JetBrains提醒我们，自2012年以来，大数据仅在美国就创造了800万个工作机会，在全球创造了600万个工作机会。到2020年，今年美国的数据科学家职位和类似的高级分析职位预计将达到61,799人。该公司表示，它认识到这一行业变化，并正在利用其专业知识为数据科学家和工程师提供可供开发人员使用的工具。

JetBrains大数据工具项目负责人Vitaly Khudobakhshov解释说，他的公司的大数据工具插件（这是一个抢先试用程序）现已向公众开放。它提供了诸如智能导航，代码完成，检查和快速修复以及重构等功能。因此，这些工具无需深入研究该技术的各个方面，就可以帮助大数据操纵，管理数据并将它们整形为可行的形式……在许多方面都类似于真实世界的工具和扳手。

我们首先需要大数据吗？
因此，尽管我们可以采取某种方式来定义现有的工具集，过程和技术，以帮助我们完成特定的挖掘数据处理任务，但并不是每个人都可以通过大数据分析来获得更大的业务洞察力。

早在2013年，《哈佛商业评论》的一份报告就指出了这样的情况：企业吸收了大量的大数据，以“洞悉”他们可能如何重新设计其运营以获得更大的利润。在不止一次的情况下，大数据晴雨表的建议有时需要对整个供应链进行过多的重新设计才能使其变得有价值。在其他情况下，常识和对业务的直觉可以证明是有用的（如果不是更多的话）。

大数据工具可以使用，但是有时重塑所有的业务需求都是一个不错的选择。