Big Data

Big Data ist ein Ansatz, mit dem sich aus großen Mengen gespeicherter Daten geschäftsrelevante Muster ermitteln lassen. Lesen Sie, wie Sie Big Data richtig einsetzen. Big Data ist ein Begriff, der allgemein verwendet wird, um eine große Menge von unstrukturierten oder semi-strukturierten Daten in einem Unternehmen zu beschreiben. Ein primäres Ziel für Big-Data-Anwendungen ist, ein wiederholbares Geschäftsmuster zu entdecken. In dieser Rubrik erfahren Sie, wie Sie in Ihrem Unternehmen sinnvoll und effizient mit Big Data und entsprechenden Softwarelösungen arbeiten.

Mai 10, 2022 10 Mai'22
Kostenloses E-Handbook: Big Data analysieren und verwalten

Das E-Handbook dreht sich rund um Technologien, die sich für das Analysieren und Verwalten von Big Data einsetzen lassen und Datenexperten beim Big-Data-Management unterstützen.
März 23, 2022 23 März'22
Kostenloses eBook: Dark Data mit Machine Learning auswerten

Machine Learning und künstliche Intelligenz (KI) können unstrukturierte Daten in wertvolle Informationen umwandeln. Das ist bei Dark Data von unschätzbarem Wert.
September 07, 2021 07 Sept.'21
Kostenloses eBook: Big-Data-Management für Machine Learning

Der kostenlosen E-Guide hilft Datenmanagern und Softwareentwicklern zu verstehen, welche Schnittmengen zwischen Big Data, künstlicher Intelligenz und Machine Learning bestehen.
Juni 21, 2021 21 Juni'21
Intelligentes Datenmanagement: Aparavi startet in Deutschland

Das Schweizer Unternehmen Aparavi eröffnet am 21. Juni seine EMEA-Tochtergesellschaft in München. Die Lösung verspricht Data Mastery für das Verwalten unstrukturierter Daten.

Hadoop, Spark und Kafka: Das beste Framework für Big Data

Um Big Data zu verarbeiten und analysieren, benötigen Sie effiziente Frameworks. In diesem Artikel erklären wir die Unterschiede und Anwendungsgebiete der beliebtesten Optionen. Weiterlesen
So bereiten Sie Dark Data für maschinelles Lernen vor

Dark Data bietet zahlreiche Ansatzpunkte für maschinelles Lernen. Doch um ihr Potential voll zu entfalten, müssen diese Daten optimal verwaltet und strukturiert werden. Weiterlesen
Angebote für Machine Learning as a Service im Vergleich

Machine Learning as a Service (MLaaS) ermöglicht es Unternehmen, Modelle zu trainieren, ohne eigene Anwendungen hierfür entwickeln zu müssen. Es gibt jedoch Einstiegsbarrieren. Weiterlesen

Apache Beam: Einstieg in das Parallel Computing Framework

Apache Beam ist ein Parallel Computing Framework zur Verarbeitung großer Datenmengen. Der Beitrag zeigt die Möglichkeiten und gibt einen Einblick in das Projekt. Weiterlesen
Big-Data-Analysen mit Tools der Apache Software Foundation

Die Open-Source-Lösungen der Apache Software Foundation sind im Bereich Big Data Analytics umfangreich. Die verschiedenen Anwendungen im Überblick. Weiterlesen
Fünf notwendige Prozesse für Predictive Analytics

Verstehen Datenspezialisten den mehrstufigen Prozesszyklus für Predictive Analytics, können sie leichter Engpässe im Ablauf finden und Prognosen treffen. Weiterlesen

Wie kann RPA das Content-Management verbessern?

Viele Anbieter verwenden Robotic Process Automation (RPA), um verschiedene Aufgaben im Bereich Content-Management zu erledigen und Prozesse zu automatisieren. Weiterlesen
Was ist für den Aufbau eines Datenkatalogs wichtig?

Ein Datenkatalog kann eine Organisation unterstützen, Metadaten zu verwalten und Datenquellen zu erkunden. Tipps zur Erstellung eines Datenkatalogs. Weiterlesen
Wie steigert Salesforce Einstein Language die Produktivität?

Salesforce Einstein Language lernt ähnlich wie das menschliche Gehirn und erfüllt eine Vielzahl von Funktionen wie semantisches Parsen und Schlussfolgerungen. Weiterlesen

Wie sich Technologien für Datenmanagement verändert haben

Das Datenmanagement und die zugehörigen Anwendungen haben sich in den letzten 30 Jahren verändert. Ein Streifzug durch die Technologielandschaft. Weiterlesen
Mit einem dezentralen Data Mesh mehr aus Daten herausholen

Ein Data Mesh ist ein dezentraler Ansatz zur skalierbaren Verwaltung und Bereitstellung analytischer Daten. Was für die Umsetzung eines Data Mesh notwendig ist. Weiterlesen
Die Zukunft der Landwirtschaft: IoT-Wearables und Daten

Landwirte und Haustierbesitzer könnten von IoT in der Veterinärmedizin profitieren. Mit Monitoring und Machine-Learning-Modellen lassen sich Tiere effektiver behandeln. Weiterlesen

Hadoop versus Spark: ein Vergleich der Big Data Frameworks

Apache Hadoop und Spark sind zwei weit verbreitete Big Data Frameworks. Ein Einstieg in ihre Funktionen und Möglichkeiten sowie die wichtigsten Unterschiede bei den Technologien. Weiterlesen
Wie man Datenqualität für Big Data gewährleistet

Da die Datenmengen exponentiell ansteigen, sind Methoden zur Verbesserung der Qualität von Big Data von entscheidender Bedeutung, um genaue Geschäftsentscheidungen zu treffen. Weiterlesen
Die Vor- und Nachteile des Big Data Outsourcing

Immer mehr Unternehmen suchen nach externer Hilfe, um den Wert der Daten zu nutzen. Das Outsourcing von Big-Data-Verarbeitungsprojekten bringt einige Vor- und Nachteile mit sich. Weiterlesen

Planungstipps für Edge-Computing

Edge-Computing ist eine Herausforderung für IT-Teams – auch für die erfahrenen Datacenter-Bastler unter ihnen. Und dieses E-Handbook soll Sie dabei unterstützen, diese Herausforderung zu meistern. Weiterlesen
Big Data optimal managen und analysieren

Stellenwert von Daten wächst immer weiter. Die Einsatzszenarien für Big Data sind dabei so vielfältig wie komplex. Wie sich Big Data managen und auswerten lässt. Weiterlesen
Dark Data mit KI und Machine Learning auswerten

Machine Learning und künstliche Intelligenz (KI) können unstrukturierte Daten in wertvolle Informationen verwandeln. Das ist bei Dark Data von unschätzbarem Wert. Weiterlesen