Big Data
Analyse in Echtzeit
12. September 2016, 12:34 Uhr |
Dominik Ulmer
Diesen Artikel anhören
Fortsetzung des Artikels von Teil 5
Anwendungsszenarien der Big-Data-Analyse
Data Scientists, IT-Abteilungen und Forscher haben mittels der Graph-Analysefähigkeiten die Möglichkeit, Graphen mit zig Milliarden von Beziehungen, die außerdem noch aus allen möglichen Datenquellen zusammengesetzt wurden – zunächst aufzubauen und anschließend abzufragen. Das ergibt für viele Branchen neue Anwendungsmöglichkeiten:
- Graph-Analysen in der Krebsforschung:
In der Krebsforschung kommen Graph-Analysen im Speziellen und Big Data Analytics insgesamt für die Analyse von Genomdaten und die Genom-Sequenzierung zum Einsatz. Auch hier besteht eine der größten Herausforderungen darin, dass die zu sammelnden medizinischen Daten sehr divers und fragmentiert sind. Gerade deswegen ist eine einheitliche Plattform für die Aufnahme, Analyse, das Auffinden und Abfragen von Daten so essenziell. Das Non-Profit-Forschungsinstitut Broad Institute des Massachusetts Institute of Technology (MIT) und von Harvard in den Vereinigten Staaten, das sich um ein größeres Verständnis von Krankheiten und den Fortschritt bei deren Behandlung bemüht, war mit dem neuen System in der Lage, die Zeit, in der es die Quality-Score-Recalibration-Ergebnisse (QSR) aus seinem Genom-Analyse-Toolkit ‚GATK4‘ und der Apache-Spark-Pipeline erzielt, deutlich zu verkürzen: von 40 auf 9 Minuten. - Predictive Maintenance in der Fertigung:
Auch für die Fertigungsindustrie hält Big Data Analytics enormes Potenzial bereit. Ein Paradebeispiel für den Einsatz von Big-Data-Analytics-Lösungen im Fertigungsbereich ist die vorausschauende Wartung – Predictive Maintenance. Hierzu werden die aus Sensoren und den Steuerungen von Maschinen gewonnenen Daten analysiert, um Wartungsintervalle zu timen und Ausfälle zu vermeiden. Für diesen Anwendungsfall ist es aus zwei Gründen empfehlenswert, auf eine Hardware-Appliance statt auf eine Cloud-Lösung zu setzen. Erstens hat die Cloud eine zu hohe Latenzzeit, um Analyse-Ergebnisse schnell genug erzielen zu können. Zweitens müssen die Daten erst einmal in die Cloud bewegt werden – das bindet Ressourcen und ist gerade im Hinblick auf den Schutz geschäftskritischer Daten häufig nicht zu empfehlen. - Cyber-Attacken abwehren:
Die Gewährleistung eines sicheren Netzwerks für den ununterbrochenen Geschäftsbetrieb ist in der heutigen hypervernetzten Welt so wichtig wie nie zuvor. IT-Abteilungen und Sicherheitsverantwortliche stehen hier aber ebenfalls vor dem Problem, die schiere Masse an maschinengenerierten Daten zu bewältigen. Konventionelle Technologien stoßen an diesem Punkt häufig an ihre Grenzen. Ein weiterer zentraler Einsatzbereich für Big Data Analytics und speziell Graphdatenbanken ist daher die Cybersicherheit. Hier kommt es besonders auf schnelle Reaktionen an, denn sonst stehen unter Umständen Reputation und Fortkommen eines Unternehmens auf dem Spiel. Um Cyber-Angriffe oder Anomalien zu entdecken, müssen Hunderte Millionen von Logdaten analysiert werden. Kommt es dann zur Attacke auf ein Unternehmensnetzwerk, müssen Unternehmen in der Lage sein, sofort – das heißt in Echtzeit – zu reagieren.
Jobangebote+ passend zum Thema
- Analyse in Echtzeit
- Grundsätzliche Probleme
- Fusion von Soft- und Hardware
- Der Aries-Verbindungs-Chip
- Graph-Analysen in Datenbank
- Anwendungsszenarien der Big-Data-Analyse
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Branchenwandel im Visier
Huawei setzt auf Industrie-Cloud
Predictive Maintenance
IoT und Big Data sind die Grundpfeiler
Parallel zur SPS IPC Drives 2016
Der 'Automation 4.0 Summit'
IoT trifft Big Data
Sigfox und Microsoft kooperieren
Neuer Studiengang
Wer managt Big Data?
Bitkom/KPMG
Autobauer und Versicherer Vorreiter beim Big Data Einsatz
