문외한인 인민 대표 대회 데이터 5 번 물어 큰 데이터를 알아보세요.

문외한인 인민 대표 대회 데이터 5 번 물어 큰 데이터를 알아보세요.

큰 데이터란 무엇입니까? 운영 모델, 능력, 기술 또는 데이터 수집입니까? 오늘날 우리가 말하는' 빅 데이터' 와 과거의 전통적인' 데이터' 의 차이점은 무엇입니까? 빅 데이터의 특징은 무엇입니까? 소스는 무엇입니까? 어떤 방식으로, 등등. 다음으로, 변쇼는 큰 데이터를 보여 줄 것이다.

& gt& gt& gt& gt& gt 빅 데이터 개념

"대용량 데이터" 란 기존 데이터베이스 도구에서 캡처, 관리 및 처리할 수 없는 데이터의 양과 데이터 범주가 특히 큰 데이터 세트를 말합니다. "빅 데이터" 는 먼저 데이터의 양을 의미합니까? 큰 데이터 세트, 보통 10TB? 규모에 관한 것이지만, 실제 응용에서는 많은 기업 사용자들이 여러 데이터 세트를 한데 모아 페타바이트급 데이터의 양을 형성했습니다. 둘째, 데이터의 다양성, 다양한 데이터 소스의 데이터, 데이터 유형 및 형식이 점점 더 다양해지고 있으며, 반정형 및 비정형 데이터를 포함한 이전에 정의된 정형 데이터 범주를 돌파했습니다. 둘째, 데이터 처리 속도 (Velocity) 가 빨라 데이터 양이 많은 경우 실시간으로 데이터를 처리할 수 있습니다. 마지막 특징은 데이터의 높은 진실성을 가리킨다. 사회 데이터, 기업 컨텐츠, 거래 및 애플리케이션 데이터와 같은 새로운 데이터 소스에 대한 관심이 높아지면서 기존 데이터 소스의 한계가 깨지면서 기업들은 신뢰성과 보안을 보장하기 위한 효과적인 정보 역량이 점점 더 필요하게 되었습니다.

Baidu 는 알고 있습니다-빅 데이터 개념

빅데이터 (Bigdata) 또는 방대한 양의 데이터란 현재 주요 소프트웨어 도구를 통해 캡처, 관리, 처리 및 정리할 수 없을 정도로 많은 양의 데이터를 포괄하여 기업이 합리적인 시간 내에 보다 적극적인 의사 결정을 내릴 수 있도록 지원하는 정보입니다. 빅 데이터의 4V 특징: 양, 속도, 변수, 준.

인터넷 주간지-빅 데이터 개념

"빅 데이터" 의 개념은 대용량 데이터 (TB) 와 대량의 데이터를 처리하는 기술, 또는 소위 "4 개의 V" 와 같은 간단한 개념보다 사람들이 대규모 데이터를 기반으로 할 수 있는 일을 포괄하는 것입니다. 이는 소규모 데이터를 기반으로 할 수 없는 것입니다. 즉, 빅데이터는 전례 없는 방식으로 방대한 데이터를 분석하여 가치 있는 제품과 서비스 또는 심오한 통찰력을 얻어 결국 변화의 힘을 형성할 수 있게 해 줍니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언)

연구 기관 Gartner-빅 데이터 개념

빅 데이터' 는 대규모, 고성장, 다양한 정보 자산으로, 더 강력한 의사 결정력, 통찰력 및 발견력, 프로세스 최적화 기능을 갖춘 새로운 처리 모델이 필요합니다. 데이터 범주에서 "빅 데이터" 는 기존 프로세스나 도구가 처리하거나 분석할 수 없는 정보를 의미합니다. 일반 처리 범위와 크기를 초과하는 데이터 세트를 정의하여 사용자가 기존의 방식이 아닌 처리 방법을 채택하도록 합니다. 아마존 네트워크 서비스 (AWS) 와 빅 데이터 과학자 JohnRauser 는 간단한 정의를 언급했습니다. 빅 데이터는 컴퓨터 처리 능력을 초과하는 방대한 데이터입니다. R&D 팀의 빅 데이터 정의: "빅 데이터는 가장 큰 홍보 기술이자 가장 스타일리시한 기술입니다. 이런 현상이 나타날 때, 정의는 매우 혼란스러워진다. " 켈리는 "빅데이터는 모든 정보를 포함하지 않을 수도 있지만, 대부분 옳다고 생각한다" 고 말했다. 큰 데이터에 대한 일부 견해는 그것이 너무 커서 여러 워크로드를 분석할 수 있다는 것이다. 이것이 바로 AWS 의 정의다. 너의 기술이 한계에 도달했을 때, 데이터의 한계이기도 하다. " 큰 데이터는 어떻게 정의하느냐가 아니라, 가장 중요한 것은 어떻게 사용하는가이다. 가장 큰 과제는 어떤 기술이 데이터를 더 잘 활용할 수 있는지, 큰 데이터를 어떻게 적용할 수 있는가입니다. Hadoop 과 같은 오픈 소스 대형 데이터 분석 도구의 등장과 기존 데이터베이스에 비해 이러한 비정형 데이터 서비스의 가치.

& gt& gt& gt& gt& gt 빅 데이터 분석

빅 데이터는 단순한 빅 데이터 사실이 아니며 가장 중요한 현실은 빅 데이터 분석입니다. 분석을 통해서만 대량의 지능적이고 심층적이며 가치 있는 정보를 얻을 수 있다. 그런 다음 점점 더 많은 응용 프로그램이 큰 데이터를 포함하고 있습니다. 이러한 큰 데이터의 속성 (수량, 속도, 다양성 등) 은 큰 데이터의 복잡성이 커지고 있기 때문에 큰 데이터의 분석 방법은 큰 데이터 영역에서 특히 중요합니다. 최종 정보의 가치 여부를 결정하는 결정적인 요소라고 할 수 있습니다. 이런 인식을 바탕으로 빅 데이터 분석의 일반적인 방법과 이론은 무엇입니까?

& gt& gt& gt& gt& gt 빅 데이터 기술

데이터 수집: ETL 도구는 관계형 데이터, 플랫 데이터 파일 등과 같은 분산 이기종 데이터 소스의 데이터를 임시 중간 계층으로 추출하여 청소, 변환 및 통합하고 결국 데이터 웨어하우스 또는 데이터 마트에 로드하여 온라인 분석 처리 및 데이터 마이닝의 기초가 됩니다.

데이터 액세스: 관계형 데이터베이스, NOSQL, SQL 등

인프라: 클라우드 스토리지, 분산 파일 스토리지 등

데이터 처리: NLP (NaturalLanguageProcessing) 는 인간-컴퓨터 상호 작용의 언어 문제를 연구하는 분야입니다. 자연어를 다루는 열쇠는 컴퓨터가 자연어를 "이해" 하도록 하는 것이기 때문에 자연어 처리는 NLU (Natural Language Understanding) 라고도 하며 전산언어학이라고도 합니다. 한편으로는 언어 정보 처리의 한 가지이고, 다른 한편으로는 인공지능 (AI) 의 핵심 과제 중 하나이다.

통계 분석: 가정 검사, 중요도 검사, 차이 분석, 상관 분석, T 검사, 분산 분석, 카이 제곱 분석, 부분 상관 분석, 거리 분석, 회귀 분석, 단순 회귀 분석, 다중 회귀 분석, 단계적 회귀, 회귀 예측 및 잔차 분석, 릿지 회귀, 로지스트

데이터 마이닝: 분류, 추정, 예측, 친화력 그룹화 또는 연관 규칙, 클러스터링, 설명 및 시각화, 설명 및 시각화, 복잡한 데이터 유형 마이닝 (텍스트, 웹, 그래픽 이미지, 비디오, 오디오 등). ).

모델 예측: 예측 모델, 기계 학습, 모델링 및 시뮬레이션

제시된 결과: 클라우드 컴퓨팅, 태그 클라우드, 다이어그램 등

& gt& gt& gt& gt& gt 빅 데이터 특징

큰 데이터의 개념을 이해하려면 먼저' 큰' 부터 시작해야 하는데, 큰 것은 데이터의 크기를 가리킨다. 큰 데이터는 일반적으로10tb (1TB =1024gb) 이상의 데이터 양을 나타냅니다. 빅 데이터는 이전의 대용량 데이터와 다르며 기본 특성은 볼륨, 다양성, 가치 및 속도의 네 가지 V (볼륨, 다양성, 저가치 밀도 및 속도) 로 요약 할 수 있습니다.

첫째, 데이터의 양이 엄청납니다. 테라바이트급에서 페타바이트급으로 점프하다.

둘째, 인터넷 로그, 비디오, 그림, 지리 정보 등 다양한 유형의 데이터가 있습니다.

셋째, 가치 밀도가 낮다. 비디오를 예로 들자면, 지속적인 모니터링 과정에서 유용할 수 있는 데이터는 1 ~ 2 초밖에 되지 않는다.

넷째, 처리 속도가 빠르다. 1 제 2 법칙. 이 마지막 점도 전통적인 데이터 마이닝 기술과 본질적인 차이가 있다. 사물인터넷, 클라우드 컴퓨팅, 모바일 인터넷, 자동차 네트워킹, 휴대폰, 태블릿, PC, 전 세계 다양한 센서가 모두 데이터 소스이거나 호스팅되는 방식입니다.

빅 데이터 기술은 다양한 종류의 대용량 데이터에서 귀중한 정보를 신속하게 얻을 수 있는 기술을 말합니다. 빅 데이터 문제 해결의 핵심은 빅 데이터 기술입니다. 현재 "빅 데이터" 는 데이터 자체의 크기뿐만 아니라 데이터를 수집하는 도구, 플랫폼 및 데이터 분석 시스템도 포함하고 있습니다. 빅 데이터 개발의 목적은 빅 데이터 기술을 개발하고 관련 분야에 적용하여 방대한 데이터 처리 문제를 해결함으로써 획기적인 발전을 촉진하는 것입니다. 따라서 빅 데이터 시대의 과제는 대용량 데이터를 처리하여 귀중한 정보를 얻는 방법뿐만 아니라 빅 데이터 기술의 연구 개발을 강화하고 시대 발전의 최전선을 선점하는 방법입니다.

현재 중국의 빅 데이터 R&D 건설은 다음 네 가지 측면에 초점을 맞추어야 한다.

첫 번째는 일련의 운영 메커니즘을 수립하는 것입니다. 빅 데이터 구축은 질서 정연하고 동적이며 지속 가능한 시스템 프로젝트이며, 모든 측면에서 공식적이고 질서 정연한 건설을 촉진하고 융합을 실현하며 최상위 설계를 잘 수행해야합니다.

두 번째는 일련의 건설 기준을 규범화하는 것이다. 기준이 없으면 체계가 없다. 다양한 주제에 대한 대규모 데이터 구축 표준을 수립하고, 모든 분야를 포괄하며, 모든 수준의 정보 시스템에 대한 네트워크 상호 연결, 정보 교환 및 자원 공유의 기반을 마련하기 위해 지속적으로 동적으로 업데이트해야 합니다.

셋째, * * * 플랫폼을 구축하십시오. 데이터가 끊임없이 흐르고 충분히 즐겨야 생명력이 있다. 주제별 데이터베이스 구축을 바탕으로 데이터 통합을 통해 모든 수준에서 다양한 명령 정보 시스템의 데이터 교환 및 데이터 공유를 실현할 수 있습니다.

넷째, 전문 팀을 양성하다. 빅데이터 건설의 모든 과정은 전문가가 완성해야 한다. 따라서 지휘, 기술, 관리를 아는 대규모 데이터 건설 전문 팀을 양성하고 만들어야 한다.

& gt& gt& gt& gt& gt 빅 데이터의 역할

빅 데이터 시대가 도래함에 따라 점점 더 많은 사람들이 이 판단에 동의한다. 그렇게 큰 데이터는 무엇을 의미하며, 무엇이 바뀔까요? 기술적인 관점에서만 대답하는 것만으로는 충분하지 않다. 큰 데이터는 하나의 객체일 뿐이다. 아무도 이 주체가 없고, 아무리 큰 것도 의미가 없다. 우리는 큰 데이터를 인간의 환경에 배치하고 왜 그것이 시대 변화의 힘인지 이해해야 한다.

가치를 바꾸는 힘

향후 10 년 동안 중국이 큰 지혜를 가지고 있는지 여부를 결정하는 핵심 의미 기준 ('사상가') 은 국민 행복이다. 하나는 민생 방면에서 큰 데이터를 통해 의미 있는 일을 분명히 하고, 우리가 인간관계 방면에서 이전보다 더 의미 있는 일을 했는지 알아보는 것이다. 둘째, 생태적으로 나타난다. 큰 데이터를 통해 의미 있는 일을 분명히 하고, 우리가 천인관계에서 이전보다 더 의미 있는 일을 한 적이 있는지. 결론적으로 10 년 전의 혼돈 시대에서 미래 10 년의 명랑한 시대로 나아가자.

경제를 바꾸는 힘

생산자는 가치가 있고 소비자는 가치의 의미다. 의미 있는 것이 가치 있는 것이다. 소비자가 동의하지 않는 것은 팔 수 없고, 가치를 실현할 수 없다. 소비자가 인정한 물건만 팔 수 있어야 가치를 실현할 수 있다. 빅데이터는 우리가 소비자의 근원에서 의미를 식별하여 생산자가 가치를 실현할 수 있도록 도와준다. 내수 활성화의 원칙이다.

조직의 힘을 바꾸다

의미망 특징을 지닌 데이터 인프라와 데이터 자원이 발전함에 따라 조직 변화는 점점 더 불가피하게 되고 있다. 큰 데이터는 네트워크 구조에 조직화되지 않은 조직력을 조성할 수 있다. 이러한 구조적 특징을 가장 먼저 반영하는 것은 RSS, 위키, 블로그 등과 같은 다양한 중앙화된 웹 2.0 애플리케이션입니다.

빅 데이터가 시대의 변화의 힘이 된 것은 의미를 좇아 지혜를 얻기 때문이다.

& gt& gt& gt& gt& gt 빅 데이터 처리

빅 데이터 처리 데이터 시대 관념의 세 가지 주요 변화: 모든 것을 샘플링해서는 안 되고, 효율성은 절대적으로 정확해서는 안 되며, 상관관계는 인과 관계가 되어서는 안 된다.

빅 데이터 처리 프로세스

구체적인 빅데이터 처리 방법은 확실히 많지만, 필자의 장기적인 관행에 근거하여 보편적으로 적용되는 빅데이터 처리 과정을 요약하면, 이 과정은 여러분이 빅데이터 처리를 간소화하는 데 도움이 될 것입니다. 전체 처리 프로세스는 수집, 가져오기 및 사전 처리, 통계 및 분석, 마지막으로 데이터 마이닝의 네 단계로 요약할 수 있습니다.

빅 데이터 처리 중 하나: 수집

대용량 데이터 수집은 여러 데이터베이스를 사용하여 클라이언트 (웹, App, 센서 등) 로부터 데이터를 수신하는 것을 말합니다. ), 사용자는 이러한 데이터베이스를 통해 간단한 쿼리 및 처리를 수행할 수 있습니다. 예를 들어, 전자 상거래 회사는 MySQL 및 Oracle 과 같은 기존 관계형 데이터베이스를 사용하여 각 거래에 대한 데이터를 저장합니다. 또한 Redis, MongoDB 와 같은 NoSQL 데이터베이스도 데이터 수집에 자주 사용됩니다.

대용량 데이터 수집 과정에서 주요 특징과 과제는 높은 동시성입니다. 예를 들어 기차표 발권 사이트와 타오바오와 같은 수천 명의 사용자가 동시에 액세스하고 운영할 수 있기 때문입니다. 동시 방문이 최고조에 달할 때 수백만 명에 이를 수 있기 때문에 채집측에 대량의 데이터베이스를 배치하여 지원해야 합니다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 성공명언) 이러한 데이터베이스 간에 로드 밸런싱 및 조각화를 수행하는 방법은 심층적인 사고와 설계가 필요합니다.

대용량 데이터 처리 II: 가져오기/전처리

수집 터미널 자체에는 많은 데이터베이스가 있지만 이러한 방대한 데이터를 효과적으로 분석하려면 프런트 엔드에서 중앙 집중식 대형 분산 데이터베이스 또는 분산 스토리지 클러스터로 데이터를 가져와야 합니다. 가져오기를 기반으로 간단한 정리 및 사전 처리를 수행할 수 있습니다. 가져오는 동안 Twitter 의 Storm 을 사용하여 일부 비즈니스의 실시간 컴퓨팅 요구 사항을 충족하기 위해 데이터를 스트리밍하는 사용자도 있습니다.

가져오기 및 사전 처리 프로세스의 특징과 과제는 주로 가져오는 데이터의 양이 많으며, 종종 초당 100 조, 심지어 기가비트 수준에 도달한다는 것입니다.

세 번째로 큰 데이터 처리: 통계/분석

통계 분석은 주로 분산 데이터베이스 또는 분산 컴퓨팅 클러스터를 활용하여 저장된 대량의 데이터를 분석하여 대부분의 일반적인 분석 요구 사항을 충족하는 것입니다. 이와 관련하여 일부 실시간 요구 사항에는 EMC 의 GreenPlum, Oracle 의 Exadata, MySQL 기반 Infobright, 일부 배치 처리 또는 반정형 데이터 요구 사항이 Hadoop 을 사용할 수 있습니다.

통계 및 분석의 주요 특징 및 과제는 분석에 관련된 데이터의 양이 많고 시스템 자원, 특히 I/O 를 많이 차지한다는 것입니다.

네 번째로 큰 데이터 처리: 마이닝

이전 통계 및 분석 프로세스와 달리 데이터 마이닝은 일반적으로 사전 설정된 주제를 가지고 있지 않으며, 주로 다양한 알고리즘을 기반으로 기존 데이터를 계산하여 예측 효과를 달성하고 높은 수준의 데이터 분석 요구 사항을 달성합니다. 일반적인 알고리즘에는 클러스터링을 위한 Kmeans, 통계 학습을 위한 SVM 및 분류를 위한 NaiveBayes 가 포함됩니다. 사용 된 주요 도구는 Hadoop 의 Mahout 입니다. 이 프로세스의 특징과 과제는 마이닝을 위한 알고리즘이 매우 복잡하며 관련된 데이터의 양과 계산량이 매우 크다는 것입니다. 일반적으로 사용되는 데이터 마이닝 알고리즘은 주로 단일 스레드입니다.

전체 대형 데이터 처리의 일반적인 프로세스는 비교적 완전한 대형 데이터 처리를 계산하려면 최소 4 단계를 충족해야 합니다.

& gt& gt& gt& gt& gt 빅 데이터 애플리케이션 및 사례 분석

빅 데이터 애플리케이션의 핵심 및 필수 조건은 "IT" 와 "운영" 의 통합입니다. 물론, 이곳의 운영은 소매점 운영에서 도시 운영에 이르기까지 매우 광범위할 수 있다. 다음은 내가 정리한 빅 데이터의 각 업종, 다른 조직의 응용 사례입니다. 이에 따라 다음 사례는 모두 인터넷에서 나온 것이라고 선언합니다. 이 글은 참고용으로만 쓰이며, 이 기초 위에서 나는 간단하게 빗질하여 분류한다.

빅 데이터 응용 사례: 의료 산업

[1] Seton Healthcare 는 IBM 의 최신 Watson 기술을 사용하여 의료 콘텐츠를 분석하고 예측하는 최초의 고객입니다. 이 기술을 통해 기업은 환자 관련 임상 의료 정보를 대량으로 찾아 대용량 데이터 처리를 통해 환자 정보를 더 잘 분석할 수 있습니다.

[2] 캐나다 토론토에 있는 한 병원에서는 조산아가 초당 3,000 여 개의 데이터를 읽습니다. 이 수치에 대한 분석을 통해 병원은 어떤 조산아에 문제가 있는지 미리 알 수 있으며, 조산아의 사망을 막기 위한 목표 조치를 취할 수 있다.

[3] 소셜 네트워크를 통해 데이터를 수집하는 건강 어플리케이션과 같은 제품을 더 많은 기업가들이 쉽게 개발할 수 있도록 합니다. 아마도 앞으로 몇 년 동안 그들이 수집한 데이터는 너의 진단을 더욱 정확하게 할 것이다. 예를 들어, 더 이상 성인이 하루에 세 번 한 조각이 아니라, 혈액 속의 약이 이미 대사되었다는 것을 감지하면, 다시 약을 복용하라는 것을 자동으로 일깨워 줄 것이다. (윌리엄 셰익스피어, 햄릿, 건강명언)

빅 데이터 응용 사례 중 하나: 에너지 산업

[1] 스마트 그리드는 이제 유럽에서 소위 스마트 미터기라는 터미널을 구현했습니다. 독일에서는 태양 에너지 사용을 장려하기 위해 집에 태양 에너지를 설치할 것이다. 전기를 너에게 파는 것 외에, 너의 태양열은 여분의 전기가 있어서 다시 살 수 있다. 전력망을 통해 5 분 또는 10 분마다 데이터를 수집하면 수집된 데이터를 사용하여 고객의 전기 사용 습관을 예측하여 향후 2 ~ 3 개월 동안 전체 전력망에 필요한 전기의 양을 추정할 수 있습니다. 이 예측을 통해 발전이나 전력 공급 업체에서 일정량의 전기를 구매할 수 있다. 전기는 선물과 비슷하기 때문에 미리 사면 좀 싸고 현물을 사면 좀 비싸요. 이런 예측을 통해 구매 비용을 낮출 수 있다.

[2] Vestas 풍력 시스템은 BigInsights 소프트웨어와 IBM 슈퍼컴퓨터에 의존하여 기상 데이터를 분석하여 풍력 발전기와 전체 풍력 발전소를 설치할 수 있는 최적의 위치를 찾습니다. 빅데이터를 이용하면 분석을 위해 몇 주가 걸렸는데 지금은 1 시간 미만이면 됩니다.

빅 데이터 응용 사례 중 하나: 통신 산업

[1] XO 통신은 IBM SPSS 예측 분석 소프트웨어를 사용하여 고객 손실률을 거의 절반으로 낮췄다. XO 는 이제 고객의 행동을 예측하고, 행동 추세를 파악하고, 결함이 있는 부분을 찾아내 기업이 적시에 고객을 붙잡기 위한 조치를 취할 수 있도록 지원합니다. 또한 IBM 의 새로운 Netezza network analysis accelerator 는 단일 종단 간 네트워크, 서비스 및 고객 분석 뷰를 제공하는 확장 가능한 플랫폼을 통해 통신 기업이 보다 과학적이고 합리적인 의사 결정을 내릴 수 있도록 지원합니다.

[2] 통신 사업자는 수천만 명의 고객 데이터를 통해 다양한 사용자 행동과 추세를 분석하여 수요가 있는 기업에 판매할 수 있다. 이것은 완전히 새로운 정보 경제이다.

[3] 차이나 모바일 빅 데이터 분석을 통해 기업 운영의 전 업무에 대한 목표 모니터링, 경고 및 추적을 수행합니다. 시스템은 시장 변화를 자동으로 포착한 후 가장 빠른 방법으로 지정 책임자에게 푸시하여 가장 짧은 시간 내에 시장 시세를 파악할 수 있도록 합니다.

[4] NTT Docomo 는 휴대전화의 위치 정보와 인터넷의 정보를 결합하여 고객에게 인근 식당 정보를 제공하고 막차 시간이 다가올 때 막차 정보 서비스를 제공한다.

빅 데이터 응용 사례 중 하나: 소매

[1] "우리 고객 중 한 명은 현지 백화점, 인터넷 및 우편 주문 카탈로그 업무를 통해 고객에게 서비스를 제공하는 업계 최고의 전문 패션 소매상입니다. 회사는 고객에게 차별화 서비스를 제공하기를 원합니다. 회사의 차별화를 어떻게 포지셔닝할 것인가? 트위터와 페이스북에서 사교정보를 수집함으로써 화장품의 마케팅 모델에 대해 더 잘 알게 되었다. 그런 다음 두 가지 유형의 가치 있는 고객, 즉 높은 소비자와 높은 영향력을 유지해야 한다는 것을 깨달았습니다. 저는 무료 메이크업 서비스를 받아 사용자들이 입소문을 퍼뜨릴 수 있도록 하고 싶습니다. 이는 거래 데이터와 상호 작용 데이터의 완벽한 조화로 상업적 도전에 대한 해결책을 제공하고 있습니다. " Informatica 의 기술을 통해 소매업체는 소셜 플랫폼의 데이터를 활용하여 고객 마스터 데이터를 풍부하게 하여 비즈니스 서비스를 보다 구체적으로 만들 수 있습니다.

[2] 소매업체는 고객의 점포 내 걷기와 상품과의 상호 작용도 감시한다. 이들은 이 데이터를 거래 기록과 결합하여 어떤 상품을 판매하는지, 상품을 어떻게 배치하는지, 언제 판매가격을 조정할 것인지에 대해 의견을 제시했다. 이러한 접근 방식은 한 주요 소매업체가 65,438+07% 의 재고를 줄이는 동시에 시장 점유율을 유지하면서 수익성이 높은 자사 브랜드 상품의 비율을 높이는 데 도움이 되었습니다.