除了了解关于消费者的年龄分段、性别比例之外，企业还想要进一步的了解更多能够诱发消费者的购买行为的复杂的元素。不久前，一家在线的英国零售商进行了一次有趣的而且是非常规的网络数据分析。
这可能并未包括更为广泛的消费人群的消费行为，但这也确实发现了一些看似无关的事件与消费者购买行为之间潜在的联系，给了这家公司一定的显著竞争优势。
应当指出，这绝不是一个孤立的事件。越来越多的企业都早已超越了开始与大数据和传统分析打交道的第一阶段。他们开始需要形成锐化的见解，企业的营销人员已经不再满足于仅仅获得一线消费者的一般性的统计数据(例如，消费者的住址、年龄分段、性别比例)。他们想要进一步的了解更多能够诱发消费者的购买行为的复杂的元素——哪怕这些消费行为是他们在观看球赛转播时发生的。
如果IT部门是为了支持这些深层次的分析，那么更多相互关联的因素的存在便是为了市场上的相关工具，这些工具可以在大数据积累的基础上在其数据库中进行定位，所以可以以新的创新方法质疑这些数据。
到目前为止，Apache Hadoop已经成为一种事实上的非结构化大数据整理排序的标准。Hadoop善于分析多服务器并行处理器大数据的线程，并快速处理这个数据。不过，Hadoop不擅长的是记录正在处理的数据块之间的连接关系。换句话说，如果你企业的系统只使用了Hadoop，要得出英国球迷的妻子们往往在她们的丈夫玩游戏时去网上购物的结论则可能需要花费一些时间了。
针对这种类型的分析，社会化媒体已经开始使用新的工具了。一个典型的例子便是Facebook。某一天，当我登录到我Facebook的主页时，我立刻收到了该网站的新的数据库工具图片介绍。图形工具为广大用户推出了新的大数据情报，如“点击此链接，寻找同样在西雅图喜欢骑自行车的人”、或“点击此链接查看您的朋友最近访问过的伦敦的餐厅”。事实上，这些非常精准而又高度复杂的大数据似乎发掘出了类似于上文所提到的球迷的妻子在球赛期间疯狂网上购物之间的联系。
为了更好的分析这种大数据间的关系，Facebook使用了HBase，HBase是Apache的另一款产品。HBase使用他们自己独特定义主键的一组设置好的表格。每个表都是一个系列，包含表的主键的属性。例如，如果表的主要关键是一个人(例如，“约翰·史密斯”)，表列中的关键属性就可能包含兴趣爱好(例如，“喜欢骑自行车”)或居住地(例如，“在西雅图生活”)。HBase可以像Hadoop一样执行大数据处理产品的能力，以更快、更精细的方式分析不同数据之间的连接类型(以及这可能意味着什么)。
那么，企业的IT部门要注意什么?
很简单，随着您的企业的大数据分析日趋成熟，你也应该开始寻找新的软件和数据库，以便可以解决更复杂的需求。Hadoop是大数据部署的一个很好的开端，但这个过程绝没有结束。
文章转自：机房360
网友评论