TECHNOLOGY
大數據挖掘平臺
大數據是新一代的技術，藉由高速的重新收集, 發掘和分析, 可以從大量傳播類型的數據中提取經濟價值和情報. 它幾乎已經是被用於連結上每一種可以想像得到的技術問題的熱門詞彙了.
- 大數據的特徵– 三個V:
- 大量 (High-Volume) : 處理大量資訊的能力是大數據分析的主要吸引力所在.
- 高速 (High-Velocity) : 快速移動的數據(流動數據) 需要實時地運作.
- 多樣 (High-Variety) : 不同來源的數據: 結構化和非結構化的; 文字, 影像, 影片, 各類感知器等 .
為了要有效處理大數據不斷增強的”三個V”,就要面臨在數據儲存,運作,分析及交互運用等的全新挑戰.它需要平臺的組成從根本上的轉變,以便此平臺能捕捉,儲存及分析數據.它需要划算的創新的資訊運作形式來強化洞悉能力和決策能力.
- 能夠成功地處理大數據的平臺要求:
- 混合的結構化數據處理關係資料庫(variety),
- 非結構化的資料處理 NoSQL 資料庫, (variety)
- 緩存解決方案, 以及(velocity)
- 減少圖示之Hadoop形式的工具(volume).
GOT公司的大數據平臺的基礎架構通過集成以下工具構建: Apache Hadoop, Apache HBase, Apache Hive, Apache HCatalog, Apache Storm, Apache Pig, Apache Mahout, 以及GOT公司的 Trust-Tech 優化引擎以及TrustMiner 數據挖掘前端.
必須要有強而優化的分析能力才能自大數據中獲取大的價值. 構建數據挖掘中涉及的優化分析模型, 比如人工神經網路 (ANN), 支持向量算法 (SVM), 聚集, 和回歸模型, 基本上是一項優化任務. 因此, 在建立有效的數據挖掘優化分析模型上優化技術發揮著非常重要的角色.
GOT 公司的大數據解決方案, 使用了充分利用公司先進的 TRUST-TECH 優化平台來建構的最優的分析模型, 進而達到最佳且可行的分析. 在 GOT 的數據挖掘平台,為獲得最佳且可行的分析而建構的模型中所潛在的不同類型的優化問題, 被由 TRUST-TECH 引導或增強的優化方法有效地解決了.
在這方面，GOT 的目標是提供最佳的分析模型，從結構化和非結構化數據中提取知識，為複雜問題提供更好的解決方案.