Machine Learning
Heutzutage spielt Hadoop seine Stärken aus als erwiesenermaßen sehr gut skalierende Plattform. Insbesondere in den Bereichen Advanced Analytics und Machine Learning, also in der Datenanalyse von sehr großen Datenmengen (mehrere Terabytes bis hin zu Petabytes) ist die Skalierbarkeit eine wichtige Voraussetzung. Deshalb ist in diesem Kontext Hadoop zu einem ernst zu nehmenden Konkurrenten für die klassischen Datenbankanbieter geworden, die mittlerweile alle Hadoop auf unterschiedlichen Wegen unterstützen oder gar in ihre Produkte integrieren. Auch die bekannten Analysewertzeuge wie SAS und SPSS bieten alle eine Anbindung an Hadoop an.
Herausforderungen
Die erste Herausforderung bei der Einführung von Hadoop ist sicherlich die schier unüberschaubare Anzahl an Technologien und Lösungen die auf Hadoop aufsetzen. Eine tiefgehende Kenntnis der verfügbaren Toolstacks ist eine notwendige Grundlage, um eine geeignete Auswahl zu treffen und eine tragfähige Architektur zu bauen, die auch zum jeweiligen Unternehmen und den Anforderungen passt. Durch Kooperationspartner stellen wir sicher, das Sie auch unterschiedlichste Technologien von entsprechenden Experten beraten werden.
On Premise oder Cloud
Eine wichtige Frage am Anfang eines Big Data Projektes ist, ob der Toolstack on Premise im Unternehmen installiert werden soll, oder ob alternativ auf Cloud Resourcen bei Anbietern wie Amazon, Microsoft, Google oder IBM aufgebaut werden soll. Aus der Projekterfahrung heraus untersützen wir Sie bei der Entscheidung, denn beide Wege haben jeweils Vor- und Nachteile. Dies hat auch dazu geführt, dass vermehrt auch große deutsche Unternehmen die Cloud mittlerweile strategisch einsetzen, während dies vor einigen Jahren noch als undenkbar galt.
