지속적인 분석
Continuous analytics |
지속적인 분석은 클라우드 네이티브 및 마이크로 서비스 패러다임에 유리하게 ETL과 복잡한 배치 데이터 파이프라인을 폐기하는 데이터 과학 프로세스다.지속적인 데이터 프로세싱을 통해 적은 리소스로 실시간 상호 작용 및 즉각적인 통찰력 제공
정의됨
분석은 빅데이터에 수학과 통계를 적용하는 것이다.데이터 과학자는 수요 예측이나 최적의 가격 설정과 같은 비즈니스 문제에 대한 해결책을 찾기 위해 분석 프로그램을 작성한다.연속적인 접근방식은 데이터를 풍부하게 하고, 집계하고, 추론하고, 동시에 작용하는 복수의 상태 비저장 엔진을 가동한다.데이터 과학자, 대시보드 및 클라이언트 앱은 모두 적절한 ID 기반 보안, 데이터 마스킹 및 버전 관리를 통해 동일한 원시 또는 실시간 데이터 파생 모델에 실시간으로 액세스한다.
전통적으로 데이터 과학자는 일반 자바 프로그래머처럼 IT 개발 팀의 일원이 아니었다.이는 그들의 기술이 보통 IT, 즉 수학, 통계, 데이터 과학과 관련이 없는 그들 자신의 부서에서 그들을 차별화시키기 때문이다.그러므로 소프트웨어 코드 작성에 대한 그들의 접근방식이 전통적인 프로그래밍 팀과 같은 효율성을 누리지 못한다고 결론짓는 것은 논리적이다.특히 전통적인 프로그래밍은 코드 작성에 대한 연속 전달 방식과 민첩한 방법론을 채택했다.그것은 반복이라고 불리는 연속적인 원으로 소프트웨어를 출시한다.
그렇다면 지속적인 분석은 연속적인 전달 소프트웨어 개발 모델을 빅데이터 분석 개발 팀으로 확장하는 것이다.이어 지속적인 분석 실무자의 목표는 유닛과 기능 테스트를 자동으로 실행하는 신속한 변화를 위한 개발 모델에 분석 코드 작성과 빅데이터 소프트웨어 설치를 통합하고 자동화된 툴로 환경 시스템을 구축하는 것이다.
이 일을 만든다는 것은 데이터 과학자가 일반 프로그래머들이 사용하는 코드 저장소에 코드를 기록하도록 하여 소프트웨어가 거기서 코드를 뽑아내어 빌드 프로세스를 통해 실행할 수 있게 하는 것을 의미한다.빅데이터 클러스터(가상 머신 집합)의 구성을 어떤 리포지토리에 저장한다는 의미도 있다.지속적인 통합 프로세스와 동일한 자동화된 방식으로 분석 코드, 빅데이터 소프트웨어 및 객체 전송을 용이하게 한다.[1][2][3]
외부 링크
참조
- ^ "Continuous Analytics Defined". Southern Pacific Review. Southern Pacific Review. Retrieved 17 May 2016.
- ^ Pushkarev, Stepan. "Tear down the Wall between Data Science and DevOps". LinkedIN. LinkedIN. Retrieved 17 May 2016.
- ^ "Data Wow". datawow.io. Retrieved 12 January 2021.
