如今，大多企業已經開始開始部署大數據基礎設施與多種工具,旨在分析收集到的海量數據，這就意味這我們已經大數據進入應用開發與部署階段,因此最重要的是着眼於具體軟件。截至目前,我們已經發現了三種主要大數據應用類型:
淺層應用,包括執行客戶流失分析並圍繞通用型分析工具進行開發(例如Dataminr與DataRobot等)。
這些應用由數據科學家負責支援,從而執行經過嚴格定義的任務流程。這些應用通常只能在執行基礎之上提供淺層分析能力。
這些由分析模型與報告機制驅動的應用由數據科學家及服務專家進行開發與維護——他們往往來自管理諮詢企業,且充分理解相關業務領域及最終用戶需求。最終用戶通常爲商業分析師。
應用能夠處理大數據,但無法實現任何形式的預測或預測性分析(例如Socrata及Zuora)。這類應用可能面向水平或垂直體系,其能夠爲最終用戶——主要爲商業分析師——提供理解數據並形成結論報告的能力。作爲實例,紐約市就利用Socrata系統創建財務報告。
具備嵌入式預測性分析的'應用。此類應用未來將分爲以下兩種類別:
1.包含預測模型,並由數據科學家負責開發與定期更新。這意味着應用供應商必須擁有強大的服務能力以支援軟件功能。此類應用包括AgileOne、OPower、Zephyr Health、Duetto以及Data Xu與Media Math等在線廣告應用方案。
2.所使用的預測模型可由應用本身自動構建。此類應用廠商包括Oration與Namogoo。
歸屬於這一類別的應用可能面向橫向(例如AgileOne與Namogoo)或垂直領域(例如OPower、Duetto或者Oration)。
這三種大數據應用類型可被視爲應用領域的開創者,如今以其爲基礎又有第四種見解型應用開始出現。之前提到的第三種應用同見解型應用最爲接近,但二者間又存在着重要差異:其能夠做出預測,但無法形成見解。
換言之,第三種應用無法根據預測結果執行對應操作。相反,它們依賴於用戶來識別特定預測結果並執行對應行爲。