border=0

Технологія »Великі дані

Визначення великих даних


Ми живемо в епоху, в якій рясніють дані. Давайте трохи подумаємо: які дані про нас можна знайти в Інтернеті , плаваючи в кіберпросторі? Ім'я, прізвище, можливо адреса (продукт покупки, який ми зробили в Інтернеті, і що, звичайно, довелося придбати нас додому), музику, яку ми чули (з наших списків Spotify або те, що ми чули на Soundcloud), які статті ми розглянули ( продукт сторінок, які ми бачимо в Amazon та інших інтернет-магазинах), і багато іншого.


Ця кількість даних, оброблених і проаналізованих, може привести до висновків, як про окремих людей, так і про групи населення , і навіть про їх диференціацію відповідно до їхніх уподобань, висновків, які, в свою чергу, можна застосувати до конкретних осіб у вигляді рекомендацій. Для цього народилася дисципліна Big Data .


Ми визначаємо великі дані як дисципліну обчислювальної науки, яка стосується захоплення, управління та аналізу великих наборів даних, вилучення висновків з цього аналізу та застосування цих висновків до конкретних випадків.


Тобто, Big Data - це повна дисципліна, а не тільки збір і зберігання великих наборів даних.

В епоху, коли не тільки дані не є дефіцитними, але в багатьох випадках ми маємо більше, ніж хотілося б або які можуть бути дійсно корисними, Big Data також розповідає про те, як вибрати дані, які дійсно корисні для нас для здійснення аналізу та вилучення висновків.

Кінцевою метою компанії Big Data є отримання вигоди для нашої компанії або ініціативи.

Візьмемо конкретний випадок: припустимо, що у нас є інтернет-магазин музики, і від того, що слухають наші клієнти, ми зберігаємо таку інформацію, як назву пісні, ім'я виконавця та час відтворення кожної пісні.

Як тільки всі ці дані будуть проаналізовані, можна зробити кілька висновків. Припустимо, що ми бачимо, що кожен з наших клієнтів звик приховувати свої музичні опції в одному або декількох конкретних жанрах, і ми можемо класифікувати кожну з груп і виконавців, які ми маємо в каталозі в цих жанрах.

Тоді ми можемо використовувати Big Data, щоб рекомендувати нашим клієнтам магазину слухати (а потім купувати, звичайно!) Музику з певних груп, які відповідають їхнім перевагам.

Таким чином, ми пропонуємо послуги, більш пристосовані до особистих уподобань кожного з наших клієнтів, роблячи його більш персоналізованим і, отже, надаючи "ваш магазин" замість універсального магазину.

Великі дані - це дисципліна, яку вони використовують, наприклад, у соціальних мережах, щоб запропонувати сторінки та профілі, які слід слідувати, або вміст веб-сайтів, щоб запропонувати читання.

Amazon є одним з компаній, що ілюструє використання Big Data , оскільки аналіз запитів і покупок всіх користувачів цього відомого веб-сайту дозволяє зробити висновок, що нові пропозиції щодо продукту мають бути показані кожному окремому користувачеві.

Однак слід зазначити, що не все, що нам пропонується в Інтернеті, є результатом аналізу тенденцій через Big Data .

Ми також повинні враховувати комерційні угоди між компаніями, які роблять пропозиції, і виробників продукції, щоб вони були включені в ці пропозиції.

Технологічно використання рішень Big Data вимагає великої обчислювальної потужності.

Саме тому вони звикли використовувати спеціальні комп'ютерні системи, такі як великі сервери, і спеціальні засоби, які спеціалізуються на оренді фірм для конкретних досліджень або клієнтів для використання протягом року.

Багато разів великі дані вимагають роботи з колекціями даних, які не є повністю структурованими. Ось чому для його застосування в даному застосуванні потрібні конкретні рішення.

Було сказано, що технічні профілі, що спеціалізуються на Big Data, будуть користуватися великим попитом у майбутньому.

Інакше кажучи: якщо ви думаєте про роботу в галузі інформатики, вам слід серйозно задуматися про спеціалізацію в області великих даних , в якій є нестача пропозиції для покриття попиту.

Збір даних для подальшого аналізу здійснюється не тільки в Інтернеті та на людях, але це можна зробити за допомогою датчиків IoT.

Таким чином, наприклад, ми можемо проаналізувати закономірності поведінки водіїв, збираючи дані від парктронік, щоб дізнатися години найбільшої зайнятості або моделі руху .

Фотографії: Fotolia - lasse / georgejmclittle

Автор: Guillem Alsina González | + QUOTE
Великі теми даних

Соціальні мережі