Έννοια στον ορισμό ABC

Ζούμε σε μια εποχή όπου τα δεδομένα αφθονούν. Ας το σκεφτούμε λίγο: σε ποια δεδομένα μπορούμε να υπάρχουν Διαδίκτυο, επιπλέουν στον κυβερνοχώρο; Όνομα, επώνυμο, ίσως διεύθυνση (προϊόν μιας αγοράς που πραγματοποιήσαμε στο διαδίκτυο και το οποίο, φυσικά, έπρεπε να έρθει στο σπίτι), ΜΟΥΣΙΚΗ τι ακούμε (από τις λίστες Spotify ή αυτό που ακούμε στο Soundcloud), ποια άρθρα εξετάζουμε (προϊόν των σελίδων που βλέπουμε στο Amazon και σε άλλα διαδικτυακά καταστήματα) και πολλά άλλα.

Αυτή η ποσότητα δεδομένων, αφού υποβληθεί σε επεξεργασία και ανάλυση, μπορεί να μας οδηγήσει σε συμπεράσματα, τόσο για μεμονωμένα άτομα όσο και για σύνολα πληθυσμός, και ακόμη και για να τα διαφοροποιήσουμε σύμφωνα με τις προτιμήσεις τους, συμπεράσματα που, με τη σειρά τους, μπορούμε να εφαρμόσουμε σε συγκεκριμένα άτομα με τη μορφή συστάσεων. Για αυτό, το πειθαρχία του Μεγάλα δεδομένα.

Ορίζουμε το Μεγάλα δεδομένα ως η πειθαρχία της υπολογιστικής επιστήμης που ασχολείται με τη σύλληψη, διαχείριση και ανάλυση των μεγάλων σύνολα δεδομένων, αντλώντας συμπεράσματα από αυτήν την ανάλυση και εφαρμόζοντας αυτά τα συμπεράσματα σε περιπτώσεις σκυρόδεμα.

instagram story viewer

Αυτό είναι το Μεγάλα δεδομένα είναι μια πλήρης πειθαρχία, και όχι μόνο η συλλογή και αποθήκευση μεγάλων συνόλων δεδομένων.

Σε μια εποχή στην οποία τα δεδομένα δεν είναι μόνο σπάνια, αλλά σε πολλές περιπτώσεις έχουμε περισσότερα από ό, τι θα θέλαμε ή που μπορεί να είναι πραγματικά χρήσιμα, Μεγάλα δεδομένα ασχολείται επίσης με τον τρόπο επιλογής των δεδομένων που είναι πραγματικά χρήσιμα για τη διεξαγωγή αναλύσεων και την εξαγωγή συμπερασμάτων.

Ο απώτερος στόχος του Μεγάλα δεδομένα είναι να αποκτήσουμε όφελος για την εταιρεία ή την πρωτοβουλία μας.

Ας πάρουμε μια συγκεκριμένη περίπτωση: ας υποθέσουμε ότι έχουμε ένα ηλεκτρονικό κατάστημα μουσικής και ότι, από αυτό που ακούνε οι πελάτες μας, Αποθηκεύουμε πληροφορίες όπως τον τίτλο του τραγουδιού, το όνομα του καλλιτέχνη και τον αριθμό των φορών που παίζεται το καθένα. τραγούδι.

Μόλις αναλυθούν όλα αυτά τα δεδομένα, μπορούμε να καταλήξουμε σε πολλά συμπεράσματα. Ας πούμε ότι βλέπουμε ότι κάθε ένα από τα δικά μας πελάτης Είναι συνηθισμένο να περνούν τις μουσικές επιλογές τους σε ένα ή μερικά συγκεκριμένα είδη και ότι μπορούμε να ταξινομήσουμε κάθε μία από τις ομάδες και τους καλλιτέχνες που έχουμε στον κατάλογό μας σε αυτά τα είδη.

Έτσι, μπορούμε να χρησιμοποιήσουμε το Μεγάλα δεδομένα να προτείνουμε στους πελάτες του καταστήματός μας να ακούνε (και αργότερα να αγοράσουν, φυσικά!) μουσική από συγκεκριμένες ομάδες που ταιριάζουν στις προτιμήσεις τους.

Με αυτόν τον τρόπο, προσφέρουμε μια υπηρεσία πιο προσαρμοσμένη στις προσωπικές προτιμήσεις του καθενός μας πελάτες, καθιστώντας το πιο εξατομικευμένο και, ως εκ τούτου, δίνοντάς τους «το κατάστημά σας» αντί για ένα κατάστημα γενικός.

ο Μεγάλα δεδομένα Είναι η πειθαρχία που χρησιμοποιούν, για παράδειγμα, στα κοινωνικά δίκτυα για να προτείνουν σελίδες και προφίλ που πρέπει να ακολουθούν ή ιστότοπους περιεχομένου για να προτείνουν αναγνώσεις.

Η Amazon είναι μία από τις επιχειρήσεις που αποτελεί παράδειγμα της χρήσης Μεγάλα δεδομέναΔεδομένου ότι από την ανάλυση των ερευνών και αγορών όλων των χρηστών αυτού του διάσημου ιστότοπου, συνάγεται το συμπέρασμα ποιες προτάσεις για νέα προϊόντα πρέπει να εμφανίζονται σε κάθε μεμονωμένο χρήστη.

Ωστόσο, πρέπει να σημειωθεί ότι δεν είναι όλα όσα μας προτείνονται στο Διαδίκτυο ως αποτέλεσμα ανάλυσης τάσεων Μεγάλα δεδομένα.

Πρέπει επίσης να λάβουμε υπόψη εμπορικές συμφωνίες μεταξύ των εταιρειών που κάνουν τις προτάσεις και των κατασκευαστών προϊόντων, έτσι ώστε να είναι αυτές που εμφανίζονται στις εν λόγω προτάσεις.

Τεχνολογικά, η χρήση λύσεων Μεγάλα δεδομένα απαιτεί μεγάλη ισχύ επεξεργασίας.

Αυτός είναι ο λόγος για τον οποίο συνηθίζουν να χρησιμοποιούν αποκλειστικά συστήματα υπολογιστών, όπως μεγάλους διακομιστές και εγκαταστάσεις αφιερωμένες εταιρείες που ενοικιάζουν εξειδικευμένες εταιρείες για συγκεκριμένες μελέτες ή σε πελάτες για χρήση σε ολόκληρο το σύνολο έτος.

Πολλές φορές το Μεγάλα δεδομένα απαιτεί την αντιμετώπιση συλλογών δεδομένων που δεν είναι πλήρως δομημένες. Γι 'αυτό απαιτούνται συγκεκριμένες λύσεις για χρήση σε αυτούς τους τύπους εφαρμογών.

Έχει ειπωθεί ότι τα τεχνικά προφίλ εξειδικεύονται στο Μεγάλα δεδομένα θα έχουν μεγάλη ζήτηση στο μέλλον.

Με άλλα λόγια, εάν σκέφτεστε να εργαστείτε στην επιστήμη των υπολογιστών, θα πρέπει νομίζω ειδικεύονται σοβαρά στον τομέα του Μεγάλα δεδομένα, στην οποία υπάρχει έλλειψη προσφοράς για την κάλυψη της ζήτησης.

Η συλλογή δεδομένων για μεταγενέστερη ανάλυση δεν γίνεται μόνο στο Διαδίκτυο και σε άτομα, αλλά μπορεί επίσης να γίνει χρησιμοποιώντας αισθητήρες IoT.

Με αυτόν τον τρόπο, για παράδειγμα, μπορούμε αναλύει τα μοτίβα συμπεριφοράς των οδηγών, τη συλλογή δεδομένων από τους αισθητήρες στάθμευσης για να γνωρίζουν τις πιο πολυσύχναστες ώρες ή τα μοτίβα οδήγησης. κίνηση.

Φωτογραφίες: Fotolia - lasse / georgejmclittle

Θέματα σε Big Data