Käsite määritelmässä ABC

Elämme aikakaudella, jossa tietoja on runsaasti. Ajattelemme sitä vähän: mitä tietoja meistä voi olla Internet, kelluva kyberavaruudessa? Nimi, sukunimi, kenties osoite (online-ostoksen tuote, jonka on luonnollisesti pitänyt saapua taloon), musiikkia mitä kuulemme (Spotify-luetteloistamme tai mitä kuuntelemme Soundcloudissa), mitä artikkeleita tarkastelemme (Amazonin ja muiden verkkokauppojen sivujen tuote) ja paljon muuta.

Kun tämä määrä tietoja on käsitelty ja analysoitu, se voi johtaa meidät johtopäätöksiin sekä yksittäisistä ihmisistä että niiden joukosta väestöja jopa erottaa nämä heidän mieltymystensä mukaan, johtopäätökset, joita puolestaan ​​voimme soveltaa tiettyihin henkilöihin suositusten muodossa. Tätä varten kurinalaisuutta / Suuri data.

Määritämme Suuri data laskennallisen tieteen tieteenalana, joka käsittelee suurten tietojen kaappaamista, hallintaa ja analysointia aineistoja, tekemällä johtopäätöksiä tästä analyysistä ja soveltamalla näitä johtopäätöksiä tapauksiin betoni.

Tuo on Suuri data se on täydellinen kuria, eikä vain kokoelma ja varastointi suuria tietojoukkoja.

Aikana, jolloin tietoja ei ole vain vähän, mutta monissa tapauksissa meillä on enemmän kuin haluaisimme tai siitä voi olla todella hyötyä, Suuri data Siinä käsitellään myös sitä, kuinka valita tieto, joka on meille todella hyödyllistä analyysin suorittamiseksi ja johtopäätösten tekemiseksi.

Lopullinen tavoite Suuri data on hyötyä yrityksellemme tai aloitteellemme.

Otetaan konkreettinen tapaus: oletetaan, että meillä on online-musiikkikauppa ja että asiakkaidemme kuulemien tietojen perusteella Tallennamme tietoja, kuten kappaleen nimen, artistin nimen ja kunkin toistokertojen määrän. laulu.

Kun kaikki nämä tiedot on analysoitu, voimme tehdä useita johtopäätöksiä. Sanotaan, että näemme jokaisen asiakas On tapana luokitella heidän musiikilliset vaihtoehtonsa yhteen tai muutamaan tiettyyn tyyliin ja että voimme luokitella kaikki ryhmämme ja artistit, jotka meillä on luettelossamme, näihin genreihin.

Joten voimme käyttää Suuri data suositella myymäläasiakkaitamme kuuntelemaan (ja ostamaan tietysti myöhemmin!) musiikkia tietyiltä ryhmiltä, ​​jotka sopivat heidän mieltymyksiinsä.

Tällä tavalla tarjoamme palvelun, joka on paremmin mukautettu jokaisen henkilökohtaiseen mieltymykseen asiakkaille, mikä tekee siitä yksilöllisemmän ja siten antaa heille "sinun kauppasi" myymälän sijaan yleinen.

Suuri data He käyttävät tieteenalaa esimerkiksi sosiaalisissa verkostoissa ehdottaakseen seurattavia sivuja ja profiileja tai sisältöverkkosivustoja lukujen ehdottamiseksi.

Amazon on yksi yrityksistä, joka on esimerkki niiden käytöstä Suuri dataKoska tämän kuuluisan verkkosivuston kaikkien käyttäjien kyselyjen ja ostojen analyysistä päätellään, mitkä ehdotukset uusille tuotteille tulisi näyttää kullekin yksittäiselle käyttäjälle.

On kuitenkin huomattava, että kaikki, mitä meille ehdotetaan Internetissä, ei ole seurausta trendianalyysistä Suuri data.

Meidän on myös otettava huomioon ehdotuksia tekevien yritysten ja tuotteiden valmistajien väliset kaupalliset sopimukset, jotta ehdotuksissa näkyvät heidän omat.

Teknologisesti ratkaisujen käyttö Suuri data vaatii suurta prosessointitehoa.

Siksi he tottuvat käyttämään omistettuja tietokonejärjestelmiä, kuten suuria palvelimia ja tiloja omistautuneet yritykset, joita erikoistuneet yritykset vuokraavat erityistutkimuksia varten tai asiakkaille koko käyttöä varten vuosi.

Monta kertaa Suuri data se vaatii sellaisten tietokokoelmien käsittelyä, joita ei ole täysin jäsennelty. Siksi tämäntyyppisissä sovelluksissa tarvitaan erityisiä ratkaisuja.

On sanottu, että tekniset profiilit erikoistuneet Suuri data heillä on suuri kysyntä tulevaisuudessa.

Toisin sanoen, jos olet ajatellut saada työtä tietojenkäsittelytieteen alalla, sinun pitäisi ajatella erikoistunut vakavasti Suuri data, jossa kysynnän kattamiseksi puuttuu tarjonta.

Tiedonkeruu myöhempää analyysia varten ei tapahdu vain Internetissä ja ihmisissä, vaan se voidaan tehdä myös IoT-antureilla.

Tällä tavoin voimme esimerkiksi analysoida kuljettajien käyttäytymismallit, keräämällä tietoja pysäköintiantureista vilkkaimpien tuntien tai ajotapojen tuntemiseksi. liike.

Kuvat: Fotolia - lasse / georgejmclittle

Big Datan aiheet