परिभाषा एबीसी. में अवधारणा

हम एक ऐसे युग में रहते हैं जहां डेटा बहुत अधिक है। आइए इसके बारे में थोड़ा सोचें: हमारे बारे में क्या डेटा हो सकता है इंटरनेट, साइबरस्पेस में तैर रहे हैं? नाम, उपनाम, शायद पता (खरीदारी का उत्पाद जिसे हमने ऑनलाइन किया है और जिसे स्वाभाविक रूप से हमारे घर पहुंचना है), संगीत हम जो सुनते हैं (हमारी Spotify सूचियों से या हम साउंडक्लाउड पर क्या सुनते हैं), हम कौन से लेख देखते हैं (उन पृष्ठों का उत्पाद जो हम अमेज़ॅन और अन्य ऑनलाइन स्टोर पर देखते हैं), और बहुत कुछ।

डेटा की यह मात्रा, एक बार संसाधित और विश्लेषण के बाद, हमें अलग-अलग लोगों के बारे में और के सेट के बारे में निष्कर्ष पर ले जा सकती है आबादी, और यहां तक ​​कि उनकी वरीयताओं के अनुसार इन्हें अलग करने के लिए, निष्कर्ष जो बदले में, हम विशिष्ट व्यक्तियों पर सिफारिशों के रूप में लागू कर सकते हैं। इसके लिए, अनुशासन का बड़ा डेटा.

हम परिभाषित करते हैं बड़ा डेटा कम्प्यूटेशनल विज्ञान के अनुशासन के रूप में जो बड़े पैमाने पर कब्जा, प्रबंधन और विश्लेषण से संबंधित है डेटा सेट, इस विश्लेषण से निष्कर्ष निकालना, और इन निष्कर्षों को मामलों में लागू करना ठोस।

यह है की बड़ा डेटा यह एक संपूर्ण अनुशासन है, न कि केवल संग्रह और भंडारण बड़े डेटा सेट के।

एक ऐसे युग में जिसमें डेटा न केवल दुर्लभ है, बल्कि कई मामलों में हमारे पास जितना हम चाहते हैं उससे अधिक है या जो वास्तव में उपयोगी हो सकता है, बड़ा डेटा यह इस बात से भी संबंधित है कि विश्लेषण करने और निष्कर्ष निकालने के लिए वास्तव में हमारे लिए उपयोगी डेटा का चयन कैसे किया जाए।

का अंतिम लक्ष्य बड़ा डेटा हमारी कंपनी या पहल के लिए लाभ प्राप्त करना है।

आइए एक ठोस मामला लें: मान लें कि हमारे पास एक ऑनलाइन संगीत स्टोर है और वह, जो हमारे ग्राहक सुनते हैं, हम गीत का शीर्षक, कलाकार का नाम और प्रत्येक को कितनी बार बजाया जाता है, जैसी जानकारी संग्रहीत करते हैं। गाना।

एक बार इन सभी आंकड़ों का विश्लेषण करने के बाद, हम कई निष्कर्षों पर पहुंच सकते हैं। मान लीजिए कि हम देखते हैं कि हमारा प्रत्येक ग्राहक यह उनके संगीत विकल्पों को एक या कुछ विशिष्ट शैलियों में वर्गीकृत करने के लिए प्रथागत है, और हम इन शैलियों में हमारे कैटलॉग में मौजूद प्रत्येक समूह और कलाकारों को वर्गीकृत कर सकते हैं।

तो, हम उपयोग कर सकते हैं बड़ा डेटा हमारे स्टोर ग्राहकों को अनुशंसा करने के लिए कि वे कुछ समूहों से संगीत सुनें (और बाद में खरीद लें!)

इस तरह, हम अपने प्रत्येक. की व्यक्तिगत प्राथमिकताओं के लिए अधिक समायोजित सेवा प्रदान करते हैं ग्राहक, इसे और अधिक व्यक्तिगत बनाते हैं और इसलिए, उन्हें स्टोर के बजाय "अपना स्टोर" देते हैं सामान्य।

बड़ा डेटा यह वह अनुशासन है जिसका वे उपयोग करते हैं, उदाहरण के लिए, सामाजिक नेटवर्क में पृष्ठों और प्रोफाइल का पालन करने के लिए सुझाव देने के लिए, या सामग्री वेबसाइटों को रीडिंग का सुझाव देने के लिए।

अमेज़ॅन उन व्यवसायों में से एक है जो के उपयोग का उदाहरण देता है बड़ा डेटाचूंकि इस प्रसिद्ध वेबसाइट के सभी उपयोगकर्ताओं की पूछताछ और खरीद के विश्लेषण से, यह निष्कर्ष निकाला गया है कि प्रत्येक व्यक्तिगत उपयोगकर्ता को नए उत्पादों के लिए कौन से सुझाव दिखाए जाने चाहिए।

हालांकि, यह ध्यान दिया जाना चाहिए कि इंटरनेट पर हमें जो कुछ भी सुझाया जाता है वह प्रवृत्ति विश्लेषण का परिणाम नहीं है बड़ा डेटा.

हमें सुझाव देने वाली कंपनियों और उत्पादों के निर्माताओं के बीच वाणिज्यिक समझौतों को भी ध्यान में रखना चाहिए ताकि उक्त सुझावों में दिखाई देने वाले उनके ही हों।

तकनीकी रूप से, समाधानों का उपयोग बड़ा डेटा बड़ी प्रसंस्करण शक्ति की आवश्यकता होती है।

यही कारण है कि उन्हें समर्पित कंप्यूटर सिस्टम, जैसे बड़े सर्वर और सुविधाओं का उपयोग करने की आदत हो जाती है समर्पित फर्में जो विशिष्ट फर्म विशिष्ट अध्ययनों के लिए या ग्राहकों को संपूर्ण उपयोग के लिए किराए पर देती हैं साल।

कई बार बड़ा डेटा इसे डेटा संग्रह से निपटने की आवश्यकता है जो पूरी तरह से संरचित नहीं हैं। इसलिए इस प्रकार के अनुप्रयोगों में उपयोग के लिए विशिष्ट समाधानों की आवश्यकता होती है।

यह कहा गया है कि तकनीकी प्रोफाइल में विशेषज्ञता प्राप्त है बड़ा डेटा वे भविष्य में उच्च मांग में होंगे।

दूसरे शब्दों में, यदि आप कंप्यूटर विज्ञान के क्षेत्र में नौकरी करने के बारे में सोच रहे हैं, तो आपको करना चाहिए सोच के क्षेत्र में गंभीरता से विशेषज्ञ बड़ा डेटाजिसमें मांग को पूरा करने के लिए आपूर्ति की कमी है।

बाद के विश्लेषण के लिए डेटा संग्रह न केवल इंटरनेट और लोगों पर किया जाता है, बल्कि IoT सेंसर का उपयोग करके भी किया जा सकता है।

इस तरह, उदाहरण के लिए, हम कर सकते हैं विश्लेषण ड्राइवरों के व्यवहार पैटर्न, व्यस्ततम घंटों या ड्राइविंग पैटर्न को जानने के लिए पार्किंग सेंसर से डेटा एकत्र करना। आंदोलन.

तस्वीरें: फ़ोटोलिया - लासे / जॉर्जमक्लिटल

बिग डेटा में विषय