Konsept i definisjon ABC

Vi lever i en tid der det florerer på data. La oss tenke litt på det: hvilke data om oss kan det være i Internett, flyter i cyberspace? Navn, etternavn, kanskje adresse (produkt av et kjøp som vi har gjort på nettet og som naturlig nok har måttet ankomme huset vårt), musikk hva vi hører (fra Spotify-listene våre eller hva vi hører på på Soundcloud), hvilke artikler vi ser på (produkt fra sidene vi ser på Amazon og andre nettbutikker), og mange flere.

Denne datamengden, når den er behandlet og analysert, kan føre oss til konklusjoner, både om enkeltpersoner og om sett med befolkning, og til og med for å skille disse i henhold til deres preferanser, konklusjoner som vi igjen kan bruke på spesifikke individer i form av anbefalinger. For dette, disiplin av Stor Data.

Vi definerer Stor Data som disiplinen beregningsvitenskap som omhandler fangst, styring og analyse av store datasett, trekke konklusjoner fra denne analysen, og bruke disse konklusjonene på saker betong.

Det er det Stor Data det er en fullstendig disiplin, og ikke bare samlingen og Oppbevaring av store datasett.

I en tid der data ikke bare er knappe, men i mange tilfeller har vi mer enn vi ønsker, eller som kan være veldig nyttige, Stor Data den tar også for seg hvordan vi skal velge dataene som er veldig nyttige for oss til å utføre analyser og trekke konklusjoner.

Det endelige målet for Stor Data er å oppnå en fordel for selskapet eller initiativet vårt.

La oss ta en konkret sak: la oss anta at vi har en online musikkbutikk, og at det, fra det kundene våre hører, Vi lagrer informasjon som sangtittel, artistnavn og antall ganger hver spilles. sang.

Når alle disse dataene er analysert, kan vi komme til flere konklusjoner. La oss si at vi ser at hver av våre klient Det er vanlig å klassifisere deres musikalske alternativer i en eller noen få spesifikke sjangre, og at vi kan klassifisere hver av gruppene og artistene vi har i katalogen vår i disse sjangrene.

Så vi kan bruke Stor Data å anbefale våre butikkunder å lytte til (og senere kjøpe, selvfølgelig!) musikk fra bestemte grupper som passer deres preferanser.

På denne måten tilbyr vi en tjeneste som er mer tilpasset de personlige preferansene til hver av våre kunder, noe som gjør det mer personlig og derfor gir dem “din butikk” i stedet for en butikk generisk.

De Stor Data Det er disiplinen de bruker, for eksempel i sosiale nettverk for å foreslå sider og profiler å følge, eller innholdssider for å foreslå avlesninger.

Amazon er en av virksomhetene som eksemplifiserer bruken av Stor DataSiden analysen av henvendelsene og kjøpene til alle brukerne av dette berømte nettstedet, konkluderes det med hvilke forslag til nye produkter som skal vises til hver enkelt bruker.

Imidlertid bør det bemerkes at ikke alt som er foreslått for oss på Internett er resultatet av trendanalyse gjennom Stor Data.

Vi må også ta hensyn til kommersielle avtaler mellom selskapene som kommer med forslagene, og produsentene av produkter, slik at de er de som vises i nevnte forslag.

Teknologisk sett bruk av løsninger Stor Data krever stor prosessorkraft.

Derfor blir de vant til å bruke dedikerte datasystemer, for eksempel store servere, og fasiliteter dedikerte firmaer som spesialiserte firmaer leier for spesifikke studier eller til kunder for bruk gjennom hele år.

Mange ganger Stor Data det krever håndtering av datasamlinger som ikke er fullt strukturert. Det er derfor det kreves spesifikke løsninger for bruk i denne typen applikasjoner.

Det har blitt sagt at tekniske profiler spesialiserte seg i Stor Data de vil være i høy etterspørsel i fremtiden.

Med andre ord, hvis du tenker på å ha en jobb innen informatikk, bør du gjøre det synes at seriøst spesialiserer oss på området Stor Data, hvor det mangler tilbud for å dekke etterspørselen.

Datainnsamling for påfølgende analyse utføres ikke bare på Internett og på mennesker, men kan også gjøres ved hjelp av IoT-sensorer.

På denne måten kan vi for eksempel analysere atferdsmønsteret til sjåførene, samle inn data fra parkeringssensorene for å kjenne til de travleste timene eller kjøremønstrene. bevegelse.

Bilder: Fotolia - lasse / georgejmclittle

Emner i Big Data