Pojęcie w definicji ABC

Żyjemy w czasach obfitujących w dane. Zastanówmy się trochę: jakie dane o nas mogą być w Internet, unoszący się w cyberprzestrzeni? Imię, nazwisko, być może adres (produkt zakupu, którego dokonaliśmy online i który oczywiście musiał przybyć do naszego domu), muzyka co słyszymy (z naszych list Spotify lub czego słuchamy na Soundcloud), jakie artykuły przeglądamy (produkt stron, które widzimy w Amazon i innych sklepach internetowych) i wiele innych.

Taka ilość danych, po przetworzeniu i przeanalizowaniu, może prowadzić nas do wniosków, zarówno dotyczących pojedynczych osób, jak i zbiorów sets populacja, a nawet różnicować je zgodnie z ich preferencjami, wnioski, które z kolei możemy odnieść do konkretnych osób w formie rekomendacji. W tym celu dyscyplina z Wielkie dane.

Definiujemy Wielkie dane jako dyscyplina nauk obliczeniowych zajmująca się wychwytywaniem, zarządzaniem i analizą dużych zbiory danych, wyciąganie wniosków z tej analizy i stosowanie tych wniosków do przypadków beton.

To jest Wielkie dane to kompletna dyscyplina, a nie tylko kolekcja i przechowywanie dużych zbiorów danych.

W erze, w której danych nie tylko nie brakuje, ale w wielu przypadkach mamy ich więcej, niż byśmy chcieli lub mogą być naprawdę przydatne, Wielkie dane dotyczy również tego, jak wybrać dane, które są dla nas naprawdę przydatne do przeprowadzenia analizy i wyciągnięcia wniosków.

Ostateczny cel Wielkie dane jest uzyskanie korzyści dla naszej firmy lub inicjatywy.

Weźmy konkretny przypadek: załóżmy, że mamy sklep muzyczny online i z tego, co słyszą nasi klienci, Przechowujemy informacje, takie jak tytuł utworu, nazwa wykonawcy i liczba odtworzeń każdego z nich. piosenka.

Po przeanalizowaniu wszystkich tych danych możemy dojść do kilku wniosków. Powiedzmy, że widzimy, że każdy z naszych klient Zwyczajowo klasyfikuje się ich opcje muzyczne w jednym lub kilku konkretnych gatunkach i możemy sklasyfikować każdą z grup i artystów, których mamy w naszym katalogu, w tych gatunkach.

Możemy więc użyć use Wielkie dane polecać klientom naszego sklepu słuchanie (a później oczywiście kupowanie!) muzyki z określonych grup, które odpowiadają ich preferencjom.

W ten sposób oferujemy usługę bardziej dostosowaną do osobistych preferencji każdego z nas klientów, czyniąc go bardziej spersonalizowanym, a tym samym dając im „Twój sklep” zamiast sklepu ogólny.

Wielkie dane Jest to dyscyplina, z której korzystają, na przykład w sieciach społecznościowych, aby sugerować strony i profile do obserwowania, lub witryny z treścią, aby sugerować lektury.

Amazon jest jedną z firm, które stanowią przykład wykorzystania Wielkie danePonieważ z analizy zapytań i zakupów wszystkich użytkowników tej słynnej strony internetowej wynika, które sugestie dotyczące nowych produktów powinny być pokazywane każdemu indywidualnemu użytkownikowi.

Należy jednak zauważyć, że nie wszystko, co sugeruje nam w Internecie, jest wynikiem analizy trendów poprzez Wielkie dane.

Musimy również brać pod uwagę umowy handlowe pomiędzy firmami, które zgłaszają sugestie, a producentami produktów, aby to oni byli tymi, którzy pojawiają się w tych sugestiach.

Technologicznie zastosowanie rozwiązań Wielkie dane wymaga dużej mocy obliczeniowej.

Dlatego przyzwyczajają się do korzystania z dedykowanych systemów komputerowych, takich jak duże serwery i obiekty dedykowane firmy, które wyspecjalizowane firmy wynajmują na konkretne studia lub klientom do użytku przez cały okres rok.

Wiele razy Wielkie dane wymaga radzenia sobie ze zbiorami danych, które nie są w pełni ustrukturyzowane. Dlatego do zastosowania w tego typu aplikacjach wymagane są konkretne rozwiązania.

Mówi się, że profile techniczne specjalizują się w: Wielkie dane w przyszłości będzie na nie duży popyt.

Innymi słowy, jeśli myślisz o pracy w dziedzinie informatyki, powinieneś myśleć poważnie specjalizuję się w obszarze Wielkie dane, w którym brakuje podaży na pokrycie popytu.

Zbieranie danych do późniejszej analizy odbywa się nie tylko w Internecie i na ludziach, ale może być również realizowane za pomocą czujników IoT.

W ten sposób możemy na przykład analizować wzorce zachowań kierowców, zbieranie danych z czujników parkowania w celu poznania najbardziej ruchliwych godzin lub wzorców jazdy. ruch.

Zdjęcia: Fotolia - lasse / georgejmclittle

Tematy w Big Data