Příklady a definice velkých dat

Informatec Digital » analýza dat » Příklady a definice velkých dat

Big data je široký pojem pro datové sady tak velké nebo složité, že tradiční aplikace pro zpracování dat jsou nedostatečné. Velká data mohou zahrnovat jakýkoli typ informací, strukturovaných i nestrukturovaných.

Příklady a definice velkých dat

Velké datové sady

Big data je široký pojem pro datové sady tak velké nebo složité, že tradiční aplikace pro zpracování dat jsou nedostatečné. Rozsah velkých dat může být libovolné velikosti, od terabajtů po petabajty (1 bilion bajtů) a dále. Obecně platí, že rozsah velkých dat zahrnuje strukturované i nestrukturované typy informací.

Velká data označují obrovské množství informací generovaných internetem, sociálními médii a dalšími zdroji . Velká data označují datové sady, jejichž velikost přesahuje kapacitu tradičních nástrojů pro správu databází , které je umožňují efektivně zachytit, uložit, spravovat a analyzovat pomocí standardních systémů relační správy databází (RDBMS).

Odhaduje se, že 98 % světových dat bylo vytvořeno jen za poslední dva roky.

Data rostou exponenciálně. Ve skutečnosti se odhaduje, že 98 % světových dat bylo vytvořeno jen za poslední dva roky. A pokud vás zajímá, co se stalo se zbývajícími 2 %, tak to nevíme ani my.

Jak se s tímto exponenciálním růstem vyrovnáme? Potřebujeme nový model ukládání dat , který nám umožní ukládat všechny naše informace a pak zjistit, co s nimi později (nebo ne) dělat.

Proto většina organizací využívá cloudové úložné služby, jako jsou Amazon Web Services (AWS), Google Cloud Platform (GCP) nebo Microsoft Azure, místo aby si budovaly vlastní infrastrukturu od nuly nebo používaly tradiční relační databáze, jako jsou Oracle DBMS nebo Microsoft SQL Server DBMS, které vyžadují každoroční placení drahých licencí jen proto, aby se v nich daly ukládat všechny ty gigabajty a gigabajty digitálních aktiv.

Čtyři Vs velkých dat

Čtyři V velkých dat jsou objem, rozmanitost, rychlost a pravdivost.

Objem se vztahuje k velikosti dat, která vaše společnost zpracovává. Rozmanitost se vztahuje ke všem jejich typům: strukturovaným (jako jsou tabulky) a nestrukturovaným (jako jsou obrázky). Rychlost se vztahuje k tomu, jak rychle se informace v čase mění: pokud se jedná o něco jako tržby internetového obchodu, které se mění zhruba každou hodinu, potřebujete systém, který dokáže tyto změny zpracovat dostatečně rychle, aby významně neovlivnily obchodní rozhodnutí.

Konečně je tu pravdivost, tedy přesnost: do jaké míry jsou informace spolehlivé? Pokud pochází z externího zdroje, jako jsou sociální sítě jako Twitter nebo Facebook, kde může kdokoli a kdykoli cokoliv zveřejnit bez předchozího ověření, nemusí to být tak spolehlivé.

Strukturovaná a nestrukturovaná data.

Velká data mohou zahrnovat jakýkoli typ informací, strukturovaných i nestrukturovaných.

Příklady strukturovaných dat: čísla sociálního pojištění, čísla kreditních karet a telefonní čísla.

Příklady nestrukturovaných dat: webové stránky, e-maily, tweety a další obsah sociálních médií.

Technologie velkých dat může být použita k analýze lidského genomu a nalezení genetických markerů nemocí.

Technologie velkých dat (Big Data) lze využít k analýze lidského genomu a nalezení genetických markerů pro nemoci. Sekvenování DNA je příkladem technologie velkých dat, která se používá v lékařském výzkumu od jeho vzniku na počátku 2000. století. Identifikací jednotlivých genů a jejich variací mohou vědci přesně určit genetické faktory, které přispívají k nemocem, jako je rakovina nebo cukrovka.

Genomové asociační studie (GWAS) využívají techniku ​​zvanou microarrays, která umožňuje vědcům analyzovat tisíce vzorků najednou a hledat specifické vzorce v úrovních genové exprese. Tento proces jim umožňuje identifikovat genetické varianty spojené s nemocemi, jako je Alzheimerova choroba nebo schizofrenie; Většina výsledků GWAS však zůstává neprůkazná převážně proto, že jsou založeny na malých velikostech vzorků (v mnoha případech méně než 100 jedinců).

Jak se počet lidí účastnících se těchto studií zvyšuje, a zejména pokud tito účastníci souhlasí s dalším testováním, měli bychom očekávat rostoucí míru přesnosti spolu s lepším pochopením toho, jak specifické faktory prostředí interagují s našimi geny během vývojových fází později v životní cestě.

Používá se pro velká data

Dnes existuje mnoho využití pro velká data, která mění způsob, jakým žijeme a pracujeme.

Velká data lze využít ke zlepšení zdravotní péče, zákaznických služeb a vzdělávání . Mohou také pomoci orgánům veřejné bezpečnosti lépe chránit své komunity a firmám získat přístup k novým příležitostem využitím velkých dat ke zlepšení obchodních procesů.

Zdravotnictví : Lékaři a zdravotní sestry používají záznamy o pacientech k rozhodování o léčbě, ale s tolika dostupnými informacemi o každém pacientovi je obtížné najít to, co potřebují, když to potřebují. Díky nástrojům pro analýzu velkých dat budou mít lékaři přístup k širší škále informací o anamnéze svých pacientů než kdykoli předtím, včetně informací o tom, zda lék způsobil nežádoucí reakci, nebo zda existují jiné léky, které by mohly vzájemně negativně interagovat (například léky na krevní tlak). To by mohlo zachránit životy, protože lékaři by na základě minulých zkušeností okamžitě věděli, která léčba bude fungovat nejlépe, místo aby ztráceli čas zkoušením různých kombinací, dokud něco nezabere dostatečně dobře.

Big Data mají dnes mnoho využití, které si možná neuvědomujete.

Velká data se k analýze lidského chování používají mnoha různými způsoby. Lze jej použít k analýze toho, jak lidé používají svá mobilní zařízení, jak mezi sebou interagují a dokonce jak utrácejí peníze.

Zde je několik příkladů aplikací Big Data:

• Analyzujte sociální média a zjistěte, co se děje ve světě kolem vás, o čem možná nevíte (například trendy v módě nebo technologiích).
• Používání senzorů a kamer umístěných ve městech k monitorování dopravy, aby vlády mohly lépe plánovat veřejné práce nebo zlepšovat veřejnou dopravu.

Závěr

Velká data jsou termín používaný k popisu obrovského množství dat, která můžeme shromažďovat, analyzovat a používat v našem každodenním životě. Tyto informace lze použít k mnoha různým účelům, jako je hledání genetických markerů nemocí nebo analýza lidských genomů, aby bylo možné lépe pochopit, jak fungují. Je důležité si uvědomit, že s touto technologií jsou spojeny také negativní důsledky, jako jsou obavy o soukromí lidí, kteří mají přístup k vašim osobním údajům.