- Big data: datajoukot, jotka ovat niin suuria tai monimutkaisia, että ne ylittävät perinteisten hallinta- ja analyysityökalujen ominaisuudet.
- Neljä V:tä: volyymi, vaihtelu, nopeus ja todenmukaisuus kuvaavat datan kokoa, tyyppiä, muutosnopeutta ja luotettavuutta.
- Se sisältää strukturoitua dataa (numeeriset tietokannat) ja strukturoimatonta dataa (verkko, sähköpostit, sosiaaliset verkostot), laajenevia lähteitä ja analyysin monimutkaisuutta.
- Sovellukset: terveydenhuolto, palvelujen parantaminen, yleinen turvallisuus ja liiketoiminnan optimointi; pilvi helpottaa tallennusta ja skaalautuvuutta verrattuna perinteisiin RDBMS-järjestelmiin.
Big data on laaja käsite tietojoukoille, jotka ovat niin suuria tai monimutkaisia, että perinteiset tietojenkäsittelysovellukset eivät ole riittäviä. Big data voi sisältää kaikenlaista tietoa, sekä jäsenneltyä että jäsentämätöntä.
Big data esimerkkejä ja määritelmä
Suuret tietojoukot
Big data on laaja käsite tietojoukoille, jotka ovat niin suuria tai monimutkaisia, että perinteiset tietojenkäsittelysovellukset eivät ole riittäviä. Big datan laajuus voi olla minkä kokoinen tahansa, teratavuista petabyytteihin (1 biljoona tavua) ja enemmän. Yleensä big datan laajuus sisältää sekä jäsenneltyä että jäsentämätöntä tietoa.
Big data viittaa internetin, sosiaalisen median ja muiden lähteiden tuottamiin valtaviin tietomääriin . Big datalla tarkoitetaan tietojoukkoja, joiden koko ylittää perinteisten tietokannanhallintatyökalujen kapasiteetin tehokkaasti tallentaa, hallita ja analysoida niitä käyttämällä standardeja relaatiotietokantojen hallintajärjestelmiä (RDBMS).
On arvioitu, että 98 % maailman tiedoista on luotu pelkästään viimeisen kahden vuoden aikana.
Data kasvaa eksponentiaalisesti. Itse asiassa on arvioitu, että 98 % maailman tiedoista on luotu pelkästään viimeisen kahden vuoden aikana. Ja jos ihmettelet, mitä tapahtui jäljellä olevalle 2 %:lle, emme tiedä sitäkään.
Miten selviydymme tästä eksponentiaalisesta kasvusta? No, tarvitsemme uuden tiedontallennusmallin , jonka avulla voimme tallentaa kaikki tietomme ja sitten selvittää, mitä niillä teemme myöhemmin (tai emme).
Tästä syystä useimmat organisaatiot käyttävät pilvitallennuspalveluita, kuten Amazon Web Services (AWS), Google Cloud Platform (GCP) tai Microsoft Azure, sen sijaan, että ne rakentaisivat oman infrastruktuurinsa tyhjästä tai käyttäisivät perinteisiä relaatiotietokantoja, kuten Oracle DBMS tai Microsoft SQL Server DBMS, jotka vaativat kalliiden lisenssien maksamista joka vuosi vain kaikkien näiden gigatavujen ja gigatavujen digitaalisten resurssien tallentamiseksi.
Big datan neljä vs
Big datan neljä V:tä ovat volyymi, vaihtelu, nopeus ja todenmukaisuus.
Volyymi viittaa yrityksesi käsittelemän datan kokoon. Monipuolisuus viittaa kaikkiin sen tyyppeihin: jäsenneltyihin (kuten laskentataulukot) ja jäsentämättömiin (kuten kuvat). Nopeus viittaa siihen, kuinka nopeasti tieto muuttuu ajan kuluessa: jos kyseessä on esimerkiksi verkkokaupan myyntiluvut, jotka muuttuvat suunnilleen tunnin välein, tarvitset järjestelmän, joka pystyy käsittelemään nämä muutokset riittävän nopeasti, jotta ne eivät vaikuta merkittävästi liiketoimintapäätöksiin.
Lopuksi on olemassa totuus eli tarkkuus: missä määrin tieto on luotettavaa? Jos se tulee ulkoisesta lähteestä, kuten sosiaalisista verkostoista, kuten Twitteristä tai Facebookista, jossa kuka tahansa voi julkaista mitä tahansa milloin tahansa ilman ennakkovarmennusta, se ei välttämättä ole yhtä luotettava.
Strukturoitu ja jäsentämätön data.
Big data voi sisältää kaikenlaista tietoa, sekä jäsenneltyä että jäsentämätöntä.
Esimerkkejä strukturoiduista tiedoista: sosiaaliturvatunnukset, luottokorttien numerot ja puhelinnumerot.
Esimerkkejä jäsentämättömästä tiedosta: verkkosivut, sähköpostit, twiitit ja muu sosiaalisen median sisältö.
Big data -teknologian avulla voidaan analysoida ihmisen genomia ja löytää sairauksien geneettisiä markkereita.
Big data -teknologiaa voidaan käyttää ihmisen genomin analysointiin ja sairauksien geneettisten merkkiaineiden löytämiseen. DNA-sekvensointi on esimerkki big data -teknologiasta, jota on käytetty lääketieteellisessä tutkimuksessa sen perustamisesta lähtien 2000-luvun alkupuolella. Tunnistamalla yksittäisiä geenejä ja niiden variaatioita tutkijat voivat paikantaa geneettisiä tekijöitä, jotka vaikuttavat sairauksiin, kuten syöpään tai diabetekseen.
Genominlaajuiset assosiaatiotutkimukset (GWAS) käyttävät mikrosiruiksi kutsuttua tekniikkaa, jonka avulla tutkijat voivat analysoida tuhansia näytteitä kerralla etsiessään tiettyjä malleja geenin ilmentymistasoista. Tämän prosessin avulla he voivat tunnistaa geneettisiä muunnelmia, jotka liittyvät sairauksiin, kuten Alzheimerin tautiin tai skitsofreniaan; Useimmat GWAS-tulokset ovat kuitenkin epäselviä, koska ne perustuvat pieniin otoskokoihin (monissa tapauksissa alle 100 yksilöä).
Kun näihin tutkimuksiin osallistuvien ihmisten määrä kasvaa, ja varsinkin jos osallistujat suostuvat lisätesteihin, meidän pitäisi odottaa kasvavaa tarkkuutta ja parempaa ymmärrystä siitä, kuinka tietyt ympäristötekijät ovat vuorovaikutuksessa geeneidemme kanssa kehitysvaiheissa myöhemmissä elämänvaiheissa.
Big Datan käyttö
Nykyään Big Datalla on monia käyttötapoja, jotka muuttavat tapaamme elää ja työskennellä.
Big dataa voidaan käyttää terveydenhuollon, asiakaspalvelun ja koulutuksen parantamiseen . Se voi myös auttaa julkisen turvallisuuden virastoja suojelemaan yhteisöjään paremmin ja yrityksiä hyödyntämään uusia mahdollisuuksia hyödyntämällä big dataa liiketoimintaprosessien parantamiseen.
Terveydenhuolto : Lääkärit ja sairaanhoitajat käyttävät potilastietoja hoitopäätösten tekemiseen, mutta koska jokaisesta potilaasta on saatavilla niin paljon tietoa, on vaikea löytää tarvitsemaansa tietoa silloin, kun sitä tarvitaan. Big data -analytiikkatyökalujen avulla lääkäreillä on pääsy laajempaan valikoimaan tietoja potilaidensa sairaushistorioista kuin koskaan ennen, mukaan lukien tiedot siitä, onko lääkitys aiheuttanut haittavaikutuksia tai onko olemassa muita lääkkeitä, jotka saattavat olla negatiivisesti yhteisvaikutuksessa keskenään (kuten verenpainelääkkeet). Tämä voisi pelastaa ihmishenkiä, koska lääkärit tietäisivät heti, mitkä hoidot toimisivat parhaiten aiempien kokemusten perusteella, sen sijaan, että aikaa tuhlattaisiin eri yhdistelmien kokeilemiseen, kunnes jokin toimii riittävän hyvin.
Big Datalla on nykyään monia käyttötarkoituksia, joita et ehkä ymmärrä.
Bigdataa käytetään monella eri tavalla ihmisen käyttäytymisen analysointiin. Sen avulla voidaan analysoida, kuinka ihmiset käyttävät mobiililaitteitaan, miten he ovat vuorovaikutuksessa keskenään ja jopa kuinka he käyttävät rahojaan.
Tässä on esimerkkejä Big Data -sovelluksista:
- Analysoi sosiaalista mediaa saadaksesi selville, mitä ympärilläsi tapahtuu, mistä et ehkä ole tietoinen (esimerkiksi muoti- tai teknologiatrendit).
- Kaupunkeihin sijoitettujen antureiden ja kameroiden käyttö liikenteen valvontaan, jotta hallitukset voivat paremmin suunnitella julkisia töitä tai parantaa joukkoliikennettä.
Johtopäätös
Big data on termi, jota käytetään kuvaamaan valtavia tietomääriä, joita voimme kerätä, analysoida ja käyttää jokapäiväisessä elämässämme. Tätä tietoa voidaan käyttää moniin eri tarkoituksiin, kuten sairauksien geneettisten merkkiaineiden etsimiseen tai ihmisen genomien analysointiin niiden toiminnan ymmärtämiseksi. On tärkeää muistaa, että tähän tekniikkaan liittyy myös kielteisiä seurauksia, kuten huolenaihe niiden ihmisten yksityisyydestä, joilla on pääsy henkilötietoihisi.