- Stordata: datamängder som är så stora eller komplexa att de överstiger möjligheterna hos traditionella hanterings- och analysverktyg.
- De fyra V:na: volym, variation, hastighet och sanningsenlighet beskriver datastorleken, typerna, förändringshastigheten och tillförlitligheten hos data.
- Det inkluderar strukturerad data (numeriska databaser) och ostrukturerad data (webb, e-post, sociala nätverk), vilket ger ökande källor och komplexitet i analysen.
- Tillämpningar: hälsa, tjänsteförbättring, allmän säkerhet och affärsoptimering; molnet underlättar lagring och skalbarhet jämfört med traditionella RDBMS.
Big data är en bred term för datamängder så stora eller komplexa att traditionella databehandlingsapplikationer är otillräckliga. Big data kan innehålla vilken typ av information som helst, både strukturerad och ostrukturerad.
Big data exempel och definition
Stora datamängder
Big data är en bred term för datamängder så stora eller komplexa att traditionella databehandlingsapplikationer är otillräckliga. Omfattningen av big data kan vara vilken storlek som helst, från terabyte till petabyte (1 biljon byte) och mer. I allmänhet omfattar omfattningen av big data både strukturerad och ostrukturerad informationstyp.
Big data hänvisar till de enorma mängder information som genereras av internet, sociala medier och andra källor . Big data hänvisar till datamängder vars storlek överstiger kapaciteten hos traditionella databashanteringsverktyg att effektivt samla in, lagra, hantera och analysera dem med hjälp av standardiserade relationsdatabashanteringssystem (RDBMS).
Det uppskattas att 98 % av världens data har skapats bara under de senaste två åren.
Data växer exponentiellt. Faktum är att det uppskattas att 98 % av världens data har skapats bara under de senaste två åren. Och om du undrar vad som hände med de återstående 2%, ja, det vet vi inte heller.
Hur kan vi hantera denna exponentiella tillväxt? Vi behöver en ny datalagringsmodell som gör att vi kan lagra all vår information och sedan lista ut vad vi ska göra med den senare (eller inte).
Det är därför de flesta organisationer använder molnlagringstjänster som Amazon Web Services (AWS), Google Cloud Platform (GCP) eller Microsoft Azure, istället för att bygga sin egen infrastruktur från grunden eller använda traditionella relationsdatabaser som Oracle DBMS eller Microsoft SQL Server DBMS, vilka kräver att man betalar dyra licenser varje år bara för att fortsätta lagra alla dessa gigabyte och åter gigabyte av digitala tillgångar.
Big datas fyra mot
De fyra V:en för big data är volym, variation, hastighet och sanningsenlighet.
Volym avser storleken på den data som ditt företag bearbetar. Variation avser alla dess typer: strukturerad (som kalkylblad) och ostrukturerad (som bilder). Hastighet avser hur snabbt informationen förändras över tid: om det är något i stil med att en webbutiks försäljningssiffror ändras ungefär varje timme, behöver du ett system som kan hantera dessa förändringar tillräckligt snabbt så att de inte påverkar affärsbesluten avsevärt.
Slutligen finns det sanningsenlighet, det vill säga noggrannhet: i vilken utsträckning är informationen tillförlitlig? Om det kommer från en extern källa, som sociala nätverk som Twitter eller Facebook, där vem som helst kan lägga upp vad som helst utan föregående verifiering, är det kanske inte lika tillförlitligt.
Strukturerad och ostrukturerad data.
Big data kan innehålla vilken typ av information som helst, både strukturerad och ostrukturerad.
Exempel på strukturerad data: personnummer, kreditkortsnummer och telefonnummer.
Exempel på ostrukturerad data: webbsidor, e-postmeddelanden, tweets och annat innehåll i sociala medier.
Big data-teknik kan användas för att analysera det mänskliga genomet och hitta genetiska markörer för sjukdomar.
Big data-teknik kan användas för att analysera det mänskliga genomet och hitta genetiska markörer för sjukdomar. DNA-sekvensering är ett exempel på big data-teknik som har använts inom medicinsk forskning sedan starten i början av 2000-talet. Genom att identifiera enskilda gener och deras variationer kan forskare identifiera genetiska faktorer som bidrar till sjukdomar som cancer eller diabetes.
Genomomfattande associationsstudier (GWAS) använder en teknik som kallas mikroarrayer som gör det möjligt för forskare att analysera tusentals prover samtidigt och leta efter specifika mönster i genuttrycksnivåer. Denna process tillåter dem att identifiera genetiska varianter associerade med sjukdomar som Alzheimers eller schizofreni; De flesta GWAS-resultat förblir dock ofullständiga till stor del eftersom de är baserade på små urvalsstorlekar (i många fall mindre än 100 individer).
När antalet personer som deltar i dessa studier ökar, och särskilt om deltagarna samtycker till ytterligare tester, bör vi förvänta oss ökande noggrannhet tillsammans med större förståelse för hur specifika miljöfaktorer interagerar med våra gener under utvecklingsstadier senare i livets väg.
Används för Big Data
Idag finns det många användningsområden för Big Data som förändrar vårt sätt att leva och arbeta.
Stordata kan användas för att förbättra hälso- och sjukvård, kundservice och utbildning . Det kan också hjälpa myndigheter inom offentlig säkerhet att bättre skydda sina samhällen och företag att få tillgång till nya möjligheter genom att använda stordata för att förbättra affärsprocesser.
Hälso- och sjukvård : Läkare och sjuksköterskor använder patientjournaler för att fatta behandlingsbeslut, men med så mycket information tillgänglig om varje patient är det svårt att hitta det de behöver när de behöver det. Med hjälp av verktyg för stordataanalys kommer läkare att ha tillgång till ett bredare utbud av information om sina patienters sjukdomshistoria än någonsin tidigare, inklusive information om huruvida ett läkemedel har orsakat en biverkning eller om det finns andra läkemedel som kan interagera negativt med varandra (t.ex. blodtrycksmediciner). Detta kan rädda liv eftersom läkare omedelbart skulle veta vilka behandlingar som fungerar bäst baserat på tidigare erfarenheter, istället för att slösa tid på att prova olika kombinationer tills något fungerar tillräckligt bra.
Big Data har många användningsområden idag som du kanske inte inser.
Big data används på många olika sätt för att analysera mänskligt beteende. Den kan användas för att analysera hur människor använder sina mobila enheter, hur de interagerar med varandra och till och med hur de spenderar sina pengar.
Här är några exempel på Big Data-applikationer:
- Analysera sociala medier för att ta reda på vad som händer i omvärlden som du kanske inte är medveten om (till exempel trender inom mode eller teknik).
- Använda sensorer och kameror placerade i städer för att övervaka trafiken, så att regeringar bättre kan planera offentliga arbeten eller förbättra kollektivtrafiken.
Slutsats
Big data är en term som används för att beskriva de enorma mängder data vi kan samla in, analysera och använda i vår vardag. Denna information kan användas för många olika ändamål, som att hitta genetiska markörer för sjukdomar eller analysera mänskliga genom för att bättre förstå hur de fungerar. Det är viktigt att komma ihåg att det också finns negativa konsekvenser förknippade med denna teknik, såsom oro för integriteten för personer som har tillgång till din personliga information.