Sissejuhatus suurandmetesse
Nagu nimest järeldada võib, suurandmed on midagi andmetega seotud, kui suur tähendab suurt või tohutut. Lihtsustatult öeldes viitab suurandmed suurtele andmemahtudele (mahu osas), mida ei saa traditsiooniliste andmetöötlusrakendustega tõhusal viisil töödelda. Andmete suurenedes muutuvad need ka keerukamaks ning andmete saamiseks vajaliku saamiseks on vaja keerukamaid ja jõulisemaid matemaatilisi ja statistilisi tehnikaid.
Proovime siin mõista sissejuhatust suurandmetesse näitega, mis ulatub tagasi 1940. aastatesse, pole arvuteid, mobiiltelefone, internetti, digitaalset elu, seega pole andmeid, eks? Noh, andmeid oli, aga see polnud digitaalne. Sel ajal ei olnud Interneti-pangandust, kuid olid pangad ja pankadel olid kliendid ning kliendid tegid tehinguid, mis registreeriti mitte digitaalselt, vaid paberil, raamatupidamises ja rahanduses ning tehti kõik pliiatsi ja paberitega.
1990. aastateni jõudsid tehnoloogiad, turule tulid arvutid ja mobiiltelefonid, kasumiaruanded ja bilansid, mis tehti paberil ja mida hoiti registrites, kus oli umbes 500 klienti, tehti nüüd Excelis ja salvestati draividesse, mis saab salvestada rohkem kui tuhandete klientide andmeid. Siin suurandmete sissejuhatuses saame teada, et andmete hüppeliselt kasvades varustasid organisatsioonid end suurema tulejõuga, et andmeid tõhusamalt käsitseda. Nüüd genereeritakse ühel päeval 2, 5 kvintilli baiti (2 500 000 terabaiti) andmeid. See on tohutu, eks? Tehnoloogia arenedes genereerib lähitulevikus peaaegu igaüks meie ümbritsevast üksusest teatud andmeid. Meil on juba saadaval nutikad kingad, nutikad tuled, nutikad padjad ja muud vidinad, mis genereerivad andmeid iga päev. Seetõttu on suurandmete sissejuhatus üks olulisi tehnoloogiaid, millel on tulevase maailma kujundamisel suur roll.
Suurte andmete põhikomponendid
Nagu arutasime suurandmete sissejuhatuses eespool, et mis on suurandmed, jätkame nüüd suurandmete põhikomponentidega.
-
Masinõpe
See on teaduseks panna arvutid ise asju õppima. Masinõppes eeldatakse, et arvuti kasutab konkreetsete ülesannete täitmiseks algoritme ja statistilisi mudeleid ilma selgesõnaliste juhisteta. Masinõppe rakendused pakuvad tulemusi, mis põhinevad varasematel kogemustel. Näiteks on tänapäeval mõned mobiilirakendused, mis annavad teile ülevaate oma rahaasjadest, arvetest, tuletavad teile meelde arvemakseid ja võivad anda teile ka soovitusi mõne säästmisplaani koostamiseks. Need funktsioonid tehakse teie e-kirjade ja tekstsõnumite lugemisega.
-
Looduskeele töötlemine (NLP)
See on arvuti võime mõista inimkeelt räägitavana. Kõige ilmsemad näited, mida inimesed võivad nendel päevadel seostada, on google home ja Amazon Alexa. Mõlemad kasutavad NLP-d ja muid tehnoloogiaid, et anda meile virtuaalse abistaja kogemus. NLP on meie ümber kõik, ilma et me sellest isegi aru saaksime. Kui kirjutate e-kirju, parandab see vigu, kuid parandab ennast automaatselt ja tänapäeval soovitab see automaatselt e-kirju täita ja hirmutab meid automaatselt, kui proovime saata meilisõnumi ilma manuseta, millele me e-kirja tekstis viitasime, see on osa loomuliku keele töötlemise rakendustest, mis töötavad taustal.
-
Äriteave
Äriteave (BI) on meetod või protsess, mis on tehnoloogiapõhine, et saada teavet, analüüsides andmeid ja esitades neid viisil, et lõppkasutajad (tavaliselt kõrgetasemelised juhid), näiteks juhid ja ettevõtete juhid, saaksid sellest toimivaid teadmisi ja teha selle kohta teadlikke äriotsuseid.
-
Pilvandmetöötlus
Kui me läheme nime järgi, siis peaks see olema pilvede arvutamine, noh, see on tõsi, lihtsalt siin ei räägi me päris pilvedest, siin on pilv viide Interneti jaoks. Nii võime määratleda pilvandmetöötluse arvutusteenuste - serverite, salvestusruumide, andmebaaside, võrkude loomise, tarkvara, analüütika, luureandmete ja muu - tarnimisel Interneti (pilve) kaudu, et pakkuda kiiremat innovatsiooni, paindlikke ressursse ja mastaabisäästu .
Suurandmete omadused
Selles suurandmete sissejuhatuse teemas näitame teile ka suurandmete omadusi.
-
Maht:
Andmete väärtuse väljaselgitamiseks tuleb arvestada suurusega, millel on ülioluline roll. Maht sõltub ka sellest, kas on võimalik kindlaks teha, kas teatud tüüpi andmed kuuluvad suurandmete kategooria sissejuhatusse või mitte.
-
Mitmekesisus:
Mitmekesisus tähendab eri tüüpi andmeid vastavalt nende olemusele (struktureeritud ja struktureerimata). Varem olid enamiku rakenduste jaoks ainsad andmeallikad ridade ja veergude kujul, mis tavaliselt olid arvutustabelites ja andmebaasides. Kuid tänapäeval on andmeid igal kujul, mida me võime ette kujutada, näiteks e-kirju, fotosid, videoid, heli ja palju muud.
-
Kiirus:
Kiirus nagu nimigi viitab andmete genereerimise kiirusele. Allikast lähtuvalt määrab andmete potentsiaal kindlaks, kui kiiresti andmeid saab genereerida ja kui kiiresti neid saab töödelda.
-
Varieeruvus:
Andmed võivad olla muutlikud, see tähendab, et see võib olla ebajärjekindel, mitte voolav, mis segab või blokeerib andmete tõhusat käsitlemist ja haldamist.
Suurte andmete rakendused
Big Data analüütikat kasutatakse järgmistel viisidel
-
Tervishoid:
Tänapäeval on meil kaasaskantavad seadmed ja andurid, mis pakuvad reaalajas värskendusi patsiendi tervisearuandele.
-
Haridus:
Õpilase edusamme saab jälgida ja parandada korraliku analüüsi abil suurandmete analüüsi abil.
-
Ilm:
Ümbermaailma paigutatud ilmaandurid ja satelliidid koguvad tohutul hulgal andmeid ja kasutavad neid andmeid ilmastiku- ja keskkonnatingimuste jälgimiseks ning samuti eelseisvate päevade ilmastikutingimuste ennustamiseks või prognoosimiseks.
Suurandmete eelised ja puudused
Kuna oleme uurinud suurandmete sissejuhatust, mõistame nüüd suurandmete eeliseid ja puudusi järgmiselt :
|
Eelised | Puudused |
| Parem otsustamine | Andmete kvaliteet: andmete kvaliteet peab olema hea ja korraldatud suurandmete analüüsi jätkamiseks. |
| Suurenenud tootlikkus | Riistvaravajadused: Andmemahuti jaoks vajalik salvestusruum, võrgu ribalaius selle ülekandmiseks analüütikasüsteemidesse ja sealt on kõik Big Data keskkonna ostmine ja hooldamine kallis. |
| Vähendage kulusid | Küberturvalisuse riskid: tundliku ja suures koguses andmete säilitamine võib muuta ettevõtted küberründajate jaoks atraktiivsemaks sihtmärgiks, kuna nad saavad andmeid kasutada lunaraha või muudel õigusvastastel eesmärkidel. |
| Täiustatud klienditeenindus | Pärandsüsteemidega integreerimise luksused: Paljud vanad ettevõtted, mis on pikka aega tegutsenud, on salvestanud andmeid erinevates rakendustes ja süsteemides erinevas arhitektuuris ja keskkonnas. See tekitab probleeme vananenud andmeallikate integreerimisel ja andmete teisaldamisel, mis lisab suurandmetega töötamisele kuluvat aega ja kulusid veelgi. |
Soovitatavad artiklid
See on olnud suurandmete sissejuhatuse juhend. Siin on arutatud suurandmete sissejuhatust suurandmete põhikomponentide, omaduste, eeliste ja puudustega. Võite vaadata ka järgmisi artikleid:
- Suur andmeanalüüsi tarkvara
- Andmeteadlane vs suurandmed
- Suurandmete analüüsi töökohad