Увод у велике податке
Велики подаци, као што име каже, нешто су у вези са подацима, при чему велика подразумева велике или огромне. Једноставно речено, Биг Дата се односи на велике количине података (у смислу волумена) које се на учинковит начин не могу пробавити (обрађивати) традиционалним апликацијама за обраду података. Како подаци постају све већи, они постају и сложенији, и захтијевају напредније и робусније математичке и статистичке технике да бисмо добили податке што желимо.
Ево, покушајмо са примером да разумемо Увод у велике податке, преокрет уназад до четрдесетих година прошлог века, без рачунара, без мобитела, интернета, дигиталног живота, па нема података, зар не? Па, било је података, али није било дигитално. Тада није било интернетског банкарства, али било је банака, а банке су имале клијенте, а клијенти су обављали трансакције које су евидентиране, не дигитално, већ на папирима, рачуноводству и финансијама и све су се обављале на оловци и папирима.
Брзо према деведесетима, на тржиште су стигле технологије, рачунари и мобилни телефони, извештаји о приходима и биланси стања који су рађени на папирима и чувани у регистрима који су имали податке од око 500 купаца, сада се раде на екцелу и спремају у погоне који може да складишти више од хиљаду података о клијентима. Овде у уводу о великим подацима сазнаћемо да су се, како се подаци експоненцијално повећавају, организације опремиле са више ватрене снаге за ефикасније руковање подацима. Сада се у једном дану генерише 2, 5 квинтилионски бајт (2, 500, 000 Терабајта) података. То је огромно, зар не? Напредујући технологију, у скорој будућности ће готово сваки предмет у нашем окружењу генерирати неке податке. Већ имамо на располагању паметне ципеле, паметна светла, паметне јастуке и друге уређаје који свакодневно генеришу податке. Стога је Увод у велике податке једна од виталних технологија која ће играти главну улогу у обликовању будућег света.
Главне компоненте великих података
Као што смо горе у уводу великих података разговарали о томе да су велики подаци, сада идемо напријед са главним компонентама великих података.
-
Машинско учење
Наука је да компјутери сами науче ствари. У машинском учењу се очекује да рачунар користи алгоритме и статистичке моделе за обављање одређених задатака без икаквих експлицитних упутстава. Апликације за машинско учење пружају резултате засноване на прошлом искуству. На пример, ових дана постоје неке мобилне апликације које ће вам дати резиме ваших финансија, рачуна, подсетити вас на ваше плаћање рачуна и такође вам дати предлоге за неке планове штедње. Ове функције се обављају читањем е-порука и текстуалних порука.
-
Обрада природног језика (НЛП)
То је способност рачунара да разуме људски језик као говорни. Најочитији примери које људи могу да повезују ових дана су гоогле хоме и Амазон Алека. Обојица користе НЛП и друге технологије за виртуално искуство асистента. НЛП је свуда око нас, а да то ни не схватимо. Приликом писања маила, иако прави грешке, она се аутоматски исправља и ових дана даје аутоматске предлоге за допуну маилова и аутоматски нас застрашује када покушамо да пошаљемо е-пошту без прилога који смо навели у тексту е-поште, ово је део апликација за обраду природног језика који се изводе у току.
-
Пословна интелигенција
Пословна интелигенција (БИ) је метода или процес који је технологија усмерена ка стицању увида анализом података и презентовањем на начин да крајњи корисници (обично руководиоци високог нивоа) попут менаџера и корпоративних лидера могу да стекну неке увидљиве из ње и доносите информисане пословне одлуке о томе.
-
Цлоуд Цомпутинг
Ако идемо по имену, то би требало рачунати на облацима, па, тачно је, овде не говоримо о стварним облацима, облак је овде референца за Интернет. Тако можемо да дефинишемо рачунарство у облаку као испоруку рачунарских услуга - сервера, складишта података, база података, умрежавање, софтвер, аналитику, интелигенцију и још много тога - путем Интернета („облак“) да бисмо понудили брже иновације, флексибилне ресурсе и економију обима. .
Карактеристике великих података
У овој теми Увода у велике податке такође вам приказујемо карактеристике Биг Дата-а.
-
Волуме:
Да би се утврдила вредност из података, потребно је узети у обзир величину која игра пресудну улогу. Такође, како би се утврдило да ли одређена врста података спада под увођење у категорију великих података или не, зависи од обима.
-
Варијанта:
Разноликост значи различите врсте података према својој природи (структуриране и неструктуриране). Раније су једини извори података које већина апликација сматра у облику редова и ступаца који су обично долазили у табелама и базама података. Али данас, подаци долазе у свим облицима које можемо замислити попут е-поште, фотографија, видео записа, звука и многих других.
-
Велоцити:
Брзина као назив сугерира брзину генерисања података. Колико извора података могу брзо да се генеришу и колико брзо се могу обрадити, одређује потенцијал података.
-
Променљивост:
Подаци могу бити променљиви, што значи да могу бити недоследни, а не проток, што омета или постаје блокада у руковању и управљањем подацима на ефикасан начин.
Апликације великих података
Анализа великих података користи се на следеће начине
-
Здравствена заштита:
Ових дана имамо носиве уређаје и сензоре који омогућавају ажурирање здравственог стања пацијента у стварном времену.
-
Образовање:
Напредак ученика може се пратити и побољшати правилном анализом путем аналитике великих података.
-
Веатхер:
Временски сензори и сателити, распоређени широм света, прикупљају огромне количине података и користе те податке за надгледање временских и животних услова и предвиђање или предвиђање временских услова за наредне неколико дана.
Предности и недостаци великих података
Како смо проучавали увод у велике податке сада ћемо разумети предности и недостаци великих података како следи :
|
Предности | Недостаци |
| Боље доношење одлука | Квалитет података: квалитет података мора бити добар и уређен како би се наставило са анализом великих података. |
| Повећана продуктивност | Потребе за хардвером: Простор за складиштење који треба да има за смештај података, пропусни опсег мреже за пренос у аналитичке системе и скупе су скупи за куповину и одржавање окружења Биг Дата. |
| Смањити трошкове | Ризици цибер-безбедности: Чување осетљивих и великих количина података може учинити компаније привлачнијом метом за цибер-нападаче, који могу да користе податке у откупнини или у друге погрешне сврхе. |
| Побољшана услуга за кориснике | Штуцање у интегрирању са наслијеђеним системима: Многа стара предузећа која већ дуго послују, похрањују податке у различите апликације и системе у различитим архитектурама и окружењима. То ствара проблеме у интегрирању застарјелих извора података и премјештања података, што додатно повећава вријеме и трошкове рада са великим подацима. |
Препоручени чланци
Ово је водич за Увод у велике податке. Овде смо разговарали о Уводу у велике податке са главним компонентама, карактеристикама, предностима и недостацима великих података. Такође можете погледати следеће чланке:
- Софтвер за велике податке аналитике
- Дата Сциентист вс Биг Дата
- Велики послови са аналитиком података