В начале двадцать первого века обнаружилось, что методы анализа, применяемые в ИТ и математике, применимы к любой науке. Теперь, с пришествием больших данных, любую науку можно рассматривать как цифровую науку, возможно анализировать накопленные ею данные и делать соответствующие выводы. В соответствии с философией явления big data, изменяются и методы исследования: анализируются не коечные результаты, а сырые экспериментальные данные, и эта парадигма обработки приносит неожиданную информацию и позволяет делать удивительные выводы.
Примеры источников больших данных:
· В науке:
o Физика: большой адронный коллайдер (large hadron collider) – ускоритель заряженных частиц, предназначенный для изучения продуктов их соударений, расположенный на границе Швейцарии и Франции. В нормальном режиме работы объем информации, производимой всеми датчиками LHC, составляет около петабайта (миллион гигабайт) в секунду;
o Астрономия: проект Слоановский цифровой обзор неба (Sloan digital sky survey) – сбор астрономических данных со скоростью около 200 Гб в сутки. Большой обзорный телескоп (Large synoptic survey telescope) – широкоугольный обзорный телескоп-рефлектор производит 6,4 Гб данных каждые 15 секунд, около 5 петабайт в год;
|
|
· Рост числа интернет-пользователей влечет за собой рост числа мобильных устройств и соединений, и, следовательно, рост трафика и экспоненциальный рост количества данных. Объем трафика в месяц измеряется в эксабайтах – это миллиарды гигабайт, в год создается около пяти зеттабайт (1 Зб = 1012 Гб);
· Технологии M2M (machine-to-machine): к 2022 M2M-соединения вырастут до 14,6 млрд – на каждого человека будет приходиться 1,8 млрд межмашинных взаимодействий.
Для бизнеса большие данные – способ предвидеть развитие проектов и принимать стратегически верные решения:
Большие данные содержат ценную аналитическую информацию о клиентах и об особенностях их мотивации, помогают анализировать привычки клиентов | |
Анализ больших данных позволяет найти способы оптимизации взаимодействия с клиентами, создать дополнительную ценность и построить прочные отношения на длительной основе | |
Преобразование финансовых процессов: анализ всех имеющихся данных, включая большие данные, способствует повышению гибкости предприятия и получению ценной информации, необходимости для принятия качественных решений | |
Управление рисками: упреждающий подход к выявлению и пониманию финансовых и эксплуатационных рисков и управление ими способствуют более уверенному принятию решений, основанных на осведомленности о существующих рисках | |
Создание новых бизнес-моделей: изучить стратегические варианты развития бизнеса, используя новые перспективы, открывшиеся благодаря применению методов аналитики и работы с большими данными, использовать новые перспективы для рассмотрения стратегических вариантов развития бизнеса | |
Оптимизация экономики ИТ: инициировать создание новых ценностей и стимулировать подвижность бизнеса, оптимизируя большие данные и внедряя аналитику в целях скорейшего получения ценной бизнес-информации при минимальных затратах |
Список возможных пользователей больших данных в бизнес-кругах уже очень обширен и может условно делиться по сферам, к которым относятся клиенты:
|
|
Сфера | Польза, которую извлекает клиент | Примеры компаний, уже использующих Big Data |
Финансовые услуги | Управление рисками и предотвращение мошенничества, персонализация сервера, создание новы продуктов | |
Розничная торговля | Маркетинговые исследования и промоакции, данные о покупках из товарных чеков, результаты продаж, закупки и складские остатки | |
Здравоохранение | Превентивная медицина, персонализированная медицина, сбор и хранение клинических данных о пациентах | |
Телекоммуникации | Управление лояльностью абонентов, монетизация абонентских данных, персонализация тарифных планов | |
Образование | Персонализация обучения, повышения качества преподавания, выбор будущей профессии | |
Страхование | Персонализация предложений для клиента, борьба с мошенничеством, создание новых продуктов и тарифов | |
Энергетика | Применение аналитики для отчетности и визуализации данных, построение прогнозных моделей и моделирование поведения систем, динамическое управление системами | |
Нефтегазовая отрасль | Моделирование и предсказание оптимальных участков добычи сырья, оптимизация использования оборудования и способов добычи, увеличение эффективности бизнес-процессов |
Плюсы и минусы технологий БД
https://www.datamation.com/big-data/big-data-pros-and-cons.html
Заключение
Большие данные – последствие того, что мы научились эффективно собирать, хранить и исследовать информацию.
Применение методов аналитики к разнообразным типам данных позволяет получить более четкое представление о бизнесе и обо всех факторах, оказывающих влияние на него.
Исключительность Big Data в том, что сами по себе данные – информация – не что-то новое, появившееся благодаря научным исследованиям в этом или прошлом веке; люди учились собирать и обрабатывать информацию со своего появления как вида, верное понимание информации и умение её передать всегда было условием выживания человека. Большие данные – это вершина нашего навыка обращения с данными на сегодняшний день, но лишь вопрос времени, когда мы начнем извлекать еще больше пользы из наших знаний – уже имеющихся и вновь поученных.
Список источников
https://www.gartner.com/ - графики и интервью (видео)
https://datafloq.com/ - историческая справка
https://www.datanami.com/ - интервью о пропаже биг дата из цикла хайпа
open.edu.ru - лекции
https://www.datamation.com/big-data/big-data-pros-and-cons.html - плюсы и минусы