Satura rādītājs:
Datu apjoms strauji pieaug, jo tiek izmantotas mobilās ierīces, sociālie mediji un dati no citiem nestrukturētiem avotiem. Lielo datu tehnoloģijas, piemēram, Hadoop, nonāk biznesa vadītāja vietā, ieviešot jaunas pieejas liela apjoma datu analīzei dažādos avotos.
Lielie dati tiek definēti kā datu apjoms, dažādība un ātrums, kas pārsniedz organizācijas spēju tos savlaicīgi pārvaldīt un analizēt. Lielo datu patiesā priekšrocība tiek realizēta, kad tos var novākt ātri, uz faktiem balstītiem lēmumiem, kas var izraisīt liela biznesa lēmumus. Tātad organizācijām, kuras spēj izpētīt un izmantot lielos datus, parasti ir izteiktas priekšrocības. Šeit mēs apskatīsim, ko lielie dati var darīt, kā tos var izmantot vienā ar datiem bagātā laukā un kādas plašākas lietojumprogrammas tam ir citās uzņēmējdarbības un valdības jomās.
Datu eksplozija
Labākais veids, kā definēt lielos datus, ir "arvien pieaugošais informācijas daudzums un sarežģītība, ko mēs visi katru dienu veidojam un patērējam", saka Čārlijs Šiks, IBM lielo datu risinājumu direktors veselības aprūpes un dzīvības zinātnēs. Faktiski katru dienu mēs izveidojam aptuveni 2, 5 kvintilonu baitus datu, izmantojot dažādus avotus, sākot no dažādiem pirkumu darījumu ierakstiem līdz veselības aprūpes medicīniskajiem attēliem, sākot no zinātnisko pētījumu rezultātiem līdz sociālo mediju ziņojumiem.
Meklētājprogrammas kopā ar sociālajiem medijiem, piemēram, Twitter, ir izveidojušas jaunu gadījumu, kurā liela apjoma tiek savākti nelieli datu biti. Tas arī ir mainījis mūsu domāšanas veidu par šo datu vākšanu un pārvaldību. Pašreizējā kultūra ir patērēt lielākus daudzumus šo mazo datu vienību īsā laika posmā. Šī pieeja rada milzīgas problēmas, kā arī aizraujošas datu pārvaldības iespējas. Lai biznesa modelis gūtu panākumus, tam jāspēj apstrādāt lielākus datu apjomus, kas tiek uztverti mazos un aizvien daudzveidīgākos veidos.
Ņemot vērā datu apjomu, ir grūti atrast efektīvu mehānismu to apkopošanai. Apsvērsim veselības aprūpes gadījumu un sociālo mediju datus. Abām šīm jomām ir liels datu kopums. Datu apkopošana šajos laukos ir svarīgs solis lielo datu attīstībā. Bez atbilstoša datu vākšanas mehānisma mums nav precīzu rezultātu.
Lielo datu izpēte un apstrāde
Turpmāk tiek uzskatīts, ka organizācijām, kuras var izpētīt un izmantot lielos datus, jāspēj ātri pieņemt vairāk uz pierādījumiem balstītus lēmumus. Izmantojot lielos datus, mēs varam viegli sniegt atbildes uz dažiem nozīmīgiem jautājumiem gandrīz jebkurā jomā. Tomēr šeit mēs apskatīsim sociālo pakalpojumu nozari - jomu, kurā liela apjoma datiem ir liela ietekme.
Piemēram, lielajiem datiem jāspēj analizēt un atbildēt uz šādiem jautājumiem un galu galā nodrošināt labāku rezultātu pacientam:
- Kāda ir saistība starp atkārtotu uzņemšanu un piekļuvi sociālajiem pakalpojumiem?
- Vai ir kāda saistība starp uzturēšanās ilgumu un intervences efektivitāti?
- Kāda ir saikne starp mājas adresi un apmeklējumu biežumu?
- Vai ir iespējams atrast saikni starp ģimenes stāvokli, iejaukšanos un rezultātiem, kas var palīdzēt mums noteikt līdzīgus iejaukšanās kandidātus, kad viņi nonāk aprūpes sistēmā?
- Vai ir ieskats kādā iedzīvotāju segmentā, kas mums liek pielāgot savas programmas, lai reaģētu uz negatīvām tendencēm, piemēram, pusaudžu grūtniecību vai vardarbību ģimenē, vai virzītos uz priekšu?
Liela apjoma dati ļauj rīkoties šajās situācijās un atklāt problēmu cēloni. Tas palīdz mums izskaust problēmu, kad tā ir identificēta. Mēs varam atklāt problēmu, tikai apskatot tendences un vēsturiskos datus. Sociālajos medijos, analizējot datus, mums jābūt tendenču analīzes mehānismam. Jo lielāks datu kopums tiek analizēts, jo labākus, precīzākus rezultātus mēs varam sasniegt. Lielie dati ne tikai nodrošina veidus, kā rīkoties ar lielu datu apjomu, bet arī piedāvā novatoriskus risinājumus plašāka datu klāsta apstrādei. Lielajiem datiem ir spēja apstrādāt strukturētus, nestrukturētus un daļēji strukturētus datu kopus. (Uzziniet vairāk 5 reālās pasaules problēmās, kuras var atrisināt lielie dati.)
Lielo datu analīze sociālajās zinātnēs
Sociālo datu analīze ir tikai sociālo datu analīze. Šie dati var būt no jebkura lauka. Kā minēts iepriekš, mums ir jāatrod precīzs negatīvu rezultātu iemesls, piemēram, vidusskolu pārtraukšana, noteiktā nozarē. Kad problēma ir identificēta, situāciju ir vieglāk risināt. Lielie dati ir rīks, kas ļauj atrast šos ieskatus.
