Укрощение “больших данных”

Эволюция “больших данных”

“Большие данные”, поступающие сегодня из множества совершенно новых источников, отличаются от данных традиционного типа повышенной сложностью, разнородностью и быстротой появления. Для анализа “больших данных” необходимы самые совершенные IT-методы и мощные вычислительные системы. Чтобы извлекать из этих данных практический смысл, аналитикам нужно учиться отделять ценную информацию от “информационного мусора”. “Большие данные” приносят бизнесу пользу лишь в сочетании с традиционными данными и прикладным анализом.

Традиционные данные были структурированными. “Большие данные”, как правило, слабо структурированы или вовсе не структурированы. Чтобы извлечь из них смысл, необходимы средства поиска неявных закономерностей. Одновременно с анализом данных необходимо обеспечить соблюдение этических норм при сборе и использовании информации. Сбор данных должен быть саморегулирующимся процессом, так как при слишком быстром их накоплении затраты могут превысить выгоды, когда вы попросту не будете знать, что делать с собранной информацией. Чтобы получать пусть небольшие, но конкретные преимущества от использования “больших данных”, требуется разработка...