Kiel granda datuma analizo ŝanĝos nian ekonomion

En rapida paŝada, teknologio movita mondo kie aĉetantoj povas mendi ĉion, de pico ĝis Porsches interrete, samtempe ĝisdatigante siajn Twitter, Facebook, kaj Instagram-kontojn per unu sola ŝovo de sia inteligenta telefono, ne estas surprize, ke la sumo de eble utilaj datumoj en la mondo kreskas per saltoj kaj saltegoj.

Fakte, laŭ IBM, ĉiutage homoj kreas 2.5 kvinilionojn da bajtoj da datumoj. Tiajn grandajn sumojn de datumoj malfacilas prilabori pro ilia elstara kvanto kaj komplekseco, tiel kreante tion, kio estas konata kiel "grandaj datumoj".

Antaŭ 2009, estis taksite ke entreprenoj en ĉiuj sektoroj de la usona ekonomio kun 1,000 dungitoj aŭ pli produktis proksimume 200 terabajtojn da stokitaj datenoj kiuj eble povus esti utilaj.

Analizo de grandaj datumoj por plibonigi kreskon en ĉiu sektoro

Nun kiam ekzistas abundo da datumoj, entreprenoj kaj diversaj aliaj korporacioj kaj sektoroj povas kombini diversajn datumajn arojn por ĉerpi ajnan utilan informon.

Wayne Hansen, la manaĝero de la Studenta Teknologia Centro ĉe la Universitato de Nov-Brunsviko en Sankt-Johano klarigas grandajn datumojn kiel "frazo, kiu priskribas la nocion, ke ni nun povas analizi amasajn datumajn arojn. Esence ni kaptas pli da datumoj, personaj, sociaj. , scienca, ktp, kaj nun komputa potenco atingis rapidecojn kiuj permesas al ni analizi ĉi tiujn datumojn pli detale."

La ĉefa teknologia intereso de Hansen estas en la interagado inter teknologio kaj kulturo. Li kapablas esplori ĉi tiun intereson per grandaj datumoj. Ekzemple informoj de inteligentaj urboj, kiel krimo kaj imposttarifoj, populacio kaj demografio povas esti analizitaj por fari ĝeneralajn observojn pri tiu grandurbo kaj kulturo.

Grandaj datumoj estas produktitaj en diversaj manieroj. De poŝtelefonaj signaloj kaj sociaj amaskomunikiloj ĝis aĉetaj transakcioj interrete kaj en vendejoj, datumoj estas kreataj kaj ŝanĝitaj konstante ĉirkaŭ ni. Ĉi tiuj datumoj tiam povas esti konservitaj por estonta uzo.

Estas tri gravaj aspektoj de grandaj datumoj kiuj faras ĝin utila en diversaj merkatoj, ili estas konataj kiel la tri v; volumeno, rapideco kaj vario. Volumo, rilatante al la kvanto de datumoj kreitaj kaj uzeblaj, atingante ĝis terabajtoj kaj petabajtoj. Rapideco, signifante la rapidecon ĉe kiu datenoj estas akiritaj kaj prilaboritaj antaŭ ol ĝi iĝas sensigniva ene de speciala sektoro aŭ en komparo al aliaj datumserioj. Kaj diverseco, kio signifas, ke ju pli da diverseco inter la specoj de datumaj aroj uzataj, des pli bonaj kaj precizaj estas la rezultoj kaj antaŭdiroj.

Granda datuma analizo havas grandan potencialon en diversaj merkatoj. De vetero kaj teknologio, ĝis komercaj kaj sociaj amaskomunikiloj, grandaj datumoj havas la eblecon progresigi vendojn, produktivecon kaj antaŭdiri estontajn rezultojn de produktoj, vendoj kaj servoj. La eblecoj estas senfinaj.

"La premiso estas, ke kun sufiĉaj datumoj plej ĉio fariĝas antaŭvidebla," diras Hansen. Ŝablonoj povas esti malkaŝitaj, rutinoj establitaj, kaj statistikoj elmontritaj. Kun tiaj antaŭdiroj venas nova konkurenciva avantaĝo en preskaŭ ĉiu sektoro. Granda datuma analizo tiam fariĝas ŝlosila komponanto en la sukceso aŭ fiasko de nova komerco, kaj la kreado de novaj.

Imagu esti dungito ĉe kompanio, kiu desegnas vestaĵojn por celita konsumanto de virinoj en siaj malfruaj adoleskojaroj ĝis fruaj dudekaj. Ĉu ne estus oportuna, kaj profita, se vi povus rapide kaj precize antaŭdiri la eblajn vendojn por ekzemple ruĝaj zekinaj kalkanumoj?

Jen kie granda datuma analizo envenas. Se vi povus efike utiligi ĉiujn koncernajn statistikojn, kiel kiom da virinoj mendis ruĝajn zekinajn kalkanojn interrete, kaj kiom multaj ĉirpetis pri ili aŭ afiŝis Youtube-filmetojn rilatajn al ruĝaj kalkanumoj, tiam vi. povus precize antaŭdiri kiom bone via produkto faros antaŭ ol ĝi eĉ trafos la bretojn. Tiel forigante la divenlaboron kaj pliigante la potencialon por sukceso.

La kapablo fari tiajn antaŭdirojn fariĝas kreskanta postulo kaj tiel ankaŭ la disvolviĝo de analizo de grandaj datumoj.

Pulse Group PLC, cifereca esploragentejo en Azio, estas unu firmao, kiu saltis sur la grandaj datumoj. Pulse intencas fari gravajn investojn en proksima estonteco en ĉi tiu kreskanta kampo. Ilia investa plano inkluzivas disvolvi novan analizcentron pri grandaj datumoj en Cyberjaya.

Tiaj centroj estus respondecaj pri kompilado de ĉiuj koncernaj datfluoj de la kliento kaj analizado de ĝi en rapida kaj efika maniero por malkovri gravajn informojn, kiel ekzemple padronoj kaj korelacioj kiuj eble povus esti utilaj al la komerco aŭ celoj de la kliento.

"Ni povas apliki analizon de grandaj datumoj," diras Hansen, "kaj fari ĝeneraligitajn deklarojn." Ĉi tiuj ĝeneraligoj havas la eblon plibonigi ĉiun sektoron, inkluzive de komerco, edukado, sociaj amaskomunikiloj kaj teknologio.

Multaj kompanioj havas la datumojn, kiujn ili bezonas por fari antaŭdirojn, sed ili ne havas la kapablon konekti la diversajn poŝojn da datumoj kaj malkonstrui ilin tiel por igi ilin utilaj.

Bob Chua, la ĉefdirektilisto de Pulse, koncedas ke ilia nova granda datuma entrepreno, konata kiel Pulsate, eble povus iĝi ilia ĉefa fokuso. Saĝa financa movo ĉar la granda datuma merkato atendas kreskos pli ol $ 50 miliardojn en la venontaj kvin jaroj.

En la venontaj tri jaroj Pulsate planas fari progresojn en analizo de grandaj datumoj kaj kreis 200 altnivelajn laborlokojn por datumsciencistoj. "Kaj kolektado kaj analizo de datumoj postulos specialajn kapablecojn," notas Hansen, "tiel malfermante novajn ŝancojn."

Por plenumi ĉi tiujn novajn laborpostenojn, dungitoj devus esti konvene trejnitaj. La Pulso-Grupo ankaŭ intencas komenci unu el la unuaj trejnaj akademioj por datumsciencistoj en la mondo por akompani sian novan datuman analizcentron, kaj renkonti la kreskantan bezonon de datumaj analizistoj.

Grandaj datumoj povas havi aliajn pozitivajn efikojn al la eduka mondo krom simple oferti novajn ŝancojn kaj lernajn spertojn. Hansen deklaras ke studenta konduto povas esti analizita per grandaj datumoj analizitaj por plibonigi la edukan sektoron. "Finfine la celo estas uzi tiajn kolektitajn datumojn por plibonigi la sperton de studentoj [kaj] pliigi retennombron."

Inter la kreado de novaj laborpostenoj kaj edukaj ŝancoj, kaj la eblaj antaŭdiroj kaj kresko en entreprenoj, grandaj datumoj ŝajnas esti ĉio kune bona afero. Tamen, ekzistas iuj malavantaĝoj kaj mankoj, kiuj ekzistas kun la analizo kaj uzo de tiaj amasaj kvantoj da informoj.

Unu problemo, kiu devas esti traktita, estas kiaj informoj estas libera ludo por diversaj korporacioj por uzi kiel siajn datumajn arojn. Temoj implikantaj privatecon kaj sekurecon devos esti traktitaj. Ankaŭ kiu posedas kiajn informojn estas demando, kiu devos esti respondita. Kiam datumoj estas senĉese senditaj kaj ricevitaj, la linio inter persona intelekta proprieto kaj la publika sfero malklariĝas.

Due ne ĉiuj informoj estas utilaj, aŭ ĝi estas senutila krom se ĝuste analizitaj. Kelkaj datenoj praktike signifus nenion krom se kombinite kun la bonordaj kaj signifaj respondaj datenoj. Tio signifas, ke krom se kompanio havas aliron al ĉiuj datumoj, kiujn ili postulas kaj la scion pri kiel trovi kaj analizi ĝin ĝuste, tiam grandaj datumoj estas esence malŝparo de ilia tempo.

Ankaŭ datumoj kreskas kun alarma rapideco. Naŭdek procentoj de la mondaj datumoj estis kreitaj nur en la lastaj du jaroj, kaj tiu nombro konstante kreskas. Se novaj rilataj datumoj estas kreitaj pli rapide ol ni povas analizi ĝin, tiam granda datuma analizo fariĝas sensigniva. Post ĉio, la rezultoj estas nur same bonaj kiel la informoj uzataj.