როგორ შეცვლის ჩვენს ეკონომიკას დიდი მონაცემების ანალიზი

სწრაფ ტემპში, ტექნოლოგიაზე ორიენტირებულ სამყაროში, სადაც მყიდველებს შეუძლიათ შეუკვეთონ ყველაფერი, პიციდან დაწყებული პორშებით დამთავრებული ინტერნეტით, ხოლო ერთდროულად განაახლონ Twitter, Facebook და Instagram ანგარიშები სმარტ ტელეფონის ერთი დარტყმით, გასაკვირი არ არის, რომ პოტენციურად სასარგებლო მონაცემების ჯამი სამყარო ნახტომებით და საზღვრებით იზრდება.

სინამდვილეში, IBM-ის თანახმად, ყოველ დღე ადამიანები ქმნიან 2.5 კვინტილიონი ბაიტი მონაცემს. მონაცემთა ასეთი დიდი თანხების დამუშავება რთულია მათი დიდი მოცულობისა და სირთულის გამო, რითაც იქმნება ის, რაც ცნობილია როგორც „დიდი მონაცემები“.

2009 წლისთვის დადგინდა, რომ ბიზნესი აშშ-ს ეკონომიკის ყველა სექტორში 1,000 ან მეტი თანამშრომლით აწარმოებდა დაახლოებით 200 ტერაბაიტი შენახულ მონაცემს, რომელიც პოტენციურად სასარგებლო იქნებოდა.

დიდი მონაცემების ანალიზი ყოველ სექტორში ზრდის გასაუმჯობესებლად

ახლა, როცა ირგვლივ უამრავი მონაცემი ტრიალებს, ბიზნესს და სხვა სხვადასხვა კორპორაციას და სექტორებს შეუძლიათ სხვადასხვა მონაცემთა ნაკრების გაერთიანება ნებისმიერი სასარგებლო ინფორმაციის მოსაპოვებლად.

უეინ ჰანსენი, ნიუ-ბრუნსვიკის უნივერსიტეტის სტუდენტური ტექნოლოგიური ცენტრის მენეჯერი, სენტ-ჯონში, დიდ მონაცემებს განმარტავს, როგორც "დამჭერი ფრაზა, რომელიც აღწერს მოსაზრებას, რომ ახლა შეგვიძლია გავაანალიზოთ მონაცემთა მასიური ნაკრები. ძირითადად, ჩვენ ვიღებთ უფრო მეტ მონაცემს, პირადს, სოციალურს. მეცნიერულმა და ა.შ., ახლა კი გამოთვლითმა სიმძლავრემ მიაღწია სიჩქარეს, რომელიც საშუალებას გვაძლევს გავაანალიზოთ ეს მონაცემები უფრო საფუძვლიანად. ”

ჰანსენის მთავარი ტექნოლოგიური ინტერესი არის ტექნოლოგიებისა და კულტურის ურთიერთქმედება. მას შეუძლია გამოიკვლიოს ეს ინტერესი დიდი მონაცემების საშუალებით. მაგალითად, ჭკვიანი ქალაქებიდან მიღებული ინფორმაცია, როგორიცაა დანაშაული და გადასახადების განაკვეთები, მოსახლეობა და დემოგრაფიული მონაცემები, შეიძლება გაანალიზდეს ამ ქალაქისა და კულტურის შესახებ ზოგადი დაკვირვების გასაკეთებლად.

დიდი მონაცემები იწარმოება სხვადასხვა გზით. მობილური ტელეფონის სიგნალებიდან და სოციალური მედიიდან დაწყებული, ონლაინ და მაღაზიებში ტრანზაქციების შესყიდვამდე, ჩვენ გარშემო მუდმივად იქმნება და იცვლება მონაცემები. ამ მონაცემების შენახვა შესაძლებელია შემდგომი გამოყენებისთვის.

დიდი მონაცემების სამი მნიშვნელოვანი ასპექტია, რაც მას სასარგებლოს ხდის სხვადასხვა ბაზარზე, ისინი ცნობილია როგორც სამი v; მოცულობა, სიჩქარე და მრავალფეროვნება. მოცულობა, რომელიც ეხება მონაცემთა რაოდენობას, რომელიც იქმნება და შეიძლება გამოყენებულ იქნას, აღწევს ტერაბაიტამდე და პეტაბაიტამდე. სიჩქარე, რაც ნიშნავს მონაცემთა შეძენისა და დამუშავების სიჩქარეს, სანამ ისინი არარელევანტური გახდება კონკრეტულ სექტორში ან სხვა მონაცემთა ნაკრებებთან შედარებით. და მრავალფეროვნება, რაც ნიშნავს, რომ რაც უფრო დიდია მრავალფეროვნება გამოყენებული მონაცემთა ნაკრების ტიპებს შორის, მით უკეთესი და ზუსტი იქნება შედეგები და პროგნოზები.

დიდი მონაცემების ანალიზს დიდი პოტენციალი აქვს სხვადასხვა ბაზარზე. ამინდიდან და ტექნოლოგიებიდან დაწყებული, ბიზნესით და სოციალური მედიით დამთავრებული, დიდ მონაცემებს აქვთ გაყიდვების, პროდუქტიულობის წინსვლისა და პროდუქტების, გაყიდვებისა და სერვისების მომავალი შედეგების პროგნოზირების შესაძლებლობა. შესაძლებლობები უსასრულოა.

„პირობა არის ის, რომ საკმარისი მონაცემებით, ყველაფერი პროგნოზირებადი ხდება“, ამბობს ჰანსენი. შესაძლებელია შაბლონების გამოვლენა, რუტინების დადგენა და სტატისტიკის გამოვლენა. ასეთი პროგნოზებით მოდის ახალი კონკურენტული უპირატესობა თითქმის ყველა სექტორში. დიდი მონაცემების ანალიზი ხდება ახალი ბიზნესის წარმატების ან წარუმატებლობის და ახლის შექმნის მთავარი კომპონენტი.

წარმოიდგინეთ, იყო თანამშრომელი კომპანიაში, რომელიც ამზადებს ტანსაცმელს გვიანი თინეიჯერებიდან ოცდაათ წლამდე ასაკის ქალების სამიზნე სამომხმარებლო ბაზისთვის. არ იქნება მოსახერხებელი და მომგებიანი, თუ თქვენ შეძლებთ სწრაფად და ზუსტად იწინასწარმეტყველოთ პოტენციური გაყიდვები, მაგალითად, წითელი ფერის მაღალი ქუსლების ფეხსაცმლის?

სწორედ აქ მოდის დიდი მონაცემების ანალიზი. თუ თქვენ შეძლებთ ეფექტურად გამოიყენოთ ყველა შესაბამისი სტატისტიკა, მაგალითად რამდენმა ქალმა შეუკვეთა წითელი ქუსლიანი ფეხსაცმელი ინტერნეტით და რამდენმა დაწერა მათ შესახებ ტვიტერზე ან გამოაქვეყნა Youtube ვიდეოები წითელ მაღალქუსლიან ფეხსაცმელზე, მაშინ თქვენ შეუძლია ზუსტად განსაზღვროს, რამდენად კარგად იქნება თქვენი პროდუქტი, სანამ ის თაროებზე მოხვდება. ამით აღმოფხვრის გამოცნობის სამუშაოს და ზრდის წარმატების პოტენციალს.

ასეთი პროგნოზების გაკეთების უნარი სულ უფრო მზარდი მოთხოვნა ხდება და, შესაბამისად, დიდი მონაცემთა ანალიზის განვითარება.

Pulse Group PLC, ციფრული კვლევითი სააგენტო აზიაში, არის ერთი კომპანია, რომელიც გადახტა დიდი მონაცემთა ბანდვაგონზე. Pulse აპირებს მსხვილი ინვესტიციების განხორციელებას უახლოეს მომავალში ამ მზარდ სფეროში. მათი საინვესტიციო გეგმა მოიცავს ახალი დიდი მონაცემთა ანალიზის ცენტრის განვითარებას კიბერჯაიაში.

ასეთი ცენტრები პასუხისმგებელნი იქნებიან კლიენტის ყველა შესაბამისი თარიღის ნაკადის შედგენაზე და მის სწრაფ და ეფექტურ ანალიზზე, რათა აღმოაჩინონ მნიშვნელოვანი ინფორმაცია, როგორიცაა შაბლონები და კორელაციები, რომლებიც პოტენციურად სასარგებლო იქნება კლიენტის ბიზნესისთვის ან მიზნებისთვის.

„ჩვენ შეგვიძლია გამოვიყენოთ დიდი მონაცემების ანალიზი“, ამბობს ჰანსენი, „და განზოგადებული განცხადებების გაკეთება. ამ განზოგადებებს აქვს პოტენციალი გააუმჯობესოს ყველა სექტორი, მათ შორის ბიზნესი, განათლება, სოციალური მედია და ტექნოლოგია.

ბევრ კომპანიას აქვს მონაცემები, რომლებიც საჭიროა პროგნოზების გასაკეთებლად, მაგრამ მათ არ აქვთ უნარი დააკავშირონ მონაცემთა სხვადასხვა ჯიბეები და დაშალონ ისინი ისე, რომ ისინი სასარგებლო გახადონ.

ბობ ჩუა, პულსის აღმასრულებელი დირექტორი, აღიარებს, რომ მათი ახალი დიდი მონაცემთა საწარმო, რომელიც ცნობილია როგორც Pulsate, შესაძლოა გახდეს მათი მთავარი აქცენტი. გონივრული ფინანსური ნაბიჯი, რადგან დიდი მონაცემების ბაზარი, სავარაუდოდ, გაიზრდება 50 მილიარდ დოლარზე მეტი მომდევნო ხუთ წელიწადში.

მომდევნო სამი წლის განმავლობაში Pulsate გეგმავს წინსვლას დიდი მონაცემების ანალიზში და შექმნას 200 მაღალი დონის სამუშაო ადგილი მონაცემთა მეცნიერებისთვის. „მონაცემების შეგროვებაც და ანალიზიც საჭიროებს სპეციალიზებულ უნარების კომპლექტს“, აღნიშნავს ჰანსენი, „ამგვარად ახალი შესაძლებლობების გახსნა“.

ამ ახალი სამუშაოების შესასრულებლად, თანამშრომლები სათანადოდ უნდა იყვნენ გადამზადებული. Pulse Group ასევე აპირებს შექმნას ერთ-ერთი პირველი სასწავლო აკადემია მონაცემთა მეცნიერთათვის მსოფლიოში, რომელიც თან ახლავს მონაცემთა ანალიზის ახალ ცენტრს და დააკმაყოფილებს მონაცემთა ანალიტიკოსების მზარდ საჭიროებას.

დიდ მონაცემებს შეიძლება ჰქონდეს სხვა დადებითი გავლენა განათლების სამყაროზე, გარდა ახალი შესაძლებლობებისა და სწავლის გამოცდილების შეთავაზებისა. ჰანსენი აცხადებს, რომ სტუდენტის ქცევა შეიძლება გაანალიზდეს დიდი მონაცემების გაანალიზებით განათლების სექტორის გასაუმჯობესებლად. ”საბოლოოდ, მიზანია გამოიყენოს ასეთი შეგროვებული მონაცემები სტუდენტების გამოცდილების გასაუმჯობესებლად [და] შენარჩუნების რიცხვის გაზრდისთვის.”

ახალი სამუშაო ადგილების შექმნასა და განათლების შესაძლებლობების შექმნასა და ბიზნესის პოტენციურ პროგნოზებსა და ზრდას შორის, დიდი მონაცემები, როგორც ჩანს, ერთად კარგია. თუმცა, არსებობს გარკვეული უარყოფითი მხარეები და ხარვეზები, რომლებიც არსებობს ასეთი მასიური ინფორმაციის ანალიზსა და გამოყენებაში.

ერთი პრობლემა, რომელიც გასათვალისწინებელია, არის ის, თუ რა ინფორმაციაა უფასო თამაში სხვადასხვა კორპორაციისთვის, რათა გამოიყენონ თავიანთი მონაცემთა ნაკრები. კონფიდენციალურობასა და უსაფრთხოებასთან დაკავშირებული საკითხები უნდა გადაიჭრას. ასევე, ვის რა ინფორმაცია ეკუთვნის, არის კითხვა, რომელზეც პასუხი უნდა გასცეს. როდესაც მონაცემები მუდმივად იგზავნება და მიიღება, ზღვარი პირად ინტელექტუალურ საკუთრებასა და საჯარო სფეროს შორის ბუნდოვანი ხდება.

მეორეც, ყველა ინფორმაცია არ არის სასარგებლო, ან უსარგებლოა, თუ სწორად არ გაანალიზდება. ზოგიერთი მონაცემთა ნაკრები პრაქტიკულად არაფერს ნიშნავს, თუ არ არის კომბინირებული სათანადო და შესაბამის შესაბამის მონაცემებთან. რაც იმას ნიშნავს, რომ თუ კომპანიას არ აქვს წვდომა ყველა საჭირო მონაცემზე და ცოდნაზე, თუ როგორ უნდა მოძებნოს და გააანალიზოს ისინი სწორად, მაშინ დიდი მონაცემები არსებითად მათი დროის დაკარგვაა.

ასევე მონაცემები საგანგაშო ტემპით იზრდება. მსოფლიო მონაცემების ოთხმოცდაათი პროცენტი შეიქმნა მხოლოდ ბოლო ორი წლის განმავლობაში და ეს რიცხვი სტაბილურად იზრდება. თუ ახალი შესაბამისი მონაცემები იქმნება უფრო სწრაფად, ვიდრე ჩვენ შეგვიძლია მათი ანალიზი, მაშინ დიდი მონაცემების ანალიზი არარელევანტური ხდება. ყოველივე ამის შემდეგ, შედეგები ისეთივე კარგია, როგორც გამოყენებული ინფორმაცია.