در حالی که ریشه اصطلاح گریزان هستند و داده های بزرگ و حتی بحث است یکی از آن مفاهیمی است که بسیاری در مورد، هنوز یک تعریف ساده به چالش می طلبد. همانطور که پیداست مدت به طور مستقیم در قلب داده های بزرگ، حجم بسیار زیادی از داده ها است. این است که اغلب از منابع مختلف و حتی انواع داده ها پس از طریق تکنیک های پیشرفته تحلیلی است که امیدوارم انتخاب کردن الگوهای است که می تواند منجر به نتایج مفید crunched کشیده شده است.
داده های بزرگ نیز infers در مقابل سه: دوره تنوع و سرعت. دوره اشاره به حجم داده ها، تنوع را نشان می دهد که مجموعه اطلاعات غیر همگن هستند و سرعت است سرعت که در آن تجزیه و تحلیل، اغلب با هدف دستیابی به تجزیه و تحلیل زمان واقعی صورت می گیرد.
مجموعه اطلاعات درگیر هستند در واقع به طور جدی بزرگ-ما در حال صحبت کردن zettabytes دو ترابایت (1ZB معادل 909,494, 701 TB برای کنجکاو است). علاوه بر حجم این مجموعه اطلاعات داده ها می توان از انواع مختلف: نیمه ساخت یافته، ساختار و بدون ساختار-، به علاوه می توانید آن را از منابع مختلف کشیده.
این سوال که که این اطلاعات از تولید شده است خواهش. می آید از همه نوع مکان ها، از جمله وب, رسانه های اجتماعی، شبکه، فایل ها وارد شوید، فایل های ویدئویی, سنسور, و از دستگاه های تلفن همراه.
دومی هستند بسیار مهم است که بسیاری از ما تلفن های ما با ما و در 24/7 حفظ و آرایه ای از حسگرها از جمله GPS و دوربین و میکروفن و سنسور حرکت دارند. علاوه بر این، اکثر گوشی های هوشمند استفاده از ارتباط صوتی، اما نه دیگر فعالیت, از جمله ایمیل، مرور در اینترنت، نیست و اجتماعی برنامه که نهایت به 90% استفاده از برنامه های تلفن همراه در حال ترجمه می کند. راننده بزرگ بزرگ داده است داده تلفن همراه این است که در سرعت فوق العاده خطرناک تولید میشود.
داده کاوی
اما داده ها بدون هر گونه تجزیه و تحلیل به سختی ارزش زیادی است و این بخش پردازش داده های بزرگ است. این تحلیل به عنوان داده کاوی نامیده می شود و تلاش در الگوها و ناهنجاری در این مجموعه اطلاعات بزرگ را جستجو کنید. این الگوها سپس اطلاعاتی که برای انواع مقاصد مانند بهبود مبارزات بازاریابی و افزایش فروش و یا کاهش هزینه ها استفاده می شود تولید. بزرگ داده و داده کاوی روش نه تنها قدرت کل صنایع تبدیل است، اما آن کار را انجام نداده است.
به عنوان مثال، Trainline پیشرو اروپایی مستقل قطار بلیط خرده فروش، فروش بلیط های داخلی و مرزی کشورهای 173 با حدود 127.000 سفر روزانه مشتریان گرفته است. مورد استفاده در این شرکت بزرگ داده به نوسازی آن رویکرد به سفر، با تمرکز بر روی بهبود تجربه مشتری را از طریق نوآوری از طریق آن حدود
نتایج هستند که در حال حاضر مشتریان افزایش اختلال اعلان از طریق نرم افزار دریافت. بیش از فقط اطلاعیه های تاخیر، این اعلان ها افزایش خاص به هر مسافر سفر اول برای صنعت راه آهن انگلستان است. این شرکت همچنین از لحاظ قیمت گذاری پیش بینی است که قادر به پیش بینی زمانی که نرخ پیش از نرخ تنزیل شده اولیه افزایش می یابد امکان عبور engers به نرخ قیمت های پایین تر خرید ابداع است.
داده های بزرگ نیز در رستوران ها و بخصوص صنعت فست فود استفاده شده است. مک دونالد است جهان بزرگترین رستوران زنجیره ای توسط درآمد و بیش از 69 میلیون مشتری در خدمت روزانه که از مکان های 36.900 در بیش از 100 کشور.
با توجه به حجم خالص به تنهایی، تن داده تولید می شود و بنابراین مک دونالد فرهنگ مبتنی بر داده ها، با هدف بهبود درک خود را در سطح هر محل سکونت فرد با هدف کلی زنجیره ای بهتر از رستوران ها به تصویب رسید.
از طریق داده های بزرگ مک دونالد آن درایو از طریق تجربه، مثلا توجه اندازه اتومبیل های آینده را از طریق و پیوستن به صف اتومبیل های بزرگتر برای سنبله در تقاضا آماده مصرف بهینه سازی شده است.
یکی دیگر از نوآوری های داده های بزرگ آن نمایش منوی دیجیتال است که انعطاف پذیری در زمان واقعی تجزیه و تحلیل داده ها بر اساس آیتم های منو را نشان دهد شده است. منوها تغییر موارد براساس داده ها از جمله زمان روز و آب و هوای خارج، هنگامی که آن را گرم خارج، به طور خاص تبلیغ نوشیدنی های سرد و غذاهای راحتی بیشتر در روز کولر. این رویکرد فروش در مکان های کانادا است با گزارش شده 3 تا 3.5 درصد افزایش یافته است.
مسائل بهداشتی
این روش داده های بزرگ نیز به بهداشت و درمان استفاده شده است. مثال بارز تغییر عمده ای از “قلم و کاغذ” است که در آن پزشک خود اطلاعات قفل شده است دور در کابینه در دفتر دو الکترونیکی بهداشت رکورد (EHR)، که اطلاعات بیمار منظمی وارد شده به بانک اطلاعاتی کامپیوتر هم نمودار آماده برای استخراج شود.
وعده این رویکرد به تخريبي با انتشار اخیر در نشریه قلب اروپا وعده “پتانسیل به بهبود درک ما را از بیماری نسب میان علت ومعلول و طبقه بندی مربوط به اوایل ترجمه و دو کمک تجزیه و تحلیل عملی به منظور بهبود سلامت و بهداشت و درمان.”
مزایای داده های بزرگ در بهداشت و درمان داده کاوی EHR فراتر خواهد شد. چالش عمده بیمارستان یخ است که کلیسا به دوران اوج کافی در تمام اوقات با پتانسیل به سطح شیب دار بالا باشد.
که گروه چهار بیمارستان پاریس است که به کمک Publique Hôpitaux پاریس د (AP-HP) را تشکیل می دهند، آنها به بهبود انعطاف پذیری “در کلیسای. دنبال آنها استفاده می شود مجموعه 10 سال سوابق پذیرش بیمارستان به سطح دانه تعداد پذیرش روز به روز و همچنین ساعت روز و ترکیب آن را با داده های آب و هوا و آنفولانزا الگوها و تعطیلات عمومی.
با استفاده از ماشین یادگیری آنها سپس honed الگوریتم های خود را برای آینده روند پیش بینی تعداد پذیرش آینده برای روزهای مختلف و بار. نتیجه این است که آنها آسان برای استفاده، مبتنی بر مرورگر رابط برای مدیریت بیمارستان و همچنین کارکنان بالینی که قادر به پیش بینی نرخ گذر طی 15 روز آینده که به دست آوردن کارکنان اضافی در زمان هنگامی که تعداد زیادی از پذیرش هم است پیش بینی شده است.
با اطلاعات و داده ها به ویژه تلفن همراه در نرخ مسخره سریع تولید می شود، روش داده های بزرگ به نوبه خود این توده عظیم اطلاعات به هوش عملی مورد نیاز است. در مثال ما در ام ذکر شده در بالا، چالش روبرو شده است و به عنوان جمع آوری داده های بیشتری وجود داشته باشد فرصتهای بیشتری برای افزایش کیفیت و بهره وری در سراسر صنایع گوناگون از طریق تجزیه و تحلیل سریع تر و بهتر از این تعداد متفاوت وسیع منطقه شهری مجموعه اطلاعات.