విషయము
మూలం: Pppbig / Dreamstime.com
Takeaway:
పెద్ద డేటాను దాదాపు ఏ రంగంలోనైనా అన్వయించవచ్చు. సామాజిక పనిలో పెద్ద డేటాను ఎలా ఉపయోగించవచ్చో ఇక్కడ పరిశీలిస్తాము - మరియు ఇతర అధ్యయన రంగాలకు ఎలాంటి చిక్కులు ఉన్నాయి.
మొబైల్ పరికరాలు, సోషల్ మీడియా మరియు ఇతర నిర్మాణాత్మక మూలాల నుండి వచ్చిన డేటా కారణంగా డేటా వాల్యూమ్ వేగంగా పెరుగుతోంది. హడూప్ వంటి పెద్ద డేటా టెక్నాలజీలు వివిధ వనరులలోని డేటాను పెద్ద పరిమాణంలో విశ్లేషించడానికి కొత్త విధానాలను ప్రవేశపెట్టడం ద్వారా వ్యాపార ప్రపంచంలో డ్రైవర్ల సీటుకు తీసుకువెళుతున్నాయి.పెద్ద డేటాను డేటా యొక్క వాల్యూమ్, వైవిధ్యం మరియు వేగం అని నిర్వచించారు, ఇది సమయానుసారంగా నిర్వహించే మరియు విశ్లేషించే సంస్థాగత సామర్థ్యాన్ని మించిపోయింది. పెద్ద డేటా యొక్క నిజమైన ప్రయోజనం వేగవంతమైన, వాస్తవ-ఆధారిత నిర్ణయాల కోసం పండించగలిగినప్పుడు గ్రహించబడుతుంది, ఇది పెద్ద వ్యాపార నిర్ణయాలకు దారితీస్తుంది. కాబట్టి, పెద్ద డేటాను అన్వేషించి, ప్రయోజనం పొందగల సంస్థలు ప్రత్యేక ప్రయోజనాన్ని కలిగి ఉంటాయి. పెద్ద డేటా ఏమి చేయగలదో, ఒక డేటా-రిచ్ ఫీల్డ్‌లో దీన్ని ఎలా అన్వయించవచ్చో మరియు వ్యాపారం మరియు ప్రభుత్వ ఇతర రంగాలకు ఇది ఏ విస్తృత అనువర్తనాలను కలిగి ఉందో ఇక్కడ బాగా చూడండి.
డేటా పేలుడు
పెద్ద డేటాను నిర్వచించడానికి ఉత్తమ మార్గం "మనమందరం ప్రతిరోజూ సృష్టించే మరియు వినియోగించే సమాచారంలో ఎప్పటికప్పుడు పెరుగుతున్న మొత్తం మరియు సంక్లిష్టత" అని ఐబిఎమ్‌లోని ఆరోగ్య సంరక్షణ మరియు జీవిత శాస్త్రాల కోసం పెద్ద డేటా పరిష్కారాల డైరెక్టర్ చార్లీ షిక్ చెప్పారు. వాస్తవానికి, ప్రతిరోజూ మేము వివిధ రకాల వనరులను ఉపయోగించి సుమారు 2.5 క్విన్టిలియన్ బైట్ల డేటాను సృష్టిస్తాము, వివిధ కొనుగోలు లావాదేవీల రికార్డుల నుండి ఆరోగ్య సంరక్షణ వైద్య చిత్రాల వరకు, శాస్త్రీయ పరిశోధన ఫలితాల నుండి సోషల్ మీడియా వరకు.సోషల్ మీడియాతో పాటు సెర్చ్ ఇంజన్లు పెద్ద ఎత్తున చిన్న బిట్స్ డేటాను సేకరించే కొత్త ఉదాహరణను ఏర్పాటు చేశాయి. ఇది కూడా, ఈ డేటాను సేకరించడం మరియు నిర్వహించడం గురించి మన ఆలోచనా విధానాన్ని మార్చింది. ప్రస్తుత సంస్కృతి ఏమిటంటే, ఈ చిన్న డేటా ముక్కలను పెద్ద మొత్తంలో తక్కువ వ్యవధిలో తినడం. ఈ విధానం డేటా సవాళ్లకు భారీ సవాళ్లతో పాటు ఉత్తేజకరమైన అవకాశాలను అందిస్తుంది. వ్యాపార నమూనా విజయవంతం కావడానికి, ఇది పెద్ద మొత్తంలో డేటాను ప్రాసెస్ చేయగలగాలి, చిన్న మరియు విభిన్న మార్గాల్లో సంగ్రహించబడుతుంది.
డేటా యొక్క పరిమాణాన్ని బట్టి, దానిని సేకరించడానికి సమర్థవంతమైన యంత్రాంగాన్ని కనుగొనడం సవాలుగా మారుతుంది. ఆరోగ్య సంరక్షణ మరియు సోషల్ మీడియా డేటా గురించి పరిశీలిద్దాం. ఈ రెండు ప్రాంతాలలో పెద్ద డేటా డేటా ఉంది. ఈ రంగాలకు డేటా సేకరణ పెద్ద డేటా పరిణామంలో ఒక ముఖ్యమైన దశ. డేటాను సేకరించడానికి తగిన విధానం లేకుండా, మేము ఖచ్చితమైన ఫలితాలను పొందలేము.
పెద్ద డేటాను అన్వేషించడం మరియు ప్రాసెస్ చేయడం
ముందుకు వెళితే, పెద్ద డేటాను అన్వేషించి ప్రయోజనం పొందగల సంస్థలు త్వరగా సాక్ష్య-ఆధారిత నిర్ణయాలు తీసుకోగలవని నమ్ముతారు. పెద్ద డేటాను ఉపయోగించి, ఏ ప్రాంతంలోనైనా కొన్ని ముఖ్యమైన ప్రశ్నలకు మేము సులభంగా సమాధానాలు ఇవ్వగలము. అయితే, ఇక్కడ సామాజిక సేవల రంగాన్ని బాగా పరిశీలించండి, పెద్ద డేటా భారీ ప్రభావాన్ని చూపే శక్తి ఉన్న ప్రాంతం.ఉదాహరణకు, పెద్ద డేటా కింది ప్రశ్నలను విశ్లేషించి సమాధానం ఇవ్వగలదు మరియు చివరికి మంచి రోగి ఫలితాన్ని అందిస్తుంది:
- తిరిగి ప్రవేశం మరియు సామాజిక సేవలకు ప్రాప్యత మధ్య సంబంధం ఏమిటి?
- బస యొక్క పొడవు మరియు జోక్యం యొక్క ప్రభావానికి ఏదైనా సంబంధం ఉందా?
- ఇంటి చిరునామా మరియు సందర్శన యొక్క ఫ్రీక్వెన్సీ మధ్య సంబంధం ఏమిటి?
- సంరక్షణ స్థితికి ప్రవేశించేటప్పుడు ఇలాంటి జోక్య అభ్యర్థులను గుర్తించడంలో మాకు సహాయపడే కుటుంబ స్థితి, జోక్యం మరియు ఫలితాల మధ్య సంబంధాన్ని కనుగొనడం సాధ్యమేనా?
- టీనేజ్ గర్భం లేదా గృహ హింస వంటి ప్రతికూల పోకడలకు ప్రతిస్పందించడానికి లేదా ముందుకు సాగడానికి మా కార్యక్రమాలను సర్దుబాటు చేయడానికి మాకు మార్గనిర్దేశం చేసే జనాభాలో ఒక విభాగంలో అంతర్దృష్టి ఉందా?
ఈ పరిస్థితులను నిర్వహించడానికి మరియు సమస్యలకు కారణాన్ని తెలుసుకోవడానికి పెద్ద డేటా సాధ్యపడుతుంది. ఒకసారి గుర్తించిన సమస్యను నిర్మూలించడానికి ఇది మాకు సహాయపడుతుంది. పోకడలు మరియు చారిత్రక డేటాను చూడటం ద్వారా మాత్రమే మేము సమస్యను కనుగొనగలం. సోషల్ మీడియాలో, డేటాను విశ్లేషించేటప్పుడు మనకు ధోరణి విశ్లేషణ విధానం ఉండాలి. మేము విశ్లేషించే పెద్ద డేటా సమితి, మంచి, ఖచ్చితమైన ఫలితాలను మనం సాధించగలము. పెద్ద డేటా పెద్ద మొత్తంలో డేటాను నిర్వహించడానికి మార్గాలను అందించడమే కాక, విస్తృత శ్రేణి డేటాను ప్రాసెస్ చేయడానికి వినూత్న పరిష్కారాలను కూడా అందిస్తుంది. పెద్ద డేటా నిర్మాణాత్మక, నిర్మాణాత్మక మరియు సెమీ స్ట్రక్చర్డ్ డేటాను నిర్వహించగల సామర్థ్యాన్ని కలిగి ఉంటుంది. (బిగ్ డేటా పరిష్కరించగల 5 వాస్తవ ప్రపంచ సమస్యలలో మరింత తెలుసుకోండి.)