استفاده ازکلان داده ها درکسب وکار،رمزموفقیت مدیران خط مقدم
همانطور که از این نام یا بهتر است بگوئیم اصطلاح مشخص است، مبحث بیگ دیتا به حجم عظیمی از دیتا (اطلاعات) اطلاق میشود که در زمانی کوتاه و با سرعت و دقت بالایی تجزیه و تحلیل میشود. این اطلاعات میتواند ساختاریافته (اطلاعات منظم و دستهبندی شده) یا غیرساختاریافته (اطلاعات حجمی نامنظم و تصادفی) باشد. اما برخلاف چیزی که به نظر میرسد، این حجم اطلاعات نیست که اهمیت و اولویت دارد؛ بلکه نوع استفاده و بهرهبرداری از یک بخش یا تمام این اطلاعات توسط سازمانها و تجارتها است که مهم میباشد. بیگ دیتا در حقیقت عنوان و سیستمی جامع برای کسبوکارها به ویژه کسبوکارهای بزرگ است تا بتوانند از طریق اطلاعات حجیم به دست آمده از این سیستم، برای آینده کاری خود تصمیمات بهتری بگیرند.
مبحث بیگ دیتا در اوایل قرن بیست و یکم تأثیر شگفت انگیز خود را روی تجارتهای مدرن امروزی شروع کرد. درست با پیشرفت صنعتها و تکنولوژیها، جای خالی یک سیستم کارآمد که بتواند اطلاعات زیاد را در زمان کم به مرحله پردازش و تحلیل برساند به شدت محسوس بود. به همین خاطر کمپانیهای بزرگ دست به استفاده از راهکارهای جدید زدند و کم کم سیستم یکپارچه Big Data به مرحله بهرهبرداری رسید. البته باید اذعان داشت که این سیستم یک سیستم یکسان و مشابه در تمامی تجارتها نیست و صرفاً عنوان و پایه و اساس آن به یک شکل است. این یعنی شاید یک کمپانی از روشی انحصاری برای این مورد استفاده کند که دیگر تجارتها آن را در اختیار ندارند.
ویژگیها و تعاریف مربوط به مبحث بیگ دیتا
مبحث بیگ دیتا به صورت تعریفی به شکل ۳V یا سه حرف V که حرف ابتدایی چهار ویژگی اصلی این موضوع شناخته میشوند معرفی شده است که در ادامه آنها را بازگو خواهیم کرد:
حجم یا Volume: اولین ویژگی بیگ دیتا حجم و مقدار آن است که با کلمه Volume شناخته میشود. سازمانها و نهادهای گوناگون با جمعآوری اطلاعات از منابع متنوع و متفاوت اقدام به ایجاد یک پایگاه داده میکنند. این اطلاعات میتواند شامل مواردی مثل اطلاعات مربوط به حجم معاملات و تبادلات تجاری، اطلاعات دریافت شده از شبکههای اجتماعی یا اطلاعات ماشینی و طبقهبندی شده دیگر باشد. این حجم زیاد از اطلاعات یکی از چالشهای کسبوکارهای قدیمی بود چون نمیدانستند چطور و در چه جایی اقدام به جمعآوری و ذخیرهسازی این اطلاعات کنند؛ اما به یمن ابداع روشهای جدید و بهرهگیری از تکنولوژیهای هوشمند، این مشکل برطرف شده است.
سرعت یا Velocity: دومین ویژگی مهم بیگ دیتا بحث سرعت فرآیندهای آن است. مبادلات اطلاعات باید با سرعت بسیار بالایی انجام شود و این نکته بسیار حائز اهمیت است. فرآیند بیگ دیتا این مسئله را به خوبی هندل میکند و با کمترین ضریب اشتباه (تقریباً نزدیک به صفر) اطلاعات با سرعت بسیار بالایی پردازش و تحلیل میشوند. برخی از تکنولوژیهای به کار رفته برای این مورد تگهای RFID ، سنسورهای ارزیابی و سیستمهای اندازهگیری هوشمند هستند که در زمانی خیلی سریع اطلاعات را دریافت، پردازش و نتیجه آن را اعلام میکنند.
تنوع یا Variety: فرمت و نوع اطلاعات با یکدیگر تفاوت دارند. این اطلاعات میتوانند به صورت متنی، تصویری، صوتی یا حتی کدهای صفر و یک باشند! این تنوع باعث شده تا دستهبندیهای متعددی برای جمعآوری و ذخیرهسازی اطلاعات در نظر گرفته شود.
پیچیدگی یا Complexity: ویژگی آخر به موضوع پیچیدگی بیگ دیتا مربوط میشود. از جایی که اطلاعات از منابع متعدد و گوناگونی به دست میآیند، فرآیند مرتبطسازی، تطابق و هماهنگسازی آنها با یکدیگر پیچیده میشود. این مسئله باعث شده تا خیلی از سازمانها با مشکلات زیادی روبهرو شوند. برای جلوگیری از این مسئله باید سیستمهای جامع و یکپارچهای ترتیب داد که مانع ایجاد این مسائل شود. به همین خاطر است که کمپانیهای موفق از دستهبندیهای مرتب و کاربردی برای کنترل اطلاعات استفاده میکنند.
چرا بیگ دیتا مهم است؟
کلاندادهها به این دلیل که صرفاً حجم زیادی از اطلاعات را در اختیار دارند اهمیت چندانی ندارند؛ بلکه همانطور که گفتیم، این استفاده و نحوه بهرهبرداری شما از این اطلاعات است که اهمیت دارد. اما به طور کل میتوان گفت که به خاطر اینکه بیگ دیتا منابع مناسبی از اطلاعات زیاد در زمینههای مختلف است، شما میتوانید از بین این منابع اقدام به جمعآوری اطلاعات مهم و حیاتی کنید. اطلاعاتی که هزاران کمپانی و شرکت تجاری از آنها برای اهداف خودشان استفاده میکنند.
شما با بررسی، تحقیق و مقایسه این اطلاعات در وهله اول میتوانید اطلاعات فعلی خود را با آخرین اطلاعات روز دنیا بهروز کنید تا از ترندها و تکنیکهای بازاریابی جدید عقب نمانید. در مرحله دوم، میتوانید با بررسی دقیق و آنالیز این اطلاعات راه و روشهای بسیار کاربردی برای خودتان دست و پا کنید. این روشها میتوانند به کاهش هزینهها، کاهش صرف زمان و توسعه و گسترش کاربردی فعالیتهای اقتصادی و تجاری شما منجر شوند.
نتایج نشان دادهاند که کمپانیهایی که از بیگ دیتا برای پیشرفت تجارت خود استفاده کردهاند نه تنها هزینههای خود را از این طریق کاهش دادهاند، بلکه با کمک این اطلاعات محصولات و سرویسهای به مراتب بهینهتری تولید کرده و به دنبال آن فروش خود را چندین برابر افزایش دادهاند.
بیگ دیتا به شما کمک میکند تا با اطلاعات مفیدی که به دست میآورید تصمیمات هوشمندانه بگیرید. همچنین اگر بتوانید به طور مناسب و اصولی از این اطلاعات استفاده کرده و به صورت سیستماتیک آنها را آنالیز کنید، میتوانید نقاط ضعف و دلایل شکستهای خود را نیز خیلی سریعتر پیدا کنید و با همین اطلاعات این مشکلات را برطرف کنید.
شما با کمک Big Data میتوانید شناخت خیلی خوبی از مشتریان و مصرفکنندگان نیز به دست بیاورید. این شناخت یکی از چند نکته اساسی برای کسب موفقیتهای چشمگیر در حوزه بازاریابی B2C است.
چه سازمانهایی از بیگ دیتا استفاده میکنند؟
با اینکه کلاندادهها برای هر صنعت و کسبوکاری قابل استفاده هستند، اما بعضی از سازمانها به نوعی وابسته به این سیستم هستند. جالب است بدانید اغلب تجارتهای بزرگ صرفاً یک دپارتمان مجزا برای همین منظور ایجاد میکنند. در ادامه مهمترین سازمانهایی که برای بقاء کاری به بیگ دیتا نیاز دارند را معرفی خواهیم کرد.
سیستمهای بانکداری
بانکها و مؤسسات مالی یکی از مهمترین استفادهکنندگان از کلاندادهها هستند. در دنیای مدرن ما در هر ثانیه مقدار غیرقابل شمارشی اطلاعات از منابع بسیار زیادی در حال رد و بدل میباشد. بانکها یکی از مؤسساتی هستند که همیشه در این اطلاعات هنگفت سهم زیادی دارند. به همین خاطر آنها همواره به دنبال راهی برای مدیریت این حجم عظیم از اطلاعات میباشند.
این سازمانهای مالیاتی دنبال راهی هستند تا بتوانند در عین حالی که از طریق آن رضایت مشتریان خود را جلب میکنند، خطر ریسکهای جبران ناپذیر را نیز به حداقل برسانند. این پروسه بسیار حساس است و به همین دلیل است که بانکها سرمایهگذاری خاصی روی بحث بیگ دیتا میکنند. آنها میخواهند با اطلاعات کامل در این حوزه فعالیت داشته باشند و با چالشهای مالی آشنا باشند. برای همین به سراغ بیگ دیتا میروند و با آنالیز دقیق و پیشرفته، خودشان را نه تنها برای چالشهای سخت آماده میکنند، بلکه راهکارهای نوینی برای ایجاد ارتباط و تعامل بهتر با مشتریان پیدا میکنند.
سیستمهای آموزشی
اطلاعات یعنی آموزش و وقتی بحث به سازمان تخصصی این مورد مثل وزارت آموزش و پرورش میرسد، اهمیت دادهها نیز به وضوح مشخص میشود. سازمانهای آموزشی مثل مدارس، مؤسسات آموزش عالی، دانشگاهها، آموزشگاهها و … نیاز شدیدی به اطلاعات بروز در مباحث آموزشی دارند. درواقع آنها باید هر لحظه و هر ثانیه پایگاه اطلاعاتی خودشان را ارتقاء داده و بروزرسانی کنند تا متدهای جدید، مباحث جدید و تکنیکهای آموزشی مدرن را در اختیار داشته باشند.
با کمک بیگ دیتا این مؤسسات آموزشی نه تنها نواقص کاری خود را پوشش میدهند، بلکه میتوانند از سیستمها و راهکارهای آموزشی جدید برای برنامه درسی استفاده کنند. مزیت دوم کلاندادهها برای سیستمهای آموزشی این است که آنها میتوانند با آنالیز و رفتارشناسی کارشناسی شده، دانشآموزانی که به هر شکلی مشکل داشته یا در خطر خاصی هستند را شناسایی کنند.
بیگ دیتا یک روند اصولی ایجاد میکند و باعث میشود تا این مؤسسات بتوانند روند پیشرفت دانشآموزان را با روند پیشرفت تحصیلی کلی مطابقت دهند و با برطرف سازی کم و کاستیها از این طریق، سیستم آموزشی خود را بهبود ببخشند. این حرکت در نهایت باعث افزایش بهرهوری و بهبود هرچه بهتر سیستم آموزشی یک کشور میشود. در ایران نیز طی سالهای اخیر تلاشهای زیادی برای الگوبرداری از سیستمهای آموزشی موفق در کشورهای دیگر صورت گرفت. این اقدام از طریق آنالیز بیگ دیتا انجام شده است.
ارگانهای دولتی
بیگ دیتا سهم عظیمی در امور دولتی دارد. میتوان گفت که تقریباً همه دولتهای جهان رابطه بسیار تنگاتنگی با مسئله کلاندادهها دارند. آژانسها و مؤسسات دولتی از این حجم اطلاعات برای اهداف مختلفی استفاده میکنند. درواقع شاید بهتر باشد بگوئیم بیشترین استفاده غیرمادی از بیگ دیتا توسط دولتها صورت میگیرد. تمام اتفاقات و رخدادهای داخلی ضبط شده در یک سیستم یکپارچه ذخیرهسازی میشوند. این اطلاعات توسط همین آژانسهای دولتی و یا شرکتهای نیمهدولتی جمعآوری میشوند. دولت نیز با کمک این اطلاعات اقدام به بررسی شرایط اقتصادی، سیاسی و دیگر مسائل مطرح در کشور میکند.
این اطلاعات و تحلیلها کمک خیلی بزرگی به دولتها میکنند تا بتوانند با قدرت بیشتری به مدیریت اوضاع یک کشور بپردازند و حتی با اطلاعات کافی که دارند بتوانند جلوی تهدیدات مختلف را نیز قبل از وقوع بگیرند! لازم به گفتن نیست که اهمیت اطلاعات برای سازمانهای نظامی به چه مقدار زیاد است. درواقع این همان بیگ دیتا است که دولتها و ارتشهای نظامی آنها را از تهدیدات و مسائلی از این قبیل آگاه میسازد.
سازمانهای بهداشتی و سلامتی
بیمارستانها و دیگر مراکز درمانی و بهداشتی نیز سهم خیلی زیادی از اطلاعات حجیم روزانه دارند. به همین خاطر در همه کشورها وزارت بهداشت و درمان بخشی را برای جمعآوری اطلاعات مورد نیاز و بروز از طریق سیستم بیگ دیتا فراهم میآورد. پروندههای پزشکی، آموزشهای درمانی، لیست داروها و مسائل مشابه از جمله اطلاعاتی هستند که سازمانهای بهداشتی و سلامتی به دنبال آنها هستند.
کلاندادهها به مراکز درمانی کمک میکنند تا آئیننامههای جدید و جهانی را به صورت سریع و مؤثر به لیست دستورالعملهای خود اضافه کنند. همین مسئله باعث ایجاد یک سیستم یکپارچه برای تبادل اطلاعات و کشفیات جدید نیز میشود و به بهبود وضعیت سلامت و بهداشت مردم کمک زیادی خواهد کرد.
کارخانهها، فروشگاهها و شرکتهای تجاری
آمار و ارقام واقعی و جالبی طی سالهای پیش از سوی مراکز آماری معتبر منتشر شده است که نشان میدهد اطلاعات حجیم چه تأثیر شگفتانگیزی در روند پیشرفت تجارتها و کارخانهها داشته است. موفقترین کمپانیهای جهان تمرکز زیادی روی بیگ دیتا گذاشتهاند تا آخرین تغییرات بازار، آخرین تکنولوژیها و از همه این موارد مهمتر، دغدغههای جدید مشتریان و مصرفکنندگان را کشف کنند.
مهم نیست کسبوکار شما بزرگ است یا کوچک؛ حتی اینکه سبک کاری شما سنتی است یا به صورت بازاریابی اینترنتی فعالیت میکنید نیز فرقی ندارد. بیگ دیتا به هر تجارتی کمک میکند که در دنیایی مملو از اطلاعات پیچیده، استراتژیهای فوقالعادهای داشته باشید. کارخانههای زیادی که در معرض ورشکستگی قرار داشتند توانستند با کمک Big Data مجدداً خود را به چرخه تولید بازگردانند. این روش به صاحبین مشاغل کمک میکند تا دقیقاً همان نقاط ضعفی که باعث کاهش سرعت پیشرفت میباشد را کشف کنند. از طرف دیگر، بیگ دیتا به این افراد نشان میدهد که رقبای قدرتمند و موفق آنها از چه راهی به این موفقیتها دست یافتهاند.
این سیستم حتی به خردهفروشها و کسبوکارهای کوچک نیز کمک میکند تا روند رو به رشدی داشته باشند. حتی اگر شخصی بروز باشید و مطالعه کافی هم داشته باشید باز هم بیگ دیتا اطلاعاتی در اختیار شما قرار میدهد که شاید به فکرتان هم نرسیده باشد!
منابع اصلی دسترسی به اطلاعات بیگ دیتا
به طور کل Big Data از چندین روش قابل دسترس است اما سه منبع اصلی آن شامل موارد زیر است:
۱٫ جریان دادههای آنلاین
اولین روش کسب اطلاعات بیگ دیتا ایجاد یک شبکه اطلاعاتی از چندین دستگاه مختلف است که به شکل یکپارچه به هم متصل شده باشند. به چنین سیستمی اصطلاحاً جریانه دادهها یا Streaming Data گفته میشود. سیستمها، سرورها و کامپیوترهای شبکه شده با یکدیگر مثال بارزی از این نوع است. منبع اصلی تبادل اطلاعات در این شبکهها میتواند اینترنت و یا یک سیستم جامع بزرگ و متشکل از صدها سیستم اپراتوری باشد.
همچنین با معرفی سیستم IoT یا Internet of Things (اینترنت اشیاء) نیز این سیستم بیش از پیش گسترش یافته است. در این سیستم، شما میتوانید اطلاعات دریافت شده را به صورت خودکار (با کمک نرمافزارها) یا به صورت دستی آنالیز و تحلیل کنید و آنها را مدیریت کنید.
۲٫ شبکههای اجتماعی
شبکههای اجتماعی تأثیر شگفتانگیزی در مبحث بازاریابی آنلاین و حتی بازاریابیهای سنتی گذاشتهاند. این شبکهها به یکی از پرانفعالترین منابع کاربردی برای جمعآوری اطلاعات تبدیل شدهاند. میلیاردها مورد اطلاعات به روز در این شبکهها منتشر شده است و این مسئله سبب شده تا این شبکهها به یکی از بزرگترین رسانهها و منابع اطلاعاتی تبدیل شوند.
با فعالیت صحیح و درست در شبکههای اجتماعی میتوانید حجم عظیمی از اطلاعات مورد نیاز خود را مستقیماً از طرف خود مخاطبین به دست بیاورید. تنها نکته اینجاست که این اطلاعات به صورت سازمانیافته نبوده و باید برنامهای برای طبقهبندی آنها پیادهسازی کنید.
۳٫ منابع در دسترس عمومی
به جز موارد گفته شده، منابع عمومی زیادی وجود دارند که میتوانید از طریق آنها مقدار زیادی اطلاعات کسب کنید. برای مثال آژانسهای خبری یا حتی سایتها و پایگاههای اطلاعاتی و آماری دولتی برخی از این موارد هستند که با مراجعه به آنها میتوانید به آخرین اطلاعات روز دست پیدا کنید. در خیلی از موارد این اطلاعات به ویژه اگر مرتبط با زمینه فعالیت شما باشند میتوانند کمک زیادی به شما کنند
بیگ دیتا دقیقاً چطور کار میکند؟
اصلیترین نکته مبحث بیگ دیتا موضوع تحلیل و بررسی آمار و اطلاعات است. شما بعد از اینکه از طریق پایگاههای داده و منابع مختلف اطلاعات لازم را به دست آوردید، وقت آن میرسد تا آنها را مورد بررسی و تجزیه و تحلیل قرار دهید. در ابتدای این مقاله هم گفتیم که ویژگی اصلی بیگ دیتا حجم زیاد و سرعت بالای پردازش و تحلیل اطلاعات است و مسلماً ما نمیتوانیم به صورت دستی و تک به تک این حجم زیاد از اطلاعات را بررسی کنیم.
برای این کار باید از سیستمهای کامپیوتری و ابزارهای مربوطه مثل نرمافزارهای مخصوص استفاده کنیم. یکی از معروفترین این نرمافزارها، مجموعه ابزارهای Apache Hadoop است که در قالب یک برنامه چندمنظوره، به شما این امکان راه میدهد تا مقدار زیادی از اطلاعات را به شیوههای خاص بررسی و آنالیز کنید. درواقع Hadoop یک پلتفرم از مجموعهای از ابزارها میباشد. نحوه عملکرد این ابزارها استفاده از توان پردازشی چندین کامپیوتر برای تحلیل دادهها است. این سیستم متدهای مختلفی برای تجزیه و تحلیل دادهها دارد که یکی از مهمترین آنها استفاده از مدل برنامهنویسی نگاشتکاهش (MapReduce) است.
مکانیزم حرفهای و استفاده از الگوریتمهای ظریف و معادلاتی این نرمافزار را قادر میسازد تا بتواند حجم اطلاعات را در مقیاس پتابایت نیز تجزیه و تحلیل کند! بزرگترین کمپانیهای اینترنتی دنیا مثل یاهو از این ابزار استفاده میکنند و البته به عنوان مشارکتکننده این پروژه نیز شناخته میشوند. کمپانی گوگل نیز سیستمی مشابه و انحصاری در اختیار دارد که صرفاً به منظور اهداف تجاری همین کمپانی یا شرکتهای همکار استفاده میشود.
در کل باید گفت که مسئله بیگ دیتا پیچیدگیهای بسیاری دارد و احتمالاً کسبوکارهای کوچک نمیتوانند بدون مشاوره یا کمک گرفتن از سازمانهای دیگر در این مسیر اقدام خاصی کنند. به همین خاطر شرکتهای خاصی راهاندازی شده و این سرویس را به مشتریان ارائه میدهند. اگرچه مبحث بیگ دیتا هنوز در ایران آنطور که باید شناخته شده نیست و سرویسدهندگان کمی هم دارد، اما با این حال سایتها و شرکتهایی هستند که این سرویس را برای کاربران ایرانی فراهم کنند.
جالب است بدانید شرکت بزرگ دیجیکالا نیز قرار است به این حوزه وارد شده و قصد دارد تا به دیگر شرکتها خدمات بیگ دیتا ارائه دهد (اطلاعات بیشتر در این لینک). این شرکتها هرآنچه که شما در این مورد لازم داشته باشید را در اختیارتان قرار خواهند داد.
در حقیقت باید گفت برای بهرهمند شدن از کلاندادهها باید به سه نکته اصلی یعنی فضای ذخیرهسازی اطلاعات حجیم، ابزارهای تحلیل و بررسی و نحوه استفاده صحیح از نتایج تجزیه و تحلیلها دقت کرد. این یعنی شما بعد از اینکه نتیجه نهایی را گرفتید، وارد مرحله اجرا و عملیاتی کردن آن میشوید. برای این بخش هم باید استراتژیهای مخصوصی را به کار ببرید.
چند مثال از کاربردهای بیگ دیتا طی سالهای اخیر
سونامی مهیب ژاپن – ۲۰۱۱
بعد از اتفاق مهلک و سونامی غول آسایی که در ژاپن رخ داد، رسانههای زیادی از سرتاسر دنیا دست به کار شده و با به اشتراکگذاری اطلاعات و اسناد یک شبکه اطلاعاتی (بیگ دیتا) ایجاد کردند. با این کار آنها نه تنها اطلاعات لحظهای از این رویداد را در سطح جهان مخابره کردند، بلکه مسائل حاشیهای این رخداد طبیعی را نیز در دقیقترین حالت ممکن با آخرین اطلاعات روز دنیا بررسی کرده و جوانب مختلف آن را تجزیه و تحلیل کردند.
بیگ دیتا در این مسئله باعث شد تا حجم زیادی از اطلاعات مفید به بخشهای مختلفی ارسال شود و راهکارها و پیشگیریهای خوبی برای مقابله با تهدیدات این چنینی در نظر گرفته شود. مردم نیز به نوبه خود در این رخداد سهیم بودند و با جمعآوری اطلاعات و به اشتراکگذاری آنها در شبکههای اجتماعی و بلاگها سهم مناسبی در اطلاعرسانیهای مفید داشتند.
کمپانی آمازون
چند سال پیش آمازون بنا به سیاستهای خاصی مدتی فعالیت همیشگیاش را محدود کرد. این مسئله درست با پیشرفت کردن چشم گیر فروشگاههای دیگر به ویژه یکی از رقبای اصلی آمازون یعنی eBay همزمان شد. این اقدام باعث شد تا همه فکر کنند آمازون در حال ورشکست شدن است و eBay و فروشگاههای دیگر مثل AliBaba قرار است جای آن را بگیرند. اما پشت پرده ماجرا چیز دیگری بود. آمازون برای مدتی کوتاه تمرکز اصلی خود را از روی فعالیتهای همیشگی روی چیز دیگری معطوف کرد و آن بیگ دیتا بود!
آمازون چند وقت روی این مسئله کار کرد و بعد از مدتی با اطلاعات تکامل یافته و تحلیل شده به دنیای اینترنت بازگشت و این بار در عرض مدتی کوتاه بازدید، فروش و سودآوری خود را چند برابر کرد! این کمپانی از مبحث Big Data به بهترین شکل ممکن بهرهمند شد و توانست از اطلاعات، آمار و الگوهای دیگر به خوبی درس بگیرد و کم و کاستیهای خود را برطرف کرده و هرآنچه که مخاطبینش نیاز داشتند را ارائه دهد. مثال مشابهی از این اتفاق برای یکی از کمپانیهای خودروسازی رخ داد.
یک مرکز درمانی (بیمارستان) در سوئد
یک بیمارستان در کشور سوئد با بهرهمند شدن از بیگ دیتا به شکل مؤثری توانست خیلی از موارد موجود در این بیمارستان را بهبود بدهد. مسئولین و پزشکان این بیمارستان توانستند از طریق بیگ دیتا اطلاعات جامعی در مورد دهها بیماری کسب کنند. این کار باعث شد تا هزینههای اضافی آنها و همچنین بیماران به حداقل برسد.
از طرف دیگر، آنها اطلاعات کاملی داشتند و نیازی برای صرف زمانهای زیاد برای انجام آزمایشهای گوناگون برای خیلی از بیماریها نبود و صرفاً معاینههای معمولی و علائم کمتر توجه شده اطلاعات کاملی از بیماریها برای آنها نمایش میداد. استفاده از کلاندادهها باعث شد تا سرعت پردازش رسیدگی به بیمارها چندین برابر بیشتر شده و همچنین مراحل درمان نیز با سرعت و دقت بیشتری انجام شود.
بیگ دیتا مبحثی نیست که بتوان از آن خیلی ساده عبور کرد. چون مخاطبین اصلی بیگ دیتا کمپانیهای بزرگ هستند نمیتوان گفت که Big Data برای تجارتهای معمولی و کوچک کاربرد ندارد. شما حتی میتوانید از روشهای معمول و متدهای کاربردی رایج این سیستم به صورت رایگان و بدون واسطه استفاده کنید. لازم نیست تجزیه و تحلیلهای پیچیده داشته باشید؛ کافیست یک محل مناسب برای جمعآوری اطلاعات از منابع در دسترس مثل شبکههای اجتماعی ایجاد کنید و هر اطلاعاتی که ممکن است به کارتان بیاید را در این محل جمعآوری کنید و سپس به بررسی و کسب اطلاعات مفید از آنها بپردازید. اگر هم میخواهید این کار را حرفهای انجام دهید، شاید بهتر باشد پروسه این کارها را به دست شرکتهای فعال و سرویسدهندگان این حوزه بسپارید.
کلان داده ها: حجم بازار و روند آتی
ناظر اقتصاد: در گزارش پیش رو، به بررسی مفهوم کلان داده خوهیم پرداخت، همچنین حجم بازار و روند آتی متصور برای کلان دادهها را مورد بررسی قرار خواهیم داد.
امروزه فناوری اطلاعات در مرکز توجه علوم مدرن و کسبوکار است. این فناوری از تراکنشهای برخط، رایانامهها، ویدیوها، صدا، تصاویر، جریانهای کلیک، گزارش خطاها، پستها، گزارشهای جستجو، رکوردهای اطلاعات سلامت، عملیات متقابل در شبکههای اجتماعی، دادههای علمی، حسگرها، تلفنهای همراه و نرمافزارهای روی تلفنهای همراه تولید میشوند.
پایگاه دادههای حاوی این دادهها به سرعت رشد میکنند و نظارت، فرم دهی، ذخیره، مدیریت، اشتراکگذاری، آنالیز و مجازیسازی آنها از طریق ابزارهای نرمافزاری معمول دشوار است. یکی از چالشهای مهم محققین این است که با رشد سریع کلان دادهها، نیاز به طراحی سکوهای رایانش ابری مناسب جهت آنالیز و بروز رسانی داده بهسرعت افزایش مییابد.
با رشد سریع فناوری اطلاعات در برنامههای کاربردی نوظهور مانند تحلیل شبکههای اجتماعی، تحلیل وب منظم و تحلیل شبکه زیستی و غیره مجموعه متنوعی از دادهها جهت پردازش پیوسته با سرعت بسیار بالا موردنیاز است. مدیریت مؤثر و تحلیل مقیاس بزرگ داده جذابیتهایی را در این حوزه ارائه میکند اما با چالشهای حیاتی نیز مواجه است. کلان دادهها یکی از طلایهداران حال حاضر و آینده تحقیقاتی در دنیا است که حوزههای بسیاری نظیر تحقیقات علمی، مدیریت دولتی، صنایع، سازمانها و بنگاهها را متحول خواهد کرد.
مؤسسه تحقیقاتی گارتنر کلان داده را در میان ده روند فناوری برتر دنیا در سال ۲۰۱۳ و همچنین در میان ده روند فناوری حیاتی در پنج سال آینده معرفی کرده است. تغییرات سریع فناوری در دنیای پرتکاپوی حوزه فناوری اطلاعات و ارتباطات دولتها را وادار کرده است تا راهبردهای خود را همگام با تکامل فناوریها در دنیا از نو تعریف کنند یا حداقل همگام با دنیا جهتگیریهای خود را برای مهاجرت به سمت فنّاوریهای جدید و استفاده از آنها اصلاح کنند.
نظر به شکلگیری موج توجه ویژه به موضوع دادههای کلان در کشورهای دنیا و با عنایت به گزارشهای گروههای مطالعاتی نظیر گارتنر و با توجه به مورد توجه قرار گرفتن این حوزه در ژورنالهای معتبر و همچنین در اجلاسهای معتبری نظیر TDWI 2014 و INFORMS، توجه ویژه به این حوزه و رصد تغییرات آن در کشور را به امری الزامی بدل کرده است.
در دو دهه گذشته، رشد پیوسته توان محاسباتی سبب رشد جریان فزایندهای از داده شده است. داده عظیم نه تنها دسترسی آن بیشتر شده است، بلکه برای رایانهها قابلفهمتر نیز شدهاند. بهعنوانمثال، آزمایشهای فیزیکی با انرژی بالای جدید بهطورکلی بیشتر از یک ترابایت داده در هر روز تولید میکند. محیط وب شبکه اجتماعی مشهور فیسبوک، در شرایط عادی دارای ۵۷۰ میلیون بازدید در هر ماه بوده و در همین مدت سه میلیارد تصویر جدید را در خود ذخیرهسازی کرده و ۲۵ میلیارد صفحه جدید از اطلاعات را در خود میگنجاند.
اخیراً، دادههای کلان توجه تعداد زیادی از دانشگاهیان، صنایع و همچنین دولتیها را به خود منعطف کرده است. رشد روزافزون حجم داده و ایجاد دادههای عظیم از طریق رایانش ابری در سالهای اخیر در بسیاری از کاربردها دیده شده است. دادههای کلان چالش مهمی است که احتیاج به زیرساختی قوی برای اطمینان از انجام موفق پردازشها و آنالیزهای موردنیاز دارد. موضوع حائز اهمیت این است که چگونه میتوان از زیرساخت رایانش ابری برای دسترسی، پردازش و آنالیز دادههای کلان استفاده کرد.
رشد انفجاری در حجم، سرعت و تنوع دادههای تولیدشده توسط دستگاههای ارتباطی همراه و برنامههای کاربردی ابری در ازدیاد دادههای عظیم نقش داشته است. راهحلهای موجود برای ذخیرهسازی کارآمد دادهها و مدیریت آنها نمیتوانند نیازهای چنین دادههای ناهمگنی که مقدار دادهها بهطور مداوم در حال افزایش هستند را برآورد سازند. با توجه بهسرعت در حال رشد اندازه شاخصها و زمان جستجو، راهحلهای موجود برای مدیریت و بازیابی مؤثر دادهها ناکارآمد میشوند.
مفهوم کلان داده
عبارت کلان داده(Big Data) مدتها است که برای اشاره به حجمهای عظیمی از دادهها که توسط سازمانهای بزرگی مانند گوگل یا ناسا ذخیره و تحلیل میشوند مورد استفاده قرار میگیرد؛ اما به تازگی، این عبارت بیشتر برای اشاره به مجموعه دادههای بزرگی گفته میشود که بهقدری بزرگ و حجیم هستند که با ابزارهای مدیریتی و پایگاههای داده سنتی و معمولی قابل مدیریت نیستند. مشکلات اصلی در کار با این نوع دادهها مربوط به برداشت و جمعآوری، ذخیرهسازی، جستوجو، اشتراکگذاری، تحلیل و نمایش آنها است.
این مبحث، به این دلیل هر روز جذابیت و مقبولیت بیشتری پیدا میکند که با استفاده از تحلیل حجمهای بیشتری از دادهها، میتوان تحلیلهای بهتر و پیشرفتهتری را برای مقاصد مختلف، از جمله مقاصد تجاری، پزشکی و امنیتی، انجام داد و نتایج مناسبتری را دریافت کرد.
بیشتر تحلیلهای مورد نیاز در پردازش دادههای عظیم، توسط دانشمندان در علومی مانند هواشناسی، ژنتیک، شبیهسازیهای پیچیده فیزیک، تحقیقات زیستشناسی و محیطی، جستوجوی اینترنت، تحلیلهای اقتصادی و مالی و تجاری مورد استفاده قرار میگیرد. حجم دادههای ذخیرهشده در مجموعههای دادهای Big Data ، عموماً به خاطر تولید و جمعآوری دادهها از مجموعه بزرگی از تجهیزات و ابزارهای مختلف مانند گوشیهای موبایل، حسگرهای محیطی، لاگ نرمافزارهای مختلف، دوربینها، میکروفونها، دستگاههای تشخیص RFID، شبکههای حسگر بیسیم و غیره با سرعت خیرهکنندهای در حال افزایش است.
روندهای کلان داده
تحلیل بازار کلان دادهها نشان دهنده این حقیقت است که حجم بازار کلان داده تا سال ۲۰۲۷ به ۱۰۳ میلیارد دلار خواهد رسید.
طبق پیشبینیهای صورت گرفته، تا اواخر سال ۲۰۱۹ حجم بازار کلان داده حدود ۲۰ درصد رشد خواهد داشت.
در سال ۲۰۲۰ هر فردی حدود ۱.۷ مگابایت در عرض فقط یک ثانیه تولید خواهد نمود.
کاربران اینترنت حدود ۲.۵ کوانتیلیون(quintillion) بایت داده در هر روز تولید خواهد نمود.
تا سال ۲۰۲۵ حدود ۹۷.۲ درصد سازمانها در کلان دادهها و هوش مصنوعی سرمایهگذرای خواهند کرد.
بررسی روندها حکایت از این دارد که کلان دادهها منجر به تغییراتی اساسی در کسب و کار اصلی صنایعی مانند انرژی، سیستم بهداشت، خدمات بهداشت و خدمات حرفهای شده است.
کاربردهای مهم کلان دادهها
یکی از روندهای جاری در حوزه پایش جامعه اطلاعاتی و بررسی میزان دستیابی به اهداف توسعه ملی و بینالمللی، بهرهگیری از دادههای عظیم به عنوان منبعی مکمل برای آمارها و دادههای فناوری اطلاعات است. نقش کلان دادههای عظیم در پایش جامعه اطلاعاتی فناوری اطلاعات و ارتباطات عبارتاند از:
- بهرهگیری از دادههای کلان به عنوان منبعی مکمل برای آمارهای فاوا؛
- مقرون بهصرفه بودن خدمات فناوری اطلاعات و ارتباطات؛
- مهارتهای فناوری اطلاعات و ارتباطات؛
- اثرات فناوری اطلاعات و ارتباطات؛
- اشتغال در بخش فناوری اطلاعات و ارتباطات؛
- شاخص جهانی آمادگی امنیت سایبری (GCI)؛
- بانکداری سیار؛
- استفاده از فناوری اطلاعات و ارتباطات در کسبوکارها
- محیطزیست و فناوری اطلاعات و ارتباطات
کاربرد دادههای کلان در شرکتها، میتواند بهرهوری تولید و رقابتپذیری را از جنبههای بسیاری بالا ببرد. به طور خاص، در بازاریابی، با تحلیل دادههای بزرگ، شرکتها میتوانند با دقت بیشتری رفتار مشتری را پیشبینی نمایند و شرایط همکاری بهتری را در تجارت پیدا کنند.
شرکتها میتوانند در برنامهریزی و معرفی طرحهای فروش، بعد از مقایسه دادههای حجیم، قیمت کالاهای خودشان را بهینه سازند تا کارآمدی، بهرهوری و رضایت بخشی تجاری، بهینهسازی نیروی کار، پیشبینی درست و دقیق تخصیص الزامهای پرسنلی، پرهیز و دوری از ظرفیت تولید اضافی و کاهش هزینه انجام کار را بهبود بخشند. همچنین، این شرکتها میتوانند در زنجیره تأمین نیازهای اساسی خود را با استفاده از داده های بزرگ، بهینه سازی موجودی انبار و نیازهای ضروری خویش را برای کاهش توقف بین تأمین و تقاضا، کنترل بودجه و بهبود خدمات اداره کنند.
از دیگر کاربردهای دادههای بزرگ، تولید محصولات نرم افزاری هوشمند است که بر اساس دادههای موجود یا اطلاعات دریافت شده از تعامل با کاربران سامان مییابد؛ برای مثال، وقتی یک محقق علوم اسلامی در جستجوی موضوعی خاص است، دادههای بزرگ در این زمینه او را در دستیابی به مطالب منسجم، جامع و دقیق یاری میرسانند و همه منابع و محتواهای معتبر، میان رشتهای و مرتبط با موضوع را در اختیار او قرار خواهد داد.
کاربرد دادههای کلان مبتنی در اینترنت اشیاء (IoT)
برای مثال، کامیونهای UPS به حسگرها ، آداپتورهای بیسیم و GPS مجهز هستند که دفتر مرکزی میتواند موقعیتهای کامیون را دنبال کند و از خرابی موتور یا مشکلات احتمالی در طول مسیر جلوگیری نماید. در همین حال، این سیستم به UPS کمک میکند که کارمندانش را نیز مدیریت و نظارت کند و مسیرهای تحویل را بهینه سازد. مسیرهای تحویل بهینه که مختص به کامیونهای UPS است، از سابقه تجربه رانندگی آنها استخراج شده است.
همچنین، شهر هوشمند، یک محدوده پژوهشی بر اساس کاربرد دادههای IoT می باشد؛ برای مثال، همکاری پروژه شهر هوشمند بین Miami-Dade در فلوریدا و IBM نزدیک به ۳۵ نوع دپارتمان دولتی را در آنها به هم متصل میکند و در نتیجه، دولت، میتواند اطلاعات بهتری برای پشتیبانی و تصمیمگیری برای مدیریت منابع آبی، کنترل ترافیک و بهبود امنیت عمومی به دست آورد.
کاربرد دادههای کلان در شبکههای اجتماعی
SNS آنلاین، یک ساختار اجتماعی تشکیل شده از افراد اجتماعی و اتصالات میان افراد بر اساس یک شبکه اطلاعاتی است. کلان دادههای SNS آنلاین، از پیامهای فوری و آنلاین، میکروبلاگ و یا فضای اشتراک میباشد که فعالیتهای مختلف کاربر را اداره میکند. تحلیلهای دادههای بزرگ در SNS آنلاین، روش تحلیلی محاسباتی ارائه شده را برای فهم روابط جامعه انسانی توسط نظریات و روشها بیان مینماید که شامل: ریاضیات، انفورماتیک، جامعه شناسی و یا علم مدیریت است و از آنها در سه بُعد: ساختار شبکه، تعامل گروهی و گسترش اطلاعات استفاده میکند.
این برنامه، شامل تواناییهایی همچون: تحلیل هوش شبکهای، بازاریابی اجتماعی، پشتیبانی تصمیمگیریهای دولتی و تحصیل آنلاین می باشد.
امنیت کلان دادهها
نگران کنندهترین مسئله دوران کنونی، حریم خصوصی و امنیت اطلاعات میباشد. از آنجا که حریم خصوصی برای فرد و انواع دادههای سازمانی بسیار ضروری است، تبدیل به یک چالش عمده برای کلان دادهها شده است. جلوگیری از نشت دادهها در هنگام پردازش و دفاع از حملات بیرونی، نیازمند نوعی مدل امنیت داده محور قابل اعتماد است. این فناوری، همچنین باید از تهدیدات امنیتی که ممکن است در هنگام ذخیرهسازی چنین دادههای بزرگی رخ میدهد، مراقبت کند.
در عصر دادههای بزرگ، همانطور که حجم دادهها به سرعت رشد میکند، خطرات امنیتی شدیدتری وجود دارد؛ در حالی که ثابت شده روشهای حفاظت دادههای سنّتی، برای دادههای بزرگ کارآمد نیستند؛ به خصوص حریم خصوصی دادههای بزرگ که با چالشهای امنیتی زیر مواجه میشود:
- حفاظت از حریم خصوصی حین کسب داده: علایق و ویژگیهای شخصی و عادات کاربران میتواند به راحتی کسب شود و کاربران متوجه نخواهند شد.
- دادههای حریم خصوصی میتوانند حین ذخیره سازی، انتقال و استفاده، نشتی پیدا کنند؛ حتی اگر با تأیید کاربران به دست آید. از این رو، میتوان نتیجه گرفت که حریم خصوصی کلان دادهها میتواند به وسیله دو رویکرد مختلف حفظ شود: یکی، تحمیل قوانین به فرد و سازمان، و روش دیگر، توسعه حریم خصوصی.
بنابراین، دادههای بزرگ، چالشهایی برای رمزگذاری دادههای با مقیاس بزرگ و تراکم بالا به ارمغان میآورد. عملکرد روشهای رمزگذاری در دادههای کوچک و متوسط، نمیتواند تقاضای دادههای بزرگ را برآورده کند؛ چرا که باید روشهای رمزنگاری دادههای بزرگ کارآمد شود و توسعه یابد. ازاین رو، در این خصوص باید طرحهای مؤثر مدیریت امنیت، کنترل دسترسی و ارتباطات امن برای دادههای ساخت یافته، نیمه ساخت یافته و غیرساخت یافته مورد بررسی و تحقیق قرار گیرد.
جمعبندی
در این گزارش به بررسی مفهوم کلان داده پرداخته شد و مهمترین کاربردهای آن را مورد بررسی قرار گرفت. مطالعه روند کلان داده حکایت از این دارد که حجم بازار کلان دادهها از ۴۹ میلیارد دلار در سال ۲۰۱۹ به بیش از ۱۰۳ میلیارد دلار در سال ۲۰۲۷ خواهد رسید. همچنین ساختار کسب و کارها با ظهور کلان دادهها متحول شده و خواهد شد.
بهرهگیری از دادههای کلان بهعنوان منبعی مکمل برای آمارهای فاوا؛ مقرونبهصرفه بودن خدمات فناوری اطلاعات و ارتباطات؛ مهارتهای فناوری اطلاعات و ارتباطات؛ اثرات فناوری اطلاعات و ارتباطات؛ اشتغال در بخش فناوری اطلاعات و ارتباطات؛ و شاخص جهانی آمادگی امنیت سایبری (GCI) از جمله مهمترین زمینههایی است که کلان دادهها در آن کاربرد دارند.
کاربردها و خطرات کلان داده چیست؟
منبع:https://www.zoomit.ir/
کلان داده بسیاری از صنایع و حتی زندگی ما را هم تحت تاثیر قرار میدهد؛ اما این مسئله خطرناک است یا مفید؟ در ادامه به بررسی کلان داده، اهمیت و خطرات آن میپردازیم.
داده شامل اطلاعات است؛ اما این همهی ماجرا نیست. جزئیات یک حادثه یا اخباری دربارهی سلامت انسان دادهای نیست که ما با آن سروکار داشته باشیم. وقتی ما از داده صحبت میکنیم درواقع منظورمان مجموعهی داده، سازماندهی و ذخیرهسازی آن است.
در عصر اینترنت شرکتها و سازمانها در سراسر جهان دادههای بسیاری جمعآوری کردهاند که در ادامه به مقیاس گستردهی آنها میپردازیم. اکنون که کلان داده وجود دارد تاثیر بسیار بزرگی بر زندگی ما میگذارد.
کلان داده چیست؟
کلان داده مجموعهی بسیار بزرگی از دادهها است که ابزارهای سنتی ما برای مدیریت این اطلاعات به کار نمیآیند. کلان داده میتواند اشکال مختلفی داشته باشد.
نمونههایی از کلان داده:
- توییتهای ذخیرهشده در سرورهای توییتر
- اطلاعاتی که گوگل از ردیابی خودروهای سواری بهدست میآورد
- مجموعهای کامل از نتایج انتخابات محلی و ملی کشور که ابتداییترین رکوردها را نیز در بر دارد
- اطلاعات شرکتهای بیمه درمانی دربارهی افرادی که تحت درمان قرار میگیرند، نوع معالجات آنها و بیمارستان مورد نظر دارند
- اطلاعات لیست خریدها و مکانهای ثبت شده در کارتهای اعتباری
- اطلاعات زمان، مکان و مدت زمان فیلمهایی که افراد در نتفلیکس تماشا میکنند
فناوری کلان داده چیست؟
رایانههای شخصی ما بطور کلی توانایی مدیریت حجم کمی از دادهها را دارند. کل اطلاعاتی را که میتوانید وارد یک کامپیوتر کنید، در نظر بگیرید؛ در عین حال نرمافزارهای پایگاهداده قابلیت مدیریت حجمهای بزرگتری از اطلاعات را دارند. این ابزارها میتوانند روی دادههای یک درایو سخت قرار بگیرند؛ البته ممکن است به قفسههایی شامل نوتبوکها و پوشهها نیاز داشته باشند. اما این ابزارها برای رسیدگی به کل حجم اطلاعاتی که ما بهعنوان کلان داده به آنها اشاره میکنیم کافی نیستند. به همین خاطر روشهای جدیدی توسعه یافتهاند.
محاسبات ابری کارها را از کامپیوترهای ما روی سرورهای راه دور تخلیه میکند. به همین دلیل روشهای زیادی برای دسترسی و استفاده از اطلاعات وجود دارد.
کاربردهای جالب توجه کلان داده
کلان داده به خودیِ خود به وجود نیامده؛ چندین روند، علت وجود آن را تقویت کردهاند.
اینترنت اشیاء
اینترنتی که شما در حال حاضر میشناسید اینترنت افراد است، جایی که در آن مردم از طریق ماشینهایی تسهیلکننده با یکدیگر ارتباط برقرار میکنند. به عنوان نمونهای از این تعاملات، تصور کنید شما سایتی که دیگران طراحی کردهاند را بازدید میکنید و یا متنی که دیگران در سایت تایپ کردهاند میخوانید.اینترنت اشیاء جایی است که در آن اشیاء بدون دخالت بشر مستقیما با یکدیگر ارتباط برقرار میکنند؛ مثلا یک دستگاهی که بر آبوهوا نظارت میکند در نظر بگیرید؛ ترموستاتی هوشمند به این اطلاعات دسترسی پیدا میکند و درجه حرارت منزل شما را تنظیم میکند.
کلان داده و اینترنت اشیاء کاملا به یکدیگر وابستهاند. سازمانها باید بدانند با حجم انبوهی از اطلاعاتی که جمعآوری میشود، چهکاری باید انجام دهند. اشیاء از طریق اینترنت و به لطف دادههایی که در دسترسشان است میتوانند خودشان اقداماتی را صورت بدهند. هرچه دستگاههای بیشتری به این روش عمل میکنند دادههای بیشتری تولید میشود.
یادگیری ماشین
منظور از یادگیری ماشین در واقع توانایی یادگیری کامپیوتر بر مبنای دادهها است؛ همین توانایی اساس شکلگیری وضعیتهای مختلف رادیو اینترنتی پاندورا به سَبک مخصوص شما است. همچنین یادگیری ماشین در پشت پردهی پیشنهادات محتوای یوتیوب و نتفلیکس قرار دارد.
این پیشبینیها مبتنی بر الگوریتمها هستند. الگوریتم جستجوی گوگل و نیز الگوریتمی که تعیین میکند چه چیزی در فید خبری فیسبوک مشاهده کردهاید همگی مبتنی بر توانایی یادگیری ماشین هستند.
هوش مصنوعی
هوش مصنوعی گام بعدی پس از یادگیری ماشین است. در هوش مصنوعی نه تنها یادگیری کامپیوتر باز دادهها وجود دارد، بلکه کامپیوتر از این اطلاعات در راستای تصمیمگیری متکی به خود و شکلدهی رفتار خودش استفاده میکند. مایکروسافت و گوگل نمونههایی از تلاش برای ساخت رباتهای انسانی هستند؛ فیسبوک نیز هوش مصنوعی را برای کمک به جلوگیری از خودکشی به کار گرفته است. فناوری به سرعت در حال پیشرفت است، تا جایی که نمونههای متعددی وجود دارد که “تفکر کردنِ کامپیوتر” بهتر از نوع بشریِ آن عمل میکند.
علم تجزیه و تحلیل کلان داده چیست؟
منابع کلان داده به خودی خود هیچگونه اطلاعاتی را در اختیار ما نمیگذارند، در واقع شخصی باید باشد که مفهوم این اطلاعات را دریابد. در واقع کل کاری که در تجزیه و تحلیل کلان داده باید انجام شود به این صورت است: بررسی حجم زیادی از اطلاعات غیر قابل فهم و سپس فهمیدن آنچه میتوان از آن استخراج کرد.
و به همین ترتیب کلان دادهها روی زندگی شما تاثیر میگذارند، حتی اگر یک مخالف تکنولوژی دنیای مدرن باشید. اما چرا به کلان دادهها روی آوردهایم؟ به این علت که با بینش صحیح، کلان دادهها مزایای زیادی دارند.
کاربردهای کلان داده
کلان داده همواره در جهت بهبود روند زندگی کاربرد زیادی داشته است؛ در این بخش برخی از موارد کاربرد کلان داده را بررسی خواهیم کرد:
کلان داده در خدمات بهداشتی، درمانی و سلامت
صنعت بیمه سلامت در زمینه اقتباس تکنولوژیهای جدید سرعت خوبی ندارد. برخی از ارائهدهندگان بیمههای بهداشتی، درمانی و سلامت در حال مهاجرت از کاغذ به ابزارهای ذخیرهسازی دیجیتالی هستند. با این وجود کلان داده در برخی زمینهها تفاوتهایی را ایجاد کرده است؛ یکی از این زمینهها یکپارچگی دادهها است. بیمهگذاران و ارائهدهندگان در حال کار روی ترکیب دادههای منابع مختلف هستند، دادههایی مانند مانند مطالبات، اشعه ایکس، یادداشتها و نسخههای پزشکان.
بسیاری معتقدند که اگر دادههای بیمه سلامت بهتر یکپارچهسازی میشدند میتوانستند بیمهی بهتری با هزینهای کمتر ارائه بدهند. در حالی که آمازون، برکشایر هاتاوی و جان پیرپونت مورگان اوایل سال جاری اعلام کردند در زمینه بیمه سلامت با یکدیگر همکاری میکنند، تکنولوژی را به عنوان نقطه تمرکز خود (مانند صفحه اصلی روزنامه گاردیَن) اعلام کردند.
کلان داده در بانکداری و خدمات مالی
صنعت مالی کاملا مصرّ بر تصمیمگیریهای مبتنی بر تحلیلهای کامپیوتری است. سقوط آنی سهام وال استریت به علت معاملات خودکار از طریق ماشینهایی بود که بدون دخالت انسان سهام را به سرعت با قیمتی پایینتر میفروختند و با توجه به آنچه در بازار درحال رخ دادن بود سایر فروشندگان را وادار به فروش کرده و نسبت به فروش تحریک میکردند. این نوع تجارت، تجارت بسامد بالا نامیده میشود.
اکنون دانشمندانِ دادههای مالی، با استفاده از کلان دادهها پیشبینی میکنند که کدام سهام موفق خواهد بود و کدام یک احتمال دارد سقوط کند. همچنین بانکها هم به کلان دادهها به عنوان راهی برای افزایش درآمد نگاه میکنند.
کلان داده در تجارت الکترونیکی و بازاریابی
بازاریابی مدرن به دادهها وابستگی شدیدی دارد و ما هم با هر خریدی که انجام میدهیم اطلاعات زیادی تولید میکنیم. در این رابطه کلان داده وعدههای بسیاری به حوزهی بازاریابی داده است که اصلی ترین آنها پاسخ به دو نیاز اصلی است.
اول به کمک آنها میتوان درباره شخص خریدار، زمان، مکان، نوع و قیمت خرید اطلاعات کسب کرد؛ و مورد دوم به دست آوردن ارتباطی منطقی بین محصولاتی که مشتریان میبینند یا در موردشان میخوانند یا میشنوند و در نهایت چیزی که خریداری میکنند. برخی فروشگاهها با ردیابی کارتهای اعتباری و وفاداری مشتریان از طریق دوربین یا ردیابی تلفنشان میفهمند کدام بخش از فروشگاه بیشتر توجه آنها را جلب کرده است. مشتریان قبل از خرید باید به صورت آنلاین حسابهایی ایجاد کنند که این کار به سایتها اجازه میدهد نه تنها خریدهای آنها بلکه هر قلمی که آنها مشاهده میکنند را نیز ردیابی کنند.
در عوض تکنیکهایی مثل هدفگیری و شناسایی مشتری که نیمی از بودجهی بازاریابی را هدر میدهند و تنها برای کوتاهمدت اثربخش هستند، پاسخ به این دو نیاز بسیار اثربخشتر است.
در واقع فروشگاهها طرحهای خود را بر مبنای علاقه و رفتار مشتریان پایهگذاری میکنند تا شرایط همکاری بهتری را در تجارت پیدا کنند. فروشندگان آنلاین بر مبنای اطلاعات جمعیتشناختی و سایر معیارها دربارهی چیزی که ما میخواهیم ببینیم تصمیم میگیرند. فروشگاههای جدید غیر مجازی آمازون نمونهای از ادغام دو دنیا هستند.
نیازهای بزرگی وجود دارند که از طریق نظارت بر علایق و رفتار آنلاین ما بوجود میآیند. گوگل و فیسبوک غولهای سودآور تکنولوژی هستند که دلیل آن توانایی آنها در فروش تبلیغات است که نسبت به پلتفرمها و روشهای تبلیغاتی دیگر بهتر میتوانند گروه مصرفکنندگان به خصوص را مورد هدف قرار بدهند؛ این قابلیت آنها به لطف اطلاعاتی است که برای استفاده از سرویسهای آنها ارائه میکنیم.
آیا کلان داده خطرناک است؟
همانطور که کلان داده با وعدههایی همراه است ریسکهایی نیز دارد؛
کاهش حریم خصوصی از جمله معایب بزرگ کلان داده است؛ اکثریت مردم بیشتر از هر زمان دیگری در تاریخچهی بشری دربارهی ما اطلاعات دارند. نه تنها پیدا کردن محل زندگی ما، بلکه دانستن در مورد جایی که میرویم، شخصی را که دوست داریم، نحوهی زندگی ما، و تفکرات ما نیز آسان است. این موضوع باعث میشود که مسائل شخصی و اجتماعی بیشتر در معرض دستکاری قرار بگیرند. ممکن است ما فریب بخوریم و رمز و شماره کارت اعتباری خود را از دست بدهیم یا تحت تاثیر قرار بگیریم تا به کاندیداهایی رای بدهیم که تمایلی به حمایت از آنها نداریم. دادههای بیشتر راههای بیشتری برای تبلیغکنندگان و شرکتهای رسانهای فراهم میکند تا میلها و ارزشهای ما را شکل دهند. نسبت به گذشته اطلاعات و دادههای بیشتری دربارهی ما وجود دارد و این دادهها در مکانهای بیشتری نگهداری میشوند و این مسئله باعث میشود اهداف بیشتری در معرض حمله قرار بگیرند. در حال حاضر سرقت دادههای ما به صورت غیر قابل کنترل و بی وقفه رخ میدهد. حتی شرکتهایی که روند درستی برای حفاظت از دادههای ما در مقابل حملات خارجی دارند اغلب خودشان فعالیتهای مشکوکی روی دادههای ما انجام میدهند، همانند چیزی که در فیسبوک شاهد بودیم. مسئلهی ریسک بعدی پیشبینیهایی است که افراد از طریق اطلاعات کلان داده انجام میدهند. مثلا آیا برای بیمهی سلامتی افرادی که عادتهای غذایی ناسالم دارند بیشتر هزینه کنیم؟ آیا باید امنیت و ارامش را در مناطقی که پیشبینی میکنیم افزایش بدهیم؟ آیا قیمت برای خریداران آنلاین که در مناطق فقیر زندگی میکنند افزایش مییابد؟
یافتن راههایی برای حفاظت از داده، احترام به حریم خصوصی و حفظ ارزشهایمان به صورت چالشهایی مداوم با روندی در جهت کلان دادهها ادامه خواهد داشت.
فهرست؛
کلان داده ها
کاربردهای پردازشی و کلان داده ها
پتانسیلها برای سازمانها و شرکتها
کلان داده چیست؟
مدیریت و پردازش کلانداده
امنیت کلانداده
نگهداری و ذخیرهسازی کلان داده
پردازش کلانداده توسط دولتها
نمونههای به کارگیری کلانداده در تکنولوژی
کلان داده (Big data) چیست؟ معیارهای تشخیص کلان داده ها کدام اند؟
نقش کلان داده دربازارجهانی
کلان داده ها در شرکت های موفق
پذیرش داده ها توسط مدیران ارشد
کلان داده و مباحث مالی سازمان
کلان داده وطراحی دوباره مشاغل
چرا تلاشها برای تجزیه و تحلیل داده ها قبل از بکارگیری داه ها کم می شود
نگاه مدیران ارشد به کلان داه ها
حمایت مدیران ارشد از کلان داده ها
کلان داده ها و فرآیندهای شرکت
کلان داده ها وریسک های سازمان ها
افزایش درآمد با کلان داده
تصمیم گیری آسان با کلان داده ها
استفاده از آنالیزها برای بهبود مدیریت مشتری.
طراحی مجدد مشاغل
فرهنگ های داده محور
مشکلات در تحلیل داده ها
کلان داده ها و فن آوری جدید
آینده استفاده ازکلان داده ها
داده های بزرگ حس ها را ازبین می برند
ساده سازی داده ها
توانایی ترکیب ، غربال کردن و مرتب سازی انواع وسایل نقلیه وسیع از داده ها
مطالعه موردی استفاده از کلان داده ها
میکرومارکت وکلان داده
تجزیه و تحلیل هوشمند
استفاده ازفیس بوک جهت ارتباط با مشتریان
شرکت های مبتنی بر داده هار
داده ها ، مدل ها ، تبدیل. داده ها
احساس تجارت و تحلیل داده
چهار کلید برای ردیابی مشتریان چند کاناله امروز/سیستماتیک باشید
داده هایی که می توانید از مشتریان درخواست کنید
داده ای که می توانید برای آنها شریک شوید
داده ها را با مشتری مطابقت دهید
قدرت تصمیم گیری برتر
تحریک تحلیل به استراتژی.
ادغام قابلیت ها برای ایجاد بینش
مثال موردی –استفاده ازکلان داده
بینش مصرف کنندگان درفرآیندهای تجاری
ایجاد یک تیم متقاطع از “ناوگیران” و تحلیلگران
بهینه سازی مجموعه ها.
در استعدادها و سیستم های بزرگ داده سرمایه گذاری کنید
استفاده از داده های بزرگ برای تصمیم گیری بهتر در مورد قیمت گذاری
کلان داده درمقابل روش سنتی
چهار مرحله برای تبدیل داده به سود
به داده ها گوش دهید
تجزیه و تحلیل مشتری پیشرفته
بینش می تواند از منابع جدید داده بدست آید
channels برای تصمیم گیری بهتر کانال های خود را با آنالیزورها مسلح کنید
value ارزش طول عمر مشتری را اندازه بگیرید
استفاده از داده های بزرگ ، تلفن همراه و رسانه های اجتماعی برای خرید مجدد
استفاده از داده ها برای آگاهی از بازاریابی خود و ایجاد شخصی ترین ارتباط الکترونیکی
رسانه های اجتماعی وکلان داده.
جمع آوری داده ها و تجزیه و تحلیل در مقیاس بزرگ
. منابع داده های بزرگ را شناسایی کنید. . . و شکاف ها
تجزیه و تحلیل پیش بینی
سود الگوریتمی
capabilities قابلیتهای سازمانی جدید
آی.او.تی، عنوان راه حل برای مشکلات تجاری
با۱۶۳ اسلاید تخصصصی و ترجمه شده
دانلودوخرید۴۲۰۰۰تومان