211service.com
Het Big Data-raadsel: hoe het te definiëren?
Een van de grootste nieuwe ideeën op het gebied van informatica is big data. Er is unanieme overeenstemming dat big data een revolutie teweegbrengt in de handel in de 21e eeuw. Als het om zaken gaat, biedt big data ongekend inzicht, verbeterde besluitvorming en onbenutte winstbronnen.
En toch, vraag een chief technology officer om big data te definiëren en hij of zij zal naar de vloer staren. De kans is groot dat je net zoveel definities krijgt als het aantal mensen dat je vraagt. En dat is een probleem voor iedereen die big data-diensten probeert te kopen, verkopen of gebruiken: wat wordt er precies aangeboden?
Vandaag, Jonathan Stuart Ward en Adam Barker aan de Universiteit van St. Andrews in Schotland de kwestie ter hand nemen. Deze jongens onderzoeken de verschillende definities die worden aangeboden door 's werelds grootste en meest invloedrijke hightech-organisaties. Vervolgens proberen ze uit al dit lawaai een definitie te destilleren waar iedereen het over eens kan zijn.
Ward en Barker werpen hun net wijd en zijd uit, maar de resultaten zijn gemengd. Formele definities zijn moeilijk te vinden, aangezien veel organisaties er de voorkeur aan geven anekdotische voorbeelden te geven.
Vooral het begrip groot is lastig vast te stellen, niet in de laatste plaats omdat een dataset die vandaag groot lijkt, in de niet al te verre toekomst vrijwel zeker klein zal lijken. Waar de ene organisatie harde cijfers geeft over wat groot is, geeft een andere een relatieve definitie, wat impliceert dat big data altijd meer zal zijn dan conventionele technieken aankunnen.
Sommige organisaties wijzen erop dat grote datasets niet altijd complex zijn en kleine datasets altijd eenvoudig. Hun punt is dat de complexiteit van een dataset een belangrijke factor is bij de beslissing of deze groot is.
Hier is een samenvatting van het soort beschrijvingen dat Ward en Barker ontdekten van verschillende invloedrijke organisaties:
een. Gartner . In 2001 wees een Meta-rapport (nu Gartner) op de toenemende omvang van gegevens, de toenemende snelheid waarmee deze worden geproduceerd en het toenemende aantal gebruikte formaten en representaties. Dit rapport dateert van vóór de term graafgegevens, maar stelde een drievoudige definitie voor die de drie V's omvat: Volume, Velocity en Variety. Dit idee is sindsdien populair geworden en bevat soms een vierde V: waarachtigheid, om vragen van vertrouwen en onzekerheid te dekken.
twee. Orakel . Big data is het ontlenen van waarde aan traditionele relationele databasegestuurde zakelijke besluitvorming, aangevuld met nieuwe bronnen van ongestructureerde gegevens.
3. Intel . Big data-kansen ontstaan in organisaties die een mediaan van 300 terabyte aan data per week genereren. De meest voorkomende vormen van data die op deze manier worden geanalyseerd, zijn zakelijke transacties die zijn opgeslagen in relationele databases, gevolgd door documenten, e-mail, sensordata, blogs en sociale media.
Vier. Microsoft . Big data is de term die steeds vaker wordt gebruikt om het proces te beschrijven waarbij serieuze rekenkracht - de nieuwste technologie op het gebied van machine learning en kunstmatige intelligentie - wordt toegepast op omvangrijke en vaak zeer complexe informatiesets.
5. De Methode voor een geïntegreerde kennisomgeving open source-project. Het MIKE-project stelt dat big data geen functie is van de grootte van een dataset, maar van de complexiteit ervan. Bijgevolg is het de hoge mate van permutaties en interacties binnen een dataset die big data definieert.
6. De Nationaal Instituut voor Standaarden en Technologie . NIST stelt dat big data gegevens zijn die de capaciteit of capaciteit van huidige of conventionele methoden en systemen overtreffen. Met andere woorden, het begrip groot is relatief ten opzichte van de huidige standaard van berekening.
Een allegaartje als er ooit een was.
Naast het zoeken naar definities, probeerden Ward en Barker de manier waarop mensen de term big data gebruiken beter te begrijpen door in Google Trends te zoeken welke woorden er het meest mee worden geassocieerd. Ze zeggen dat dit zijn: data-analyse, Hadoop, NoSQL, Google, IBM en Oracle.
Deze jongens ronden hun onderzoek moedig af met een eigen definitie waarin ze deze uiteenlopende ideeën proberen samen te brengen. Hier is hun definitie:
Big data is een term die de opslag en analyse van grote en/of complexe datasets beschrijft met behulp van een reeks technieken, waaronder, maar niet beperkt tot: NoSQL, MapReduce en machine learning.
Een spelpoging op een waardig doel - een definitie waar iedereen het over eens kan zijn, is zeker te laat.
Maar zal dit het lukken? Antwoorden alstublieft in de comments hieronder.
Referentie: arxiv.org/abs/1309.5821 : Ongedefinieerd door gegevens: een overzicht van big data-definities