فراداده ها (Big Data) را بهتر بشناسیم
جایی نیست که فراداده ها (Big Data) در آن وجود نداشته باشد! کنجکاوی درباره فراداده ها (Big Data) و کاربرد های آن در چند سال گذشته افزایش چشمگیری یافته است. بگذارید چند واقعیت که باعث حیرت شما خواهد شد را تعریف کنم! به گزارش فوربس. هر دقیقه ، کاربران 4.15 میلیون ویدیوی YouTube را مشاهده می کنند ، 456،000 توییت در توییتر ارسال می کنند ، 46،740 عکس را در اینستاگرام ارسال می کنند و 510،000 نظر ارسال شده و 293،000 وضعیت به روز شده در فیس بوک را پدید می آورند.فقط تعداد زیادی از داده هایی را که با چنین فعالیت هایی تولید می شوند تصور کنید. این ایجاد دائمی داده ها با استفاده از رسانه های اجتماعی ، برنامه های تجاری ، ارتباطات همراه و حوزه های مختلف دیگر منجر به شکل گیری داده ها می شوند
برخی از مثالهای فراداده ها (Big Data)
یک ترابایت روزانه
بورس نیویورک روزانه در حدود یک ترابایت داده جدید حاصل از تجارت های صورت گرفته را ایجاد می کند.
500 ترابایت دیتا فیسبوک
آمار نشان می دهد که هر روز بیش از 500 ترابایت از داده های جدید به پایگاه داده های سایت های شبکه های اجتماعی فیس بوک وارد می شوند. این داده ها عمدتاً از نظر آپلود عکس و فیلم ، تبادل پیام ، قرار دادن نظرات و غیره تولید می شوند.
پتا بایت اطلاعات
یک موتور جت منفرد می تواند 10 + ترابایت داده را در 30 دقیقه زمان پرواز تولید کند. با هزاران پرواز در روز ، تولید داده ها به بیش از Petabytes هم می رسد
100+ ترابایت اطلاعات سلامت
جمع آوری داده های سلامت لحظه به لحظه بیماران در یک بیمارستان و تحلیل بی وقفه آن ها می تواند بیش از چند صد ترابایت داده را در روز تولید کند.
قبل از اینکه به بررسی فراداده ها (Big Data) بپردازیم ، بگذارید این موضوع را بیان کنم که چرا اصطلاح فراداده ها (Big Data) اهمیت زیادی کسب کرده است.
آخرین باری که به یاد می آورید که از فلاپی یا سی دی برای ذخیره اطلاعات خود استفاده کردید، کی بوده است؟
بگذارید حدس بزنم ،در اوایل قرن بیست و یکم باید برگردیم درسته؟ استفاده از سوابق کاغذ دستی ، پرونده ها ، فلاپی و دیسک ها اکنون منسوخ شده است.
دلیل این امر رشد نمایی داده ها است. مردم شروع به ذخیره سازی داده های خود در سیستم های پایگاه داده های relational کردند، اما عطش برای اختراعات جدید ، فناوری ها ، برنامه های کاربردی به گونه ای بود که استفاده از پایگاه داد های relational هم پاسخگو نیاز های مردم نبود.
نسل جدید داده ها که بسیار حجیم و پیوسته در حال تولید بودند ، منجر به ایجاد اصطلاح فراداده ها (Big Data) شدند.
به نقل از سایت خبری فوربس هر روز (با سرعت فعلی تولید داده ها) 2.5 میلیون بایت داده ایجاد می شود ، اما این سرعت ثابت نیست و با گذر زمان در حال افزایش است.
اینترنت اشیاء (IOT) یکی از چنین فناوری هایی است که نقش مهمی در این شتاب دارد. 90٪ از کل داده ها امروز در دو سال گذشته تولید شده است.
سیر تکامل فراداده ها (Big Data)
بعد از توضیح فراداده ها (Big Data) ، اجازه دهید بگویم Big Data چه نیست؟!
معمول ترین تعریف مرتبط با فراداده ها (Big Data) نمایانگر حجم و اندازه بسیار بزرگ داده ها است. اما در واقع ، این تعریف کامل نیست و Big data فقط به مقدار “بزرگ” داده های جمع آوری شده مربوط نمی شود.
فراداده ها (Big Data) به مقادیر زیادی از داده ها که به منابع داده های مختلف ریخته می شوند اشاره دارد و دارای فرمت های مختلفی است. حتی قبلاً داده های عظیمی وجود داشت که در پایگاه های داده ذخیره می شدند ، اما به دلیل ماهیت متنوع این داده ها ، سیستم های سنتی پایگاه داده های relational قادر به اداره این داده ها نبودند.
فراداده ها (Big Data) مفهومی بسیار مهم تر از این دارد که بگوییم مجموعه ای از چند data set است ، بلکه فراداده ها (Big Data) مفهومی بسیار جامع تر دارد و دارای مزایای بیشماری است.
فرمت های مختلف فراداده ها (Big Data)
دارای سه فرمت مختلف از داده ها است
فرمت داده های سازمان یافته با یک فرمت ثابت. مثال: RDBMS(پایگاه داد های relational مانند پایگاه داده Microsoft Access )
ویژگی های فراداده ها (Big Data)
حجم داده
وجود حجم عظیمی از داده ها
سرعت
سرعت انباشت بسیار زیاد داده ها
تنوع
وجود داده ها با تنوع فراوان از پایگاه داده های مختلف
ارزش
استخراج اطلاعات بسیار با ارزش از داده ها
صحت
وجود ناهماهنگی و عدم قطعیت در داده ها
کاربرد های فراداده ها (Big Data)
Netflix و Amazon از Big Data برای ایجاد نمایش ها و توصیه های (سامانه های توصیه گر) فیلم به کاربران خود استفاده می کنند.
از داده های بزرگ برای پیش بینی بیماری ، تصادفات و قیمت محصولات در آینده و برنامه ریزی متناسب با آن ها استفاده می کنند.
گوگل در هر ثانیه حدود یک گیگابایت داده جمع می کند تا مسیر یابی مناسبی را برای رانندگان فراهم آورد. این آزمایشات برای اجرای موفقتر به داده های بیشتر و بیشتری نیاز دارد.
استفاده از فن آوری های Big data به عنوان یک ابزار یادگیری به جای روش های سخنرانی سنتی ، باعث تقویت یادگیری دانش آموزان می شود و همچنین به معلم کمک می کند تا عملکرد دانش آموزان را بهتر رصد کنند و آموزش های مناسب را برای آن ها فراهم آورند.
رولز رویس با قرار دادن صدها سنسور در موتورها و سیستم های پیشرانه خود ،از ابزار Big Data استفاده می کند و هر یک از جزئیاتی که سنسور های خودرو جمع می کنند چه بزرگ چه کوچک را جمع آوری می کند.
تغییرات داده ها بی وقفه به مهندسین گزارش می شود که در صورت نیاز و وجود مشکلات احتمالی در خودرو ، اخطار هایی ثبت شوند و راننده خودرو را برای بررسی دقیق به کارشناسان مربوطه در تعمیرات بسپارد.
استفاده بسیار جالبی از Big Data در زمینه سیاست می شود و آن تحلیل الگوهای و تأثیرگذاری بر نتایج انتخابات است. Cambridge Analytica Ltd. سازمانی از این دست است که به طور کامل بر روی داده ها مطالعه می کنند تا رفتار مخاطبان را تغییر داده و نقش مهمی در روند انتخابات داشته باشد.
