Термин Big Data, цель и главные характеристики больших...

ВВЕДЕНИЕBIG DATA или Большие данные - это термин, описывающий большие, трудноуправляемые объемы данных - как структурированных, так и неструктурированных - которые ежедневно наводняют предприятия. Но важен не только тип или объем данных, важно то, что организации делают с этими данными. Большие данные могут быть проанализированы для получения информации, которая улучшает решения и придает уверенность при принятии стратегических решений в бизнесе.Исследования, связанные с большими данными, являются актуальной областью разработок на сегодняшний день. Они изучают большие данные, а также способы выделения знаний из них. Они ведутся в рамках различных дисциплин и областей, таких как информационные науки, моделирование неопределённости, машинное обучение, статистическое обучение, распознавание образов, методы хранения данных, обработка сигналов и т. д. Исследования больших данных также имеют собственные проблемы и задачи. Проведём обзор ситуации в академической среде, охватывающей Big Data. Рассмотрим основные группы проблем исследований, связанных с большими данными.В рамках первой группы проблем рассматриваются проблемы, связанные с хранением и анализом больших данных. Они изучаются исследователями Z. Huang, T. K. Das, P. M. Kumar, D. P. Acharjya и M. R. Patra.Актуальность работы обусловлена значимостью выбранной темы. Технологии Big Data достаточно велика, так как в данный момент она является одним из ключевых драйверов развития информационных технологий. Это направление, относительно новое для российского бизнеса, получило широкое распространение в западных странах. Связано это с тем, что в эпоху информационных технологий, особенно после бума социальных сетей, по каждому пользователю интернета стало накапливаться значительное количество информации, что в конечном счете дало развитие направлению Big Data.Объект исследования. BIG DATA – цель и главные характеристики.Предмет исследования. Высокопроизводительные вычисления в сфере бизнеса.Цель работы. Рассмотреть теоретические основы BIG DATA, в частности следует провести анализ проблем и перспектив BIG DATA.Задачи работы:Рассмотреть сущностные основы BIG DATA;Рассмотреть особенности, определить цель и изучить главные характеристики BIG DATA;Определить проблемы BIG DATA;Рассмотреть перспективы и методы совершенствования BIG DATA.Структура работы. Работа состоит из введения, теоретической и практической части в виде двух глав, заключения и библиографического списка.ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ BIG DATA 1.1 Сущностные основы BIG DATAПод большими данными понимаются данные, которые настолько велики, быстры или сложны, что их трудно или невозможно обработать традиционными методами. Акт доступа и хранения больших объемов информации для анализа существует уже давно. Но концепция больших данных набрала силу в начале 2000-х годов, когда отраслевой аналитик Дуг Лейни сформулировал ставшее общепринятым определение больших данных как три "V":Объем. Организации собирают данные из различных источников, включая транзакции, интеллектуальные (IoT) устройства, промышленное оборудование, видео, изображения, аудио, социальные сети и многое другое. В прошлом хранение всех этих данных было бы слишком дорогостоящим - но более дешевое хранение с использованием озер данных, Hadoop и облачных технологий облегчило это бремя. Скорость. С развитием Интернета вещей данные поступают в компании с беспрецедентной скоростью, и их необходимо своевременно обрабатывать. Метки RFID, датчики и "умные" счетчики вызывают необходимость работать с этими потоками данных практически в режиме реального времени. Разнообразие. Данные поступают во всех форматах - от структурированных числовых данных в традиционных базах данных до неструктурированных текстовых документов, электронных писем, видео, аудио, данных биржевых тикеров и финансовых транзакций.Таблица 1. Процессы BIG DATAИзменчивостьДостоверностьПомимо растущих скоростей и разнообразия данных, потоки данных непредсказуемы - они часто меняются и сильно варьируются. Это непросто, но компании должны знать, когда что-то становится трендом в социальных сетях, и как управлять ежедневными, сезонными и событийными пиковыми нагрузками данных.Достоверность относится к качеству данных. Поскольку данные поступают из множества различных источников, трудно связать, сопоставить, очистить и преобразовать данные в разных системах. Предприятиям необходимо связывать и соотносить отношения, иерархии и многочисленные связи между данными. В противном случае их данные могут быстро выйти из-под контроля.Важность больших данных заключается не только в том, сколько данных у вас есть. Ценность заключается в том, как вы их используете. Получая данные из любого источника и анализируя их, вы можете найти ответы, которые 1) упорядочат управление ресурсами, 2) повысят эффективность работы, 3) оптимизируют разработку продукции, 4) создадут новые возможности для получения прибыли и роста и 5) позволят принимать разумные решения. Если объединить большие данные с высокопроизводительной аналитикой, можно решить такие бизнес-задачи, как:Определение первопричин сбоев, проблем и дефектов в режиме, близком к реальному времени.Выявление аномалий быстрее и точнее, чем человеческий глаз.Улучшение результатов лечения пациентов за счет быстрого преобразования данных медицинских изображений в полезные сведения.Пересчет всего портфеля рисков за считанные минуты.Повышение способности моделей глубокого обучения к точной классификации и реакции на изменяющиеся переменные.Выявление мошеннического поведения до того, как оно повлияет на вашу организацию.1.2 Особенности, цель и главные характеристики BIG DATAВ последнее время термин "Большие данные" находится в центре внимания, но не многие знают, что такое большие данные. Предприятия, правительственные учреждения, поставщики медицинских услуг (HCP), финансовые и академические институты - все они используют возможности Больших Данных для улучшения перспектив бизнеса и повышения качества обслуживания клиентов.IBM утверждает, что предприятия по всему миру ежедневно генерируют почти 2,5 квинтиллиона байт данных! Почти 90% глобальных данных было произведено только за последние 2 года.Таким образом, мы точно знаем, что сегодня Большие данные проникли практически во все отрасли и являются доминирующей движущей силой успеха предприятий и организаций по всему миру. Но на данном этапе важно знать, что такое большие данные? Рассмотрим информацию о больших данных, характеристиках больших данных, типах больших данных и многом другом."Большие данные" — это информационные активы большого объема, скорости и разнообразия, которые требуют экономически эффективных, инновационных форм обработки информации для улучшения понимания и принятия решений".Это определение четко отвечает на вопрос "Что такое Большие данные?" - Большие данные относятся к сложным и большим наборам данных, которые необходимо обрабатывать и анализировать для выявления ценной информации, способной принести пользу предприятиям и организациям.Однако существуют определенные базовые принципы Больших Данных, которые позволят еще проще ответить на вопрос, что такое Большие Данные:Это огромный объем данных, который продолжает расти по экспоненте с течением времени.Они настолько объемны, что их невозможно обработать или проанализировать с помощью обычных методов обработки данных.Он включает в себя добычу данных, хранение данных, анализ данных, обмен данными и визуализацию данных.Этот термин является всеобъемлющим и включает в себя данные, рамки данных, а также инструменты и методы, используемые для обработки и анализа данных.Типы больших данных. Теперь, когда мы разобрались с тем, что такое большие данные, рассмотрим типы больших данных:Таблица 2. Типы BIG DATAСтруктурированныйНеструктурированныйПолуструктурированныйСтруктурированные данные — это один из типов больших данных. Под структурированными данными мы понимаем данные, которые можно обрабатывать, хранить и извлекать в фиксированном формате. Они относятся к высокоорганизованной информации, которую можно легко и просто хранить и получать доступ к ней из базы данных с помощью простых алгоритмов поисковых систем. Например, таблица сотрудников в базе данных компании будет структурированной, поскольку данные о сотрудниках, их должностях, зарплатах и т.д. будут представлены в упорядоченном виде.Неструктурированные данные — это данные, которые не имеют какой-либо определенной формы или структуры. Это делает обработку и анализ неструктурированных данных очень сложной и трудоемкой. Электронная почта является примером неструктурированных данных. Структурированные и неструктурированные данные — это два важных типа больших данных.Полуструктурированные данные — это третий тип больших данных. Полуструктурированные данные относятся к данным, содержащим оба вышеупомянутых формата, то есть структурированные и неструктурированные данные. Точнее говоря, это данные, которые хотя и не были отнесены к определенному хранилищу (базе данных), но содержат жизненно важную информацию или метки, которые разделяют отдельные элементы в данных. Таким образом, мы подошли к концу рассмотрения типов данных. Давайте обсудим характеристики данных.Еще в 2001 году аналитик компании Gartner Дуг Лейни перечислил 3 "V" больших данных - разнообразие, скорость и объем. Давайте обсудим характеристики больших данных.Этих характеристик по отдельности достаточно, чтобы понять, что такое большие данные. Рассмотрим их подробнее:1) РазнообразиеРазнообразие Больших Данных относится к структурированным, неструктурированным и полуструктурированным данным, которые собираются из множества источников. Если раньше данные можно было собрать только из электронных таблиц и баз данных, то сегодня они поступают в самых разных формах, таких как электронные письма, PDF-файлы, фотографии, видео, аудиозаписи, сообщения в SM и многое другое. Разнообразие - одна из важных характеристик больших данных.2) СкоростьСкорость — это скорость, с которой данные создаются в режиме реального времени. В более широкой перспективе она включает в себя скорость изменений, связывание входящих наборов данных с разной скоростью и всплески активности.3) ОбъемОбъем — это одна из характеристик больших данных. Мы уже знаем, что большие данные означают огромные "объемы" данных, которые ежедневно генерируются из различных источников, таких как платформы социальных сетей, бизнес-процессы, машины, сети, взаимодействие людей и т. д. Такие большие объемы данных хранятся в хранилищах данных. На этом характеристики больших данных заканчиваются.Преимущества Больших Данных (особенности)Одним из самых больших преимуществ Больших Данных является предиктивный анализ. Инструменты анализа Больших Данных позволяют точно предсказывать результаты, тем самым позволяя предприятиям и организациям принимать лучшие решения, одновременно оптимизируя их операционную эффективность и снижая риски.Используя данные с платформ социальных сетей с помощью инструментов анализа Больших Данных, компании по всему миру оптимизируют свои стратегии цифрового маркетинга для улучшения общего потребительского опыта. Большие данные дают представление о болевых точках клиентов и позволяют компаниям совершенствовать свои продукты и услуги.Будучи точными, Большие данные объединяют соответствующие данные из нескольких источников, чтобы получить очень практичные выводы. Почти 43% компаний не имеют необходимых инструментов для отсеивания нерелевантных данных, что в конечном итоге обходится им в миллионы долларов для вычленения полезных данных из общей массы. Инструменты Больших Данных могут помочь уменьшить эту проблему, сэкономив время и деньги.Аналитика Больших Данных может помочь компаниям генерировать больше потенциальных покупателей, что, естественно, означает увеличение доходов. Предприятия используют инструменты анализа Больших Данных, чтобы понять, насколько хорошо их продукты/услуги работают на рынке и как на них реагируют клиенты. Таким образом, они могут лучше понять, куда инвестировать свое время и деньги.Благодаря анализу Больших Данных вы всегда можете быть на шаг впереди своих конкурентов. Вы можете изучить рынок, чтобы узнать, какие акции и предложения делают ваши конкуренты, а затем придумать лучшие предложения для своих клиентов. Кроме того, анализ Больших Данных позволяет изучать поведение клиентов, чтобы понять их тенденции и предоставить им высоко "персонализированный" опыт.Люди, использующие Большие данные, лучше знают, что такое Большие данные. Рассмотрим некоторые из таких отраслей:1. ЗдравоохранениеБольшие данные уже начали создавать огромные изменения в секторе здравоохранения. С помощью предиктивной аналитики медицинские работники и HCP теперь могут предоставлять индивидуальные медицинские услуги отдельным пациентам. Кроме того, носимые устройства для фитнеса, телемедицина, удаленный мониторинг — все это благодаря Большим данным и ИИ - помогает изменить жизнь к лучшему.2. АкадемияБольшие данные сегодня также помогают улучшить образование. Образование больше не ограничивается физическими рамками классной комнаты - существует множество онлайн-курсов, на которых можно учиться. Академические учреждения инвестируют в цифровые курсы, основанные на технологиях Больших Данных, чтобы помочь всестороннему развитию начинающих студентов.3. Банковское делоБанковский сектор полагается на Большие данные для выявления мошенничества. Инструменты Больших Данных могут эффективно выявлять мошеннические действия в режиме реального времени, такие как неправомерное использование кредитных/дебетовых карт, архивирование следов проверок, ошибочное изменение статистики клиентов и т.д.4. ПроизводствоСогласно исследованию TCS Global Trend Study, наиболее значительным преимуществом Больших Данных в производстве является улучшение стратегий поставок и качества продукции. В производственном секторе Большие данные помогают создать прозрачную инфраструктуру, тем самым прогнозируя неопределенности и некомпетентность, которые могут негативно повлиять на бизнес.5. ИТЯвляясь одним из крупнейших пользователей Больших данных, ИТ-компании по всему миру используют Большие данные для оптимизации своей деятельности, повышения производительности труда сотрудников и минимизации рисков в бизнес-операциях. Объединяя технологии Больших Данных с ML и AI, ИТ-сектор постоянно стимулирует инновации для поиска решений даже самых сложных проблем.6. Розничная торговляБольшие данные изменили методы работы традиционных розничных магазинов. На протяжении многих лет розничные компании собирали огромное количество данных из местных демографических опросов, POS-сканеров, RFID, карт лояльности клиентов, инвентаризации магазинов и так далее. Теперь они начали использовать эти данные для создания персонализированных впечатлений клиентов, повышения продаж, увеличения доходов и обеспечения превосходного обслуживания клиентов.Ритейлеры даже используют интеллектуальные датчики и Wi-Fi для отслеживания перемещения покупателей, наиболее посещаемых проходов, времени, в течение которого покупатели задерживаются в проходах. Они также собирают данные из социальных сетей, чтобы понять, что покупатели говорят об их бренде, услугах, и соответствующим образом корректируют дизайн продукции и маркетинговые стратегии. 7. Транспорт Аналитика больших данных имеет огромное значение для транспортной отрасли. В разных странах мира как частные, так и государственные транспортные компании используют технологии Больших Данных для оптимизации планирования маршрутов, управления движением, борьбы с перегруженностью дорог и улучшения качества услуг. Кроме того, транспортные службы используют Большие данные для управления доходами, внедрения технологических инноваций, улучшения логистики и, конечно, для завоевания превосходства на рынке.Вывод по первой главе работы. В данной главе работы рассматривались теоретические основы BIG DATA.Таким образом, за последние несколько лет большие данные стали важным термином в области информатики. От термина "большие данные" создается впечатление об "огромном количестве данных". Неправильно ассоциировать большие данные с огромными объемами данных, но это оставляет неполное представление о больших данных.Большие данные имеют дело со многими проблемами, наряду с работой с огромным количеством данных. Проблемы, связанные с большими данными, следующие:Систематическое извлечение информации из огромных данных.Методы анализа огромных данных.Работа с различными наборами данных для получения полезной информации.Большие данные — это термин, используемый для обозначения различных типов технологий для извлечения полезной и значимой информации из кучи огромных данных. Каждый набор больших данных имеет свои уникальные проблемы, связанные с его получением и управлением данными.Традиционные данные, такие как реляционные данные, обычно имеют структурированную или полуструктурированную форму. Поэтому из них было легко извлекать полезную или нужную информацию. Однако большие данные собираются из различных источников и в различных объемах. В результате этого данные могут быть в структурированном, неструктурированном и полуструктурированном формате. Поэтому для обработки огромного количества данных с целью получения из них полезной информации используются различные технологии.Объем больших данных увеличивается с каждым разом из-за каждого мелкого действия, происходящего в Интернете. Все действия, от 10-секундного видеозвонка с мамой до добавления товара в корзину на сайте электронной коммерции, увеличивают объем больших данных. Для сбора данных, производимых каждым устройством, подключенным к Интернету, требуется уникальный процесс обработки.Более того, для анализа и получения полезной информации из неоднородных данных также требуются специальные алгоритмы. В наше время таких передовых технологий компании все еще сталкиваются с проблемой ежедневной работы с огромными объемами данных. Поэтому большими данными можно назвать те данные, которые невозможно управлять и анализировать с помощью традиционных инструментов и методов, используемых для анализа структурированных и полуструктурированных данных.В интернете известна фраза "Данные - это новое топливо". Эта фраза вполне справедлива в настоящее время. Поскольку в Интернете осуществляется большое количество действий, связанных с бизнесом, и каждый день из этих действий собирается большое количество структурированных и неструктурированных данных. Эти данные могут оказаться очень полезными для бизнеса, если они знают, как получить полезную информацию из исходных данных.Есть несколько примеров компаний, которые зарабатывают миллионы баксов благодаря правильному использованию больших данных. Давайте рассмотрим пример компании, которая построила свою империю только благодаря правильному использованию больших данных. По данным сайта Seotribunal, Google ежедневно получает около 63 000 поисковых запросов в секунду. Прежде чем ответить на запрос, Google учитывает более 200 факторов. ГЛАВА 2. АНАЛИЗ ПРОБЛЕМ И ПЕРСПЕКТИВ BIG DATA2.1 Проблемы BIG DATAЗа последние два года было создано более 90% всех данных в мире, и, учитывая, что ежедневно генерируется 2,5 квинтиллиона байт данных, очевидно, что будущее наполнено большим количеством данных, что также может означать больше проблем с данными.Хотя очевидно, что компании могут извлечь выгоду из этого роста данных, руководители должны быть осторожны и осознавать проблемы, которые им придется преодолеть, в частности, такие как:Сбор, хранение, обмен и защита данных.Создание и использование значимых выводов из данных.К счастью, существуют прагматичные решения, которые компании могут принять для преодоления проблем с данными и процветания в экономике, основанной на данных.Проведем обзор некоторых распространенных проблем с данными и способов их решения: 1. Отсутствие пониманияКомпании могут использовать данные для повышения эффективности работы во многих областях. Некоторые из лучших примеров использования данных: сокращение расходов, создание инноваций, запуск новых продуктов, рост итоговой прибыли, повышение эффективности и т.д. и т.п. Несмотря на преимущества, компании медленно внедряют технологии данных или разрабатывают план создания культуры, ориентированной на данные. Более того, согласно исследованию Gartner, из 196 опрошенных компаний 91% заявили, что им еще предстоит достичь "трансформационного" уровня зрелости в области данных и аналитики.Решение: Одним из способов борьбы с медленным внедрением является подход "сверху вниз" к внедрению и обучению вашей организации использованию данных и процедурам. Если ваша внутренняя команда не располагает достаточными ресурсами, привлеките ИТ-специалистов или консультантов и проведите семинары для обучения вашей организации.2. Высокая стоимость решений для работы с даннымиПосле того, как вы поймете, какую наибольшую выгоду получит ваш бизнес от внедрения решений по работе с данными, вы, скорее всего, обнаружите, что покупка и обслуживание необходимых компонентов может быть дорогостоящей. Наряду с аппаратными средствами, такими как серверы и системы хранения данных, и программным обеспечением, также требуются затраты на человеческие ресурсы и время.Решение: чтобы принять наиболее обоснованное решение о том, какое решение для работы с данными обеспечит наибольшую рентабельность инвестиций, сначала подумайте, как и почему вы хотите использовать данные. Затем согласуйте свои рассуждения с бизнес-целями, проведите исследование доступных решений и реализуйте стратегический план по их внедрению в вашей организации.3. Слишком много вариантовПо мнению психолога Барри Шварца, меньшее действительно может быть большим. Названный "парадоксом выбора", Шварц объясняет, как перегруженность вариантами может привести к бездействию покупателя. Вместо этого, ограничивая выбор потребителя, можно уменьшить его беспокойство и стресс. В мире данных и инструментов для работы с данными количество вариантов почти так же велико, как и самих данных, поэтому вполне понятно, что выбор решения, подходящего для вашего бизнеса, особенно если оно, вероятно, затронет все отделы и, как мы надеемся, станет долгосрочной стратегией, может оказаться непосильным.Решение: как и в случае с пониманием данных, хорошим решением является использование опыта вашего штатного эксперта, возможно, технического директора. Если такой возможности нет, наймите консалтинговую фирму для помощи в процессе принятия решений. Используйте Интернет и форумы, чтобы найти ценную информацию и задать вопросы.4. Комплексные системы для управления даннымиПереход от устаревшей системы управления данными и интеграция нового решения сами по себе являются сложной задачей. Более того, поскольку данные поступают из нескольких источников, а ИТ-команды создают собственные данные в процессе управления данными, системы могут быстро стать сложными.Решение: Найдите решение с единым командным центром, внедрите автоматизацию, когда это возможно, и обеспечьте удаленный доступ к нему 24 часа в сутки 7 дней в неделю.5. Пробелы в безопасностиВажность безопасности данных не может остаться незамеченной. Однако в процессе внедрения решений не всегда легко сконцентрироваться на безопасности данных, так как существует множество подвижных элементов. Данные также необходимо хранить надлежащим образом, что начинается с шифрования и постоянного резервного копирования.Решение: Вы можете предпринять несколько шагов, не требующих больших усилий, чтобы значительно повысить безопасность ваших данных, например: автоматизировать обновления системы безопасности, автоматизировать резервное копирование, установить обновления операционной системы (которые часто включают улучшенную защиту), использовать брандмауэры и т.д.6. Низкое качество и неточность данныхНаличие данных полезно только тогда, когда они точны. Данные низкого качества не только не служат никакой цели, но и используют ненужное хранилище, а также могут повредить возможности сбора информации из чистых данных.Вот несколько способов, по которым данные могут считаться некачественными:Несогласованное форматирование (на исправление которого потребуется время и которое может возникнуть, когда одни и те же элементы пишутся по-разному, например, "US" против "U.S."),Отсутствующие данные (например, в базе данных контактов отсутствует имя и фамилия или адрес электронной почты),Неточные данные (т.е. это просто не та информация или данные не были обновлены).Дублирующиеся данные (т.е. данные учитываются дважды).Если данные не поддерживаются или не регистрируются должным образом, это все равно, что не иметь данных вообще.Решение: Начните с определения необходимых данных, которые вы хотите собрать (опять же, согласуйте необходимую информацию с бизнес-целью). Регулярно очищайте данные, а когда они собираются из разных источников, организуйте и нормализуйте их перед загрузкой в любой инструмент для анализа. После того как данные будут унифицированы и очищены, вы сможете сегментировать их для лучшего анализа.7. Препятствия, связанные с соблюдением требованийПри сборе информации в игру вступают требования безопасности и государственного регулирования. С недавним введением Общего положения о защите данных (GDPR) еще важнее понимать необходимые требования к сбору и защите данных, а также последствия их несоблюдения. Компании должны соблюдать требования и быть осторожными в том, как они используют данные для сегментации клиентов, например, решая, какому клиенту отдать предпочтение или сфокусироваться на нем. Это означает, что данные должны: быть репрезентативной выборкой потребителей, алгоритмы должны быть приоритетно справедливыми, должно быть понимание присущей данным предвзятости, а результаты использования Больших Данных должны быть проверены с помощью традиционно применяемых статистических методов.Решение: Единственное решение для соблюдения требований и регулирования - быть информированным и хорошо образованным в этой области. Нет другого пути, кроме как учиться, потому что в данном случае незнание — это не блаженство, поскольку оно несет как финансовый, так и репутационный риск для вашего бизнеса. Если вы не уверены в каких-либо правилах или нормах, вам следует проконсультироваться с экспертными юридическими и бухгалтерскими фирмами, специализирующимися на этих правилах.8. Использование данных для получения смыслаУ вас могут быть данные. Они чисты, точны и упорядочены. Но как их использовать, чтобы получить ценные сведения для улучшения бизнеса? Многие организации обращаются к надежным инструментам анализа данных, которые помогают оценить общую картину, а также разбить данные на значимые фрагменты информации, которые затем можно преобразовать в практические результаты.Решение: Будь то последовательная структура отчетности или специальная команда аналитиков, обязательно превращайте данные в измеримые результаты. Это означает получение данных и их преобразование в действия, которые должны быть предприняты для достижения положительных результатов для компании. 9. Успевать за ростом объема данныхКак и масштабирование компании, рост объема данных — это сложная задача. Вы должны быть уверены, что сможете масштабировать свое решение по мере роста компании, чтобы затраты и качество не снижались по мере ее расширения.Решение: этого можно достичь, создавая прогнозы с самого начала внедрения данных и инструментов управления данными. Убедитесь, что вы выбрали надежное решение для работы с данными и заранее знаете, что оно сможет справиться с теми возможностями, которые могут понадобиться вам в будущем. Другой вариант - полагаться на системы поддержки и внутренние команды для управления аспектами роста. Например, вы можете определить этапы, о которых будет знать ваша команда, и только после их достижения рассмотреть возможность перехода на более сложную систему.10. ДоступностьИногда компании изолируют данные для одного человека или одного отдела. Это не только возлагает огромную ответственность на избранных, но и создает отсутствие доступа к данным во всей организации в техотделах, где они могут быть полезны для достижения положительного эффекта. Изоляция данных напрямую препятствует получению выгоды от сбора данных в первую очередь.Решение: это звучит просто, но делается недостаточно - интегрируйте данные. Установите четкие ожидания и создайте единую систему, способную удовлетворить потребности каждого отдела. Если найти единую интегрированную систему не получается, рассмотрите возможность использования API, чтобы данные были доступны в одном централизованном месте.11. Темпы развития технологийИзобретатель, писатель и футурист Рэй Курцвейл лучше всего выразил свою мысль, когда определил ускоряющийся темп изменения технологий. Каждое последующее технологическое достижение быстрее развивает предыдущее, потому что на каждом этапе они становятся более эффективными и, следовательно, могут лучше информировать о том, что будет следующим. Например, просто рассмотрим, как быстро совершенствуются облачные вычисления и искусственный интеллект.В условиях быстрого развития технологий и систем вы не захотите, чтобы ваши инструменты обработки данных устарели, особенно если вы вкладываете в них время, энергию и человеческие ресурсы.Решение: хотя вы не можете остановить прогресс, вы можете подготовиться к нему. Это начинается с информирования об информационных технологиях и их новых возможностях, продуктах и угрозах.12. Нехватка квалифицированных работниковНесмотря на высокий технологический спрос и стремительное развитие средств искусственного интеллекта и анализа данных, нехватка квалифицированных работников является узким местом для многих компаний. Число новых квалифицированных выпускников не поспевает за развитием технологий, и, в свою очередь, компании просят сотрудников восполнять этот дефицит, работая на нескольких должностях.Решение: если решение не существует естественным образом, попробуйте его создать. Хотя вы не можете контролировать количество специалистов по анализу данных и аналитиков данных, выпускаемых каждый год, вы можете использовать имеющиеся кадры и организовать обучение, чтобы привить и привить им необходимые навыки. Вы также можете искать более мощные инструменты работы с данными, которые делают работу по анализу менее сложной, что открывает возможности для найма более широкого круга менее специализированных аналитиков.13. Интеграция данныхИнтеграция данных заключается в получении данных из различных источников и их объединении для создания ценной и полезной информации.Решение: существует несколько способов интеграции данных, включая следующие подходы:Консолидация: Объединение данных из различных источников в одном консолидированном хранилище данных.Распространение: Использование приложений для копирования данных из одного места в другое.Федерация: Использование виртуальной базы данных для создания модели для согласования данных из различных систем.Виртуализация: Просмотр данных в одном месте, но при этом данные все еще хранятся отдельно.14. Обработка больших массивов данныхБольшие массивы данных сложно обрабатывать и осмысливать. Три "V" больших данных включают объем, скорость и разнообразие. Объем — это количество данных, скорость — это скорость создания новых данных, а разнообразие — это различные форматы данных, такие как изображения, видео и текст.Решение: Решение проблем с большими массивами данных, независимо от их точного размера, обсуждалось на протяжении всей работы и включает в себя тактику, которую выполняют как человеческие ресурсы, так и технологии. Шаги по правильной обработке данных, независимо от их размера, включают обеспечение точности данных, интеграцию данных и развитие культуры компании, которая понимает и поощряет использование больших данных для принятия обоснованных решений.15. Постоянно меняющиеся данныеВнедрение инфраструктуры и управление данными не может быть задачей, которую можно поставить и забыть. Природа данных такова, что они постоянно меняются. Постоянно меняются данные о ваших клиентах, их заказы, а также их взаимодействие с вашей компанией.Решение: Внедряйте системы данных с усовершенствованной системой машинного обучения и функциональной совместимостью, чтобы адаптироваться к постоянно меняющемуся ландшафту входных данных и, в свою очередь, выходных. Вы также можете использовать системы, хранящие как исторические, так и новые данные, чтобы понять причины и последствия изменений данных и смоделировать будущие тенденции. От СМИ до правительства, злоупотребление Большими Данными позволило отменить доверие почти к каждому фундаментальному институту, на котором держится общество. Вы услышите это повсюду: Частная жизнь практически мертва. Как показали недавние антимонопольные слушания в Конгрессе по технологиям с участием Facebook, Amazon, Google и Apple, предотвратить отслеживание наших данных и злоупотребление ими практически невозможно. Как показало слушание Джеффа Безоса, помимо злоупотребления данными для создания неравных условий игры, Большие данные также позволяют легко искажать доказательства, что позволяет любой компании продвигать свою собственную повестку дня, независимо от репутации.Кроме того, в 2016 году скандал с компанией Facebook Cambridge Analytica открыл многим глаза на то, как легко они могут стать мишенью и их информация может быть скомпрометирована без их ведома. Такие правительства, как Китай, используют Большие данные. Новая система социального кредитования будет хранить информацию о людях и использовать ее для мониторинга и, в конечном счете, контроля их поведения. Более 6 миллионов китайских граждан уже были внесены в черный список для полетов, как следствие социальных проступков. Благодаря Большим Данным невозможно остановить использование огромных объемов личной и профессиональной информации.Большие данные слишком велики для обычного человека, чтобы анализировать их самостоятельно; они требуют передовых технологических инструментов, которых у многих просто нет. Это ограничивает доступ к Большим данным для финансово благополучных людей, что, как правило, ставит в привилегированное положение крупные богатые организации, а не малый бизнес или отдельных людей. Помимо несправедливого экономического недостатка, Большие данные способствуют возникновению раскола между социальными классами. Примерно 20% американцев не пользуются Интернетом, а люди с низким уровнем дохода оставляют не такой большой цифровой след, как их более состоятельные коллеги. Это означает, что когда исследователи или журналисты при анализе Больших Данных полагаются на генерируемый в Интернете контент (например, социальные сети или поиск в Google), те, кто не присутствует в сети, как правило, игнорируют свои собственные проблемы. Другими словами, Большие данные приносят пользу только тем людям, которые достаточно богаты, чтобы их контролировать.Девяносто процентов данных в современном мире было создано только за последние два года - захватывающе, правда? Однако наша способность делать выводы из этих данных (так называемые практические выводы) не развивалась с такой же скоростью. Поэтому чрезмерное количество данных может сбить с толку не меньше, чем их полное отсутствие. Нобелевский лауреат Рональд Коуз сказал об этом лучше всего: "Если достаточно долго мучить данные, они признаются в чем угодно".Давайте также рассмотрим таргетирование рекламы, наиболее распространенное использование технологии данных. Несмотря на постоянное развитие, в нашем повседневном опыте могут встречаться случаи, которые показывают, что Большие данные все еще могут быть ограничены. Например, когда ваша дочь может получить рекламу крема для бритья, потому что она случайно смотрит свои мультфильмы на вашем аккаунте YouTube. Без надлежащей аналитики Большие данные менее эффективны.Нет сомнений в преимуществах Больших Данных для корпоративного, медицинского и научного мира; однако в неумелых руках они могут скомпрометировать личную и профессиональную информацию до угрожающей степени.2.2 Перспективы и совершенствование BIG DATAОсновное значение Больших Данных заключается в потенциале повышения эффективности в контексте использования большого объема данных различного типа. Если Большие Данные определены правильно и используются соответствующим образом, организации могут получить лучшее представление о своем бизнесе, что приведет к повышению эффективности в различных областях, таких как продажи, улучшение производимой продукции и так далее.Большие данные могут быть эффективно использованы в следующих областях:в информационных технологиях для повышения безопасности и устранения неполадок путем анализа закономерностей в существующих журналах;в обслуживании клиентов путем использования информации из центров обработки вызовов, чтобы получить модель поведения клиента и таким образом повысить его удовлетворенность путем адаптации услуг;в улучшении услуг и продуктов за счет использования контента социальных сетей. зная предпочтения потенциальных клиентов, компания может модифицировать свой продукт, чтобы охватить большую аудиторию;в выявлении мошенничества в онлайн-транзакциях для любой отрасли;в оценке рисков путем анализа информации о сделках на финансовом рынке.В будущем следует проанализировать потенциал Больших Данных и возможности, которые могут быть реализованы с помощью анализа Больших Данных.Сегодняшний мир построен на фундаменте данных. Сегодня на жизнь людей влияет способность компаний распоряжаться, опрашивать и управлять данными. Развитие технологической инфраструктуры приспособлено для того, чтобы помочь генерировать данные, чтобы все предлагаемые услуги могли быть улучшены по мере их использования.В качестве примера можно привести интернет, который сегодня стал огромной платформой для сбора информации благодаря социальным сетям и онлайн-сервисам. В любую минуту они пополняются данными. Взрыв данных уже не может быть измерять в гигабайтах, поскольку данные становятся все больше, используются этабайты, эксабайты, зеттабайты и йоттабайты.Для того чтобы управлять гигантским объемом хранящихся неструктурированных данных, возник феномен "Больших данных". Вполне логично, что в коммерческом секторе Big-Data стали быстрее внедряться в отраслях, основанных на данных, таких как финансовые услуги и телекоммуникации, которые, как можно утверждать, переживают более быстрый рост объемов данных по сравнению с другими секторами рынка, в дополнение к ужесточению нормативных требований и падению рентабельности. Сначала Большие данные рассматривались как средство управления для снижения затрат на управление данными. Теперь же компании фокусируются на потенциале создания стоимости. Для того чтобы извлечь выгоду из полученной дополнительной информации, необходимо оценить аналитические и исполнительские возможности "Больших данных".Чтобы превратить большие данные в преимущество для бизнеса, компании должны пересмотреть способ управления данными в центре обработки данных. Данные берутся из множества источников, как внутри организации, так и за ее пределами. Они могут включать контент из видео, социальные данные, документы и данные, генерируемые машинами, из различных приложений и платформ. Предприятиям необходима система, оптимизированная для получения, организации и загрузки этих неструктурированных данных в базы данных, чтобы их можно было эффективно визуализировать и анализировать. Анализ данных должен быть глубоким, быстрым и проводиться с учетом бизнес-целей.Масштабируемость решений для работы с большими данными в центрах обработки данных является важным моментом. Сегодня объем данных огромен, и он будет только увеличиваться. Если центр обработки данных может справиться только с тем объемом данных, который ожидается в краткосрочной и среднесрочной перспективе, предприятия будут быстро тратиться на обновление и модернизацию систем. Поэтому важно перспективное планирование и масштабируемость.Таким образом, наша жизнь все больше зависит от технологий; почти все, что мы делаем, оставляет цифровой след. Facebook запоминает, что нам нравится; Google Maps отслеживает, где мы были; умные холодильники оценивают содержимое нашей кухни - и сообщают нашим бакалейщикам, какие овощи нам нужны. Все эти данные собираются и хранятся, в результате чего образуется то, что мы знаем как Большие Данные.Эти данные постоянно анализируются, чтобы помочь в принятии любых решений - от решений в области здравоохранения до целевой рекламы. С тех пор возник главный вопрос: используются ли Большие данные во благо? Хотя Большие данные определенно помогли понять COVID-19 и бороться с его распространением, нам все еще необходимо рассмотреть будущие последствия использования Больших данных для нашей частной жизни и нашего потребительского отношения. Последнее особенно актуально, учитывая недавние данные о том, что компания Amazon злоупотребляет своим превосходным доступом к данным для получения конкурентных преимуществ.Вот три причины, по которым Большие данные могут быть полезны для людей, и три причины, по которым следует опасаться их последствий.Сбор данных в режиме реального времени расширяет сферу медицинских исследований за счет анализа множества демографических показателей и популяций. Например, бразильские исследователи проанализировали множество данных, предоставленных Twitter, Wikipedia и Google Trends, и смогли успешно предсказать вспышку лихорадки денге в нескольких городах. Другие закономерности были обнаружены в поисковых данных Google и Twitter, что позволило группе эпидемиологов определить места распространения вируса Зика в Латинской Америке за несколько недель до того, как представители здравоохранения объявили об официальной вспышке вируса. Кроме того, Большие данные способствовали исследованиям эффективных вариантов лечения рака и лихорадки Эбола. Но давайте не будем забывать о влиянии на окружающую среду: Датчики (как в космосе, так и на земле), регистрирующие информацию обо всем, от качества воды до погоды, предоставляют достаточно данных, чтобы помочь нам понять изменение климата, причем тенденции глобального потепления находятся на переднем крае анализа.Во время пандемии COVID-19 довольно быстро стало ясно, как сбор данных в реальном времени может помочь правительствам, службам быстрого реагирования и больницам получить жизненно важную информацию о самом вирусе и пострадавших от него, а также провести исследования, которые помогут им более эффективно распределить денежные и медицинские ресурсы для борьбы с пандемией. Не говоря уже о том, что отслеживание контрактов на основе Больших Данных также значительно помогло смягчить распространение вируса.Большие данные делают "умные" общества реальностью. Такие институты, как Массачусетский технологический институт, используют анализ Больших Данных для создания "умных городов", которые в конечном итоге помогут снизить стоимость жизни, энергопотребление и вредные выбросы в окружающую среду, а также в целом улучшить качество жизни. Лос-Анджелес заменяет тысячи светофоров светодиодами, что позволит создать систему, информирующую город о состоянии каждого светофора в любое время. В конечном итоге это приведет к тому, что улицы станут светлее, а также предотвратит дорожно-транспортные происшествия, возникающие при неисправности светофоров. Саудовская Аравия использует Большие данные для адекватного контроля толпы, чтобы предотвратить давку среди миллионов мусульманских верующих, отправляющихся в ежегодное паломничество в Мекку. Это достигается за счет использования информации в реальном времени для прогнозирования движения толпы и предотвращения заторов. Большие данные прокладывают путь к более эффективному образу жизни; чем больше мы собираем, тем умнее становимся.Промышленность получает огромную пользу от Больших Данных, которые позволяют компаниям получить представление о своей клиентской базе. Сегодня это особенно актуально для отрасли здравоохранения, среди COVID-19, где Большие данные дают жизненно важное понимание усилий по профилактике заболеваний. Данные позволяют компаниям лучше понимать свою клиентуру и в результате совершенствовать свои услуги. Возьмем израильский стартап Nexar, который создал приложение для приборной камеры на основе ИИ для мониторинга безопасности дорожного движения путем обнаружения аварий и дорожных условий. Затем оно отправляет предупреждения в режиме реального времени другим автомобилям в своей сети. Услуги компании, использующей Большие данные, направлены на то, чтобы помочь водителям избежать аварий. Ее технологии также используются страховыми компаниями для реконструкции столкновений, чтобы помочь в расследовании претензий.Внутрикорпоративное понимание, производительность и удовлетворенность сотрудников также могут быть улучшены путем анализа взаимодействия на рабочем месте и использования результатов для оптимизации рабочей среды. Например, Bank of America использовал датчики для отслеживания социальной динамики в офисе и обнаружил, что лучшими работниками были те, кто делал перерывы вместе. Это привело к введению политики групповых перерывов, что позволило повысить эффективность работы сотрудников на 23%.Вывод по второй главе работы. В данной главе работы проводился анализ проблем и перспектив BIG DATA.Таким образом, в современном мире, основанном на данных, управление вашими данными имеет важное значение, и его нельзя игнорировать. Вам необходимо проявлять инициативу в понимании и внедрении решений в области данных, которые соответствуют вашим бизнес-целям. Поступая таким образом, вы сможете эффективно смягчить любые проблемы, связанные с большими данными.Некоторым организациям потребуется собрать специальную команду экспертов для управления данными. Тем не менее, современные инструменты работы с данными предлагают простой способ дополнить и задействовать имеющийся персонал, чтобы он мог превращать данные в полезные для бизнеса сведения. ЗАКЛЮЧЕНИЕВ данной работе мы определили концепцию Больших Данных, их важность и различные точки зрения на их использование. Кроме того, мы подчеркнули важность анализа Больших Данных и показали, как анализ Больших Данных позволит улучшить решения в будущем.Анализ Больших Данных характеризуется использованием информации в режиме реального времени и очень больших наборов информации из разрозненных источников. Большая часть соответствующих данных является неструктурированной или только полуструктурированной и часто не имеет оригинальности и даже смысла без работы аналитика данных по извлечению информации. С одной стороны, мы имеем необработанные данные, не имеющие формы и смысла, а с другой - огромную ценность в сочетании с другими источниками данных и передовыми методами оценки. Вполне возможно, что после оценки может быть создан новый структурированный набор данных, содержащий настоящие идеи, которые, несмотря на высокую ценность, могут быть просто выражены.Дихотомия между самими идеями или информацией и формой выражения этих идей всегда была темой авторского права. Это различие выходит на первый план в контексте данных и баз данных. Оригинальность в юрисдикциях "в поте лица" (включая Новую Зеландию) обычно измерялась трудом и затратами, связанными со сбором информации, записанной в произведении. Труд был более значимым, чем творческие или интеллектуальные усилия. В случае с данными риск заключается в том, что во многих случаях сбор огромного количества ценных данных может быть недорогим и легким, что ставит под сомнение наличие охраны авторского права.Защита конфиденциальной информации также, вероятно, останется одним из наиболее ценных средств защиты для организаций, стремящихся прекратить доступ к собственным коллекциям данных. Это средство защиты будет наиболее полезным в тех случаях, когда информация не является общеизвестной или, по крайней мере, неизвестен характер подборки данных или имеющиеся сведения о наборе данных. С другой стороны, опубликованные факты не будут обладать необходимым качеством уверенности без какого-либо дополнительного и конфиденциального синергетического эффекта или конфиденциальности, вытекающей из самого факта их включения в базу данных. Простой неизбирательный список общедоступной информации вряд ли получит охрану под этим заголовком, даже если его составление потребует определенного времени и усилий.Если речь идет не о недопущении других к активам Больших Данных, а о тщательном управлении основами, на которых они могут быть использованы, королем является договор, наиболее часто используемым механизмом которого является лицензионное соглашение. Реальный недостаток лицензионного соглашения заключается в том, что права не могут быть реализованы в отношении лица, не являющегося стороной договора, которое получает несанкционированный доступ к данным. При условии, что договаривающаяся сторона обязана сохранять конфиденциальность данных, любое несанкционированное раскрытие третьей стороне может привести к возникновению прав на конфиденциальность, о чем говорилось выше.Однако данные, находящиеся в открытом доступе, возможно, создают наиболее серьезные проблемы для владельцев данных, которые должны доказать, что контракты являются обязательными для веб-пауков и ботов, которые не могут читать и не обязаны указывать согласие с условиями и положениями веб-сайта перед получением доступа к данным. Случаи "соскабливания" информации иллюстрируют творческий подход юристов к поиску средств защиты общедоступной информации, такой как информация об авиабилетах и объявлениях аукциона eBay.Соблюдение конфиденциальности становится все более важным вопросом для всех активов больших данных, поскольку попытки анонимизировать данные воспринимаются скептически. Обязательства по соблюдению требований касаются всех этапов жизненного цикла данных, начиная с уведомлений на этапе сбора, соответствующих мер по защите данных и заканчивая ограничением использования только в заявленных целях. Эти требования создают особые проблемы для сборщиков больших данных, которые не могут предвидеть весь спектр будущего использования данных. Особая осторожность необходима при лицензировании данных, содержащих персональную информацию, а также перед передачей их хранения или обработки в оффшорное облако. Соблюдение требований в области конфиденциальности также будет диктовать время и способ удаления данных по требованию человека или в случае, если цель сбора данных была достигнута. Обязательные законы о нарушении данных, штрафные санкции и кодексы надлежащего поведения в отношении поведенческого таргетинга - все эти вопросы стоят на горизонте для организаций, управляющих своими активами данных.В заключение следует отметить, что обещания и потенциал больших данных должны сопровождаться продуманным подходом к сбору, хранению, лицензированию и использованию.Без хорошо продуманной стратегии использования данных средства защиты от неправомерного использования может быть трудно найти.Традиционная защита авторских прав вряд ли поможет, гораздо более существенными будут средства защиты по контракту и конфиденциальной информации.Если конкуренты получают выгоду от наблюдения за общедоступными данными, найти средства правовой защиты может быть особенно сложно. В результате, борьба с соскабливателями данных часто будет больше похожа на борьбу технологий (таких как блокировка IP-адресов), чем на успешное применение средств правовой защиты.БИБЛИОГРАФИЧЕСКИЙ СПИСОКОтечественная литератураБольшие данные (Big Data). – URL: http://www.tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82%D1%8C%D1%8F:%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5_(Big_Data) (дата обращения 2022 г.)Вирт Н. Алгоритмы и структуры данных; [не указано] - М., 2013. - 528 c.Вирт Н. Алгоритмы структуры данных=программы; [не указано] - М., 2015. - 714 c.История больших данных. Часть 1. – URL: https://www.computerra.ru/234239/istoriya-bolshih-dannyh-big-data-chast-1/ (дата обращения 2022 г.)Как Facebook работает с Big Data. – URL: https://ain.ua/2017/12/09/kak-facebook-rabotaet-s-big-data/ (дата обращения 2022 г.)Крылов В.В. Большие Данные и их приложения в электроэнергетике; Книга по Требованию - М., 2014. - 166 c.Майер-Шенбергер Виктор, Кукьер Кеннет Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим; Манн, Иванов и Фербер - М., 2014. - 322 c.Роль информационных технологий в социальной коммуникации. – URL: https://students-library.com/library/read/28600-rol-informacionnyh-tehnologij-v-socialnoj-kommunikacii (дата обращения 2022 г.)Зарубежная литератураAl-Jarrah O. Y., Yoo P. D., Muhaidat S., Karagiannidis G. K. Efficient Machine Learning for Big Data: A Review // Big Data Research. – №61.– 2015. – pp. 87-93.Application-Controlled Demand Paging for Out-of-Core Visualization. – URL: https://www.evl.uic.edu/cavern/rg/20040525_renambot/Viz/parallel_volviz/paging_outofcore_viz97.pdf (дата обращения 2022 г.)Ashton. L That ‘Internet of Things’ Thing. In the real world, things matter more than ideas // RFID Journal. – №53. – 2009.Assuno M. D., Calheiros R. N., Bianchi S., Netto M. a. S., Buyya R. Big data computing and clouds: Trends and future directions // Journal of Parallel and Distributed Computing. – №79. – 2015. – pp. 3-15. Big Data and the Next Wave of InfraStress. – URL: http://static.usenix.org/event/usenix99/invited_talks/mashey.pdf (дата обращения 2022 г.)Big Data Dynamic Factor Models for Macroeconomic Measurement and Forecasting. – URL: https://www.sas.upenn.edu/~fdiebold/papers/paper40/temp-wc.PDF (дата обращения 2022 г.)Big data: The next frontier for innovation, competition, and productivity. – URL: https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Digital/Our%20Insights/Big%20data%20The%20next%20frontier%20for%20innovation/MGI_big_data_full_report.ashx (дата обращения 2022 г.)Boyd. D, Crawford. K. Critical Questions for Big Data // Information, Communication & Society. – №15. – 2012. – pp. 662–679.Changwon. Y, Ramirez L., Liuzzi J., Big Data Analysis Using Modern Statistical and Machine Learning Methods in Medicine // International Neurourology Journal. – 85. – 2014, pp. 50.Das T. K., Acharjya D. P., Patra M. R. Opinion mining about a product by analyzing public tweets in twitter // International Conference on Computer Communication and Informatics. – 2014.Das T. K., Kumar P. M. Big data analytics: A framework for unstructured data analysis // International Journal of Engineering and Technology. – №5(1). – 2013. – pp.153-156.Facebook: A Decade of Big Data. – URL: https://www.wired.com/insights/2014/03/facebook-decade-big-data/ (дата обращения 2022 г.)Hashem I. A. T., Yaqoob I., Badrul Anuar N., Mokhtar S., Gani A., Ullah Khan S. The rise of big data on cloud computing: Review and open research issues // Information Systems. – №47. – 2014. – pp. 98-115.How big data is affecting social media metrics and Facebook ad strategies. – URL: https://www.smartdatacollective.com/how-big-data-affecting-social-media-metrics-and-facebook-ad-strategies/ (дата обращения 2022 г.)How Social Media Giants Leverage Big Data and ML to Serve Users Better. -URL: https://socialmediaweek.org/blog/2019/01/how-social-media-giants-leverage-big-data-and-ml-to-serve-users-better/ (дата обращения 2022 г.)Huang Z. A fast clustering algorithm to cluster very large categorical data sets in data mining // SIGMOD Workshop on Research Issues on Data Mining and Knowledge Discovery. – 1997.Machine Learning in social media: 6 ways how ML is monetizing big data. – URL: https://addepto.com/machine-learning-social-media-monetizing-data/ (дата обращения 2022 г.)Mishra N., Lin C., Chang H. A cognitive adopted framework for IOT big data management and knowledge discovery prospective // International Journal of Distributed Sensor Networks. – №66. – 2015. – pp. 1-13.Shi C., Shi Y., Qin Q., Bai R., Yin H., Tang K., Gao Y., Klawonn F. Swarm Intelligence in Big Data Analytics // Intelligent Data Engineering and Automated Learning. – №35. – 2013. – pp. 417-426.The end of theory: the data deluge makes the scientific method obsolete. – URL: https://www.wired.com/2008/06/pb-theory/ (дата обращения 2022 г.)Topic Data: Learn What Matters to Your Audience. – URL: https://www.facebook.com/business/news/topic-data (дата обращения 2022 г.)Wang L. and Shen J. Bioinspired cost-effective access to big data // International Symposium for Next Generation Infrastructure. – №43. – 2013. – pp. 1-7.Want to Use Big Data? Why Not Start Via Google, Facebook, Amazon, (Etc.)? – URL: https://www.forbes.com/sites/bernardmarr/2017/08/14/want-to-use-big-data-why-not-start-via-google-facebook-amazon-etc/ (дата обращения 2022 г.)Zhu H., Xu Z., Huang Y. Research on the security technology of big data information // International Conference on Information Technology and Management Innovation. – №55. – 2015. – pp.1041-1044.