داده های بزرگ بسیاری از صنایع و حتی زندگی ما را تحت تأثیر قرار می دهد. اما آیا خطرناک است یا مفید؟ در ادامه ، داده های بزرگ ، اهمیت و خطرات آنها را بررسی خواهیم کرد.
داده ها حاوی اطلاعات است. اما این همه ماجرا نیست. جزئیات یک حادثه یا اخباری درباره سلامتی انسان داده هایی نیستند که با آنها سر و کار داریم. منظور ما از داده ها ، جمع آوری ، سازماندهی و ذخیره داده ها است.
کلان داده چیست؟
در عصر اینترنت ، شرکت ها و سازمان ها در سراسر جهان اطلاعات زیادی را جمع آوری کرده اند که در زیر به طور گسترده در مورد آنها بحث خواهیم کرد. اکنون که داده های بزرگ در دسترس است ، تأثیر بسزایی در زندگی ما دارد.
داده های بزرگ مجموعه بسیار بزرگی از داده ها است که ابزارهای سنتی ما برای مدیریت این اطلاعات از آن استفاده نمی کنند. داده های بزرگ می توانند اشکال مختلفی داشته باشند.
نمونه‌هایی از کلان داده:
- توییت های ذخیره شده در سرورهای توییتر
- اطلاعاتی که گوگل از ردیابی خودروهای سواری به دست می آورد
- مجموعه کاملی از نتایج انتخابات محلی و ملی کشور که شامل اساسی ترین سوابق نیز می باشد
- اطلاعات شرکت های بیمه درمانی در مورد افراد تحت درمان ، نوع درمان آنها و بیمارستان
- اطلاعات لیست خرید و مکانهای ثبت شده در کارتهای اعتباری
- اطلاعاتی در مورد زمان ، مکان و مدت زمان فیلم هایی که مردم از Netflix تماشا می کنند
فناوری کلان داده چیست؟
رایانه های شخصی ما به طور کلی توانایی مدیریت مقدار کمی از داده ها را دارند. تمام اطلاعاتی را که می توانید وارد کامپیوتر کنید در نظر بگیرید. در عین حال ، نرم افزار پایگاه داده قادر به مدیریت حجم بیشتری از اطلاعات است. این ابزارها را می توان روی داده های یک هارد دیسک قرار داد. البته ممکن است به قفسه های حاوی دفترچه یادداشت و پوشه نیاز داشته باشند. اما این ابزارها برای کنترل کل اطلاعاتی که ما از آنها به عنوان داده های بزرگ یاد می کنیم کافی نیستند. به همین دلیل روشهای جدیدی توسعه یافته است. داده های بزرگ بسیاری از صنایع و حتی زندگی ما را تحت تأثیر قرار می دهد. اما آیا خطرناک است یا مفید؟ در ادامه ، داده های بزرگ ، اهمیت و خطرات آنها را بررسی خواهیم کرد.
رایانش ابری وظایف رایانه های ما را به سمت سرورهای از راه دور تخلیه می کند. به همین دلیل ، روشهای زیادی برای دستیابی و استفاده از اطلاعات وجود دارد.
کاربردهای جالب توجه کلان داده
داده های بزرگ به خودی خود بوجود نمی آیند. چندین روند دلیل وجود آن را تقویت کرده اند.
اینترنت اشیاء
اینترنتی که قبلاً می دانید اینترنت مردم است ، جایی که افراد از طریق ماشین های تسهیل کننده با یکدیگر ارتباط برقرار می کنند. به عنوان نمونه ای از این تعاملات ، تصور کنید در حال بازدید از سایتی هستید که توسط دیگران طراحی شده است یا متن تایپ شده توسط دیگران را در سایت می خوانید. اینترنت اشیا is جایی است که اشیا directly بدون دخالت انسان مستقیماً با یکدیگر ارتباط برقرار می کنند. برای مثال ، دستگاهی را در نظر بگیرید که هوا را کنترل می کند. یک ترموستات هوشمند به این اطلاعات دسترسی پیدا کرده و دمای خانه شما را تنظیم می کند.
داده های بزرگ و اینترنت اشیا کاملاً به هم وابسته اند. سازمان ها باید بدانند که با جمع آوری اطلاعات جمع آوری شده چه باید بکنند. اشیا می توانند به لطف داده های موجود در اینترنت ، خود در اینترنت اقدام کنند. هرچه دستگاه های بیشتری به این روش کار کنند ، داده های بیشتری تولید می شوند.
یادگیری ماشین
یادگیری ماشین به توانایی رایانه برای یادگیری بر اساس داده ها اطلاق می شود. این توانایی پایه ای برای شکل گیری موقعیت های مختلف رادیوی اینترنتی پاندورا به سبک شما است. یادگیری ماشینی همچنین در پشت صحنه پیشنهادات محتوای YouTube و Netflix قرار دارد.
این پیش بینی ها بر اساس الگوریتم ها است. الگوریتم جستجوی Google و همچنین الگوریتمی که آنچه را در خبرخوان فیس بوک مشاهده می کنید تعیین می کند ، همه براساس توانایی یادگیری ماشین است.
اما اینها بخش کوچکی از تأثیر یادگیری ماشین بر زندگی روزمره ماست.
هوش مصنوعی
هوش مصنوعی مرحله بعدی بعد از یادگیری ماشین است. در هوش مصنوعی ، نه تنها داده های یادگیری رایانه باز است ، بلکه رایانه از این اطلاعات برای تصمیم گیری متکی به خود و شکل گیری رفتار خود استفاده می کند. مایکروسافت و گوگل نمونه هایی از تلاش برای ساخت ربات های انسانی هستند. فیس بوک همچنین از هوش مصنوعی برای جلوگیری از خودکشی استفاده کرده است. فناوری به سرعت در حال پیشرفت است ، تا جایی که موارد بی شماری وجود دارد که “تفکر رایانه ای” بهتر از شکل انسان عمل می کند.
علم تجزیه و تحلیل کلان داده چیست؟
منابع کلان داده به خودی خود هیچ اطلاعاتی در اختیار ما قرار نمی دهند ، در واقع باید کسی باشد که معنی این اطلاعات را درک کند. در واقع ، تمام آنچه باید در تجزیه و تحلیل داده های بزرگ انجام شود این است که به اطلاعات غیر قابل درک زیادی نگاه کنید و سپس دریابید که چه چیزهایی می تواند از آنها استخراج شود.
رقابت در تجزیه و تحلیل
شرکت‌ها در زمینه‌های مختلف برای ارائه روشهای تحلیل مخصوص خودشان در حوزه کلان داده‌ها با یکدیگر رقابت می‌کنند
و بنابراین داده های کلان در زندگی شما تأثیر می گذارد ، حتی اگر با فناوری مدرن مخالف باشید. اما چرا به داده های بزرگ مراجعه کنیم؟ زیرا با بینش مناسب ، داده های بزرگ فواید بسیاری دارند.
کاربردهای کلان داده
از داده های بزرگ همیشه برای بهبود شیوه زندگی استفاده شده است. در این بخش ، برخی از کاربردهای داده های بزرگ را بررسی خواهیم کرد:
کلان داده در خدمات بهداشتی، درمانی و سلامت
صنعت بیمه درمانی آنقدر سریع نیست که بتواند خود را با فناوری های جدید سازگار کند. برخی از ارائه دهندگان خدمات بهداشتی در حال مهاجرت از کاغذ به دستگاه های ذخیره سازی دیجیتال هستند. با این حال ، داده های بزرگ در برخی زمینه ها تفاوتی ایجاد کرده است. یکی از این زمینه ها یکپارچگی داده ها است. بیمه ها و ارائه دهندگان در حال کار بر روی ترکیب داده های منابع مختلف مانند ادعاها ، اشعه ایکس ، یادداشت های پزشک و نسخه های پزشکی هستند.
بسیاری بر این باورند که اگر داده های بیمه درمانی بهتر ادغام می شدند ، می توانستند با هزینه کمتری بیمه بهتری ارائه دهند. در حالی که آمازون ، برکشایر هاتاوی و جان پیرپونت مورگان در اوایل سال جاری اعلام کردند که با هم در زمینه بیمه درمانی کار می کنند ، آنها فناوری را به عنوان نقطه کانونی خود ذکر کردند (مانند صفحه اصلی روزنامه گاردین)
کلان داده در بانکداری و خدمات مالی
صنعت مالی کاملاً به تصمیمات مبتنی بر تجزیه و تحلیل رایانه ای متکی است. سقوط ناگهانی سهام وال استریت به دلیل تجارت خودکار از طریق ماشین آلاتی بود که سریع سهام را بدون دخالت انسان با قیمت پایین می فروختند و فروشندگان دیگر را مجبور به فروش می کردند و به دلیل آنچه در بازار اتفاق می افتاد ، فروش را تحریک می کردند. این نوع تجارت را تجارت با فرکانس بالا می نامند.
دانشمندان داده های مالی اکنون با استفاده از داده های کلان پیش بینی می کنند کدام سهام موفق خواهد بود و احتمال سقوط وجود دارد. همچنین بانک ها به داده های بزرگ به عنوان راهی برای افزایش درآمد نگاه می کنند.
کلان داده در تجارت الکترونیکی و بازاریابی
بازاریابی مدرن وابستگی زیادی به داده ها دارد و ما با هر خریدی که داریم اطلاعات زیادی تولید می کنیم. در این راستا ، داده های کلان وعده های زیادی به حوزه بازاریابی داده اند که مهمترین آنها تأمین دو نیاز اصلی است.
ابتدا می توان از آنها برای بدست آوردن اطلاعاتی در مورد خریدار ، زمان ، مکان ، نوع و قیمت خرید استفاده کرد. و دوم ایجاد ارتباط منطقی بین کالاهایی که مشتریان می بینند یا می خوانند یا درباره آنها می شنوند و در نهایت آنچه می خرند. برخی از فروشگاه ها کارت های اعتباری و وفاداری مشتری را از طریق ردیابی دوربین یا تلفن خود ردیابی می کنند تا بفهمند کدام قسمت از فروشگاه بیشترین توجه را به خود جلب کرده است. مشتریان باید قبل از خرید حساب های آنلاین ایجاد کنند ، این به سایت ها امکان می دهد نه تنها خریدهای خود بلکه همه مواردی را که مشاهده می کنند ردیابی کنند.
ورود کلان داده ها به بازار فروش یا همان فروشگاه های مجازی
در عوض ، تکنیک هایی مانند هدف گیری و شناسایی مشتریانی که نیمی از بودجه بازاریابی آنها را هدر می دهند و فقط در کوتاه مدت م effectiveثر هستند ، در پاسخگویی به این دو نیاز بسیار م moreثرتر هستند.
برای پاسخ به این نیاز‌ها، بازاریاب‌ها باید با استفاده از کلان داده از طریق تشخیص الگوی مصرف مشتری و شناخت علاقمندی‌ها و عادات مصرف، خرید بعدی وی را پیش‌بینی کنند
در واقع ، فروشگاه ها طراحی و طراحی خود را بر اساس علاقه و رفتار مشتری انجام می دهند تا شرایط کاری بهتری در تجارت پیدا کنند. فروشندگان آنلاین براساس اطلاعات دموگرافیک و سایر معیارها درباره آنچه می خواهیم ببینیم تصمیم می گیرند. فروشگاه های غیر مجازی جدید آمازون نمونه ای از ادغام دو جهان است.
نیازهای بزرگی وجود دارد که از طریق نظارت بر علایق و رفتار آنلاین ما بوجود می آیند. گوگل و فیس بوک به دلیل توانایی در فروش تبلیغاتی که می توانند گروه مصرف کننده خاصی را بهتر از سایر سیستم عامل ها و روش های تبلیغاتی هدف قرار دهند ، غول های فناوری هستند. این به لطف اطلاعاتی است که ما برای استفاده از خدمات آنها ارائه می دهیم.
آیا کلان داده خطرناک است؟
همانطور که داده های بزرگ همراه با وعده ها هستند ، خطراتی نیز دارند.
در حال حاضر ، سرقت داده های ما به طور غیرقابل کنترل و بی وقفه رخ می دهد. حتی شرکت هایی که رویکرد صحیحی برای محافظت از داده های ما در برابر حملات خارجی دارند ، غالباً فعالیت مشکوکی را بر روی داده های ما انجام می دهند ، همانطور که در فیس بوک مشاهده کردیم. مسئله خطر بعدی پیش بینی هایی است که افراد از طریق داده های بزرگ انجام می دهند. به عنوان مثال ، آیا باید هزینه بیشتری برای بیمه سلامت افرادی که عادات غذایی ناسالم دارند ، هزینه کنیم؟ آیا باید امنیت و آرامش را در مناطقی که پیش بینی می کنیم افزایش دهیم؟ آیا قیمت خریداران آنلاین که در مناطق فقیرنشین زندگی می کنند افزایش می یابد؟
نگران‌کننده‌ترین مسئله حال حاضر، حریم خصوصی و امنیت اطلاعات است
از دست دادن حریم خصوصی یکی از مهمترین معایب کلان داده است. بیشتر مردم بیش از هر زمان دیگری در تاریخ بشر درباره ما می دانند. نه تنها یافتن مکانی که در آن زندگی می کنیم ، بلکه همچنین دانستن اینکه کجا می رویم ، شخصی که دوستش داریم ، شیوه زندگی و افکارمان آسان است. این مسئله باعث می شود مسائل شخصی و اجتماعی در معرض دستکاری بیشتر قرار گیرد.
ممکن است فریب بخوریم و رمزعبور و شماره کارت اعتباری خود را گم کنیم یا تحت تأثیر رای دادن به نامزدهایی قرار بگیریم که تمایلی به حمایت از آنها نداریم. داده های بیشتر روش های بیشتری را در اختیار تبلیغ کنندگان و شرکت های رسانه ای قرار می دهد تا خواسته ها و ارزش های ما را شکل دهند. اطلاعات و داده های بیشتری در مورد ما نسبت به گذشته وجود دارد و این داده ها در مکان های بیشتری ذخیره می شوند که باعث می شود اهداف بیشتری در معرض حمله قرار بگیرند.
یافتن راه هایی برای محافظت از داده های ما ، احترام به حریم خصوصی ما و حفظ ارزش های ما همچنان ادامه خواهد داشت که روند داده های بزرگ ادامه دارد.