Termiä Big Data käytetään yhä enemmän lähes kaikkialla planeetalla – verkossa ja offline-tilassa. Eikä se liity pelkästään tietokoneisiin. Se kuuluu yleistermiin tietotekniikka^{(Information Technology)} , joka on nyt osa lähes kaikkia muita teknologioita ja opiskelualoja ja yrityksiä. Big Data ei ole iso juttu. Sitä ympäröivä hype hämmentää sinua varmasti melkoisesti. Tässä artikkelissa tarkastellaan, mitä Big Data on . Se sisältää myös esimerkin siitä, kuinka NetFlix käytti tietojaan tai pikemminkin Big Dataa^{(Big Data)} palvellakseen paremmin asiakkaidensa tarpeita.

Mikä on Big Data

Yrityksesi palvelimilla oleva data oli vain dataa eiliseen asti – lajiteltu ja arkistoitu. Yhtäkkiä slangista Big Data tuli suosittu, ja nyt yrityksesi data on Big Data . Termi kattaa jokaisen organisaatiosi tähän mennessä tallentaman tiedon. Se sisältää pilveen tallennetut tiedot ja jopa kirjanmerkkeihin lisäämäsi URL -osoitteet. ^(URLs)Yrityksesi ei ehkä ole digitoinut kaikkia tietoja. Et ehkä ole jo jäsentänyt kaikkia tietoja. Mutta sitten kaikki yrityksesi digitaalinen, paperinen, strukturoitu ja strukturoimaton data on nyt Big Dataa^{(Big Data)} .

Lyhyesti sanottuna kaikkia palvelimillasi olevaa dataa – riippumatta siitä, onko ne luokiteltu tai luokiteltu – kutsutaan yhteisesti BIG DATA :ksi . Kaikkia näitä tietoja voidaan käyttää erilaisten tulosten saamiseksi erityyppisillä analyyseillä. Ei ole välttämätöntä, että kaikki analyysit käyttävät kaikkea dataa. Eri analyysissä käytetään BIG DATA :n eri osia tarvittavien tulosten ja ennusteiden tuottamiseen.

Big Data on pohjimmiltaan dataa, josta analysoit tuloksia ja joita voit käyttää ennusteisiin ja muihin käyttötarkoituksiin. Kun käytät termiä Big Data , yhtäkkiä yrityksesi tai organisaatiosi työskentelee huipputason tietotekniikan^{(Information)} avulla päätelläkseen erilaisia ​​​​tuloksia käyttämällä samoja tietoja, joita olet tallentanut tarkoituksella tai tahattomasti vuosien varrella.

Kuinka suuri Big Data on

Pohjimmiltaan kaikki yhdistetty data on Big Dataa^{(Big Data)} , mutta monet tutkijat ovat yhtä mieltä siitä, että Big Dataa -^{(Big Data –)} sellaisenaan - ei voida käsitellä normaaleilla laskentataulukoilla ja tavallisilla tietokannan hallintatyökaluilla. He tarvitsevat erityisiä analyysityökaluja, kuten Hadoop (tutkimme tätä erillisessä viestissä), jotta kaikki tiedot voidaan analysoida kerralla (voi sisältää analyysin iteraatioita).

Toisin kuin edellä, vaikka en olekaan asian asiantuntija, sanoisin, että minkä tahansa organisaation – ison tai pienen, järjestäytyneen tai järjestäytymättömän – tiedot ovat Big Dataa tälle organisaatiolle ja että organisaatio voi valita omat työkalunsa analysoidakseen tiedot.^{(Contrary to the above, though I am not an expert on the subject, I would say that data with any organization – big or small, organized or unorganized – is Big Data for that organization and that the organization may choose its own tools to analyze the data.)}

Tavallisesti ihmiset luovat datan analysointiin erilaisia ​​tietojoukkoja yhden tai useamman yhteisen kentän perusteella, jotta analysointi olisi helppoa. Big Datan^{(Big Data)} tapauksessa sen analysointia varten ei tarvitse luoda osajoukkoja. Meillä on nyt työkaluja, jotka voivat analysoida tietoja riippumatta siitä, kuinka suuria se on. Luultavasti nämä työkalut itse luokittelevat tiedot, vaikka ne analysoivat sitä.

Minusta on tärkeää mainita kaksi lausetta Jimmy Gutermanin^{(Jimmy Guterman)} kirjasta "Big Data" :

“Big Data: when the size and performance requirements for data management become significant design and decision factors for implementing a data management and analysis system.”

-Ja-

“For some organizations, facing hundreds of gigabytes of data for the first time may trigger a need to reconsider data management options. For others, it may take tens or hundreds of terabytes before data size becomes a significant consideration.”

Joten näet, että sekä volyymi että analyysi ovat tärkeä osa Big Dataa^{(Big Data)} .

Lue^(Read) : Mitä tiedonlouhinta on?^{(What is Data Mining?)}

Big Data -konseptit

Tämä on toinen kohta, josta useimmat ihmiset eivät ole samaa mieltä. Jotkut asiantuntijat sanovat, että Big Data -konseptit^{(Big Data Concepts)} ovat kolme V:tä:

1. Äänenvoimakkuus
2. Nopeus
3. Lajike

Jotkut muut lisäävät konseptiin muutaman V:n:

1. Visualisointi
2. Totuus (luotettavuus)
3. Vaihtuvuus ja
4. Arvo

Käsittelen Big Datan^{(Big Data)} käsitteitä erillisessä artikkelissa, koska tämä viesti on jo tulossa suureksi. Mielestäni kolme ensimmäistä V:tä riittävät selittämään Big Datan^{(Big Data)} käsitteen .

Big Data -esimerkki – Kuinka NetFlix^{(Big Data Example – How NetFlix)} käytti sitä ongelmiensa korjaamiseen

Vuotta 2008 kohti NetFlixissä^(NetFlix) oli katkos, jonka vuoksi monet asiakkaat jäivät hämärään. Vaikka jotkut pystyivät edelleen käyttämään suoratoistopalveluita, useimmat eivät voineet. Jotkut asiakkaat onnistuivat saamaan vuokratut DVD^(DVDs) -levynsä, kun taas toiset epäonnistuivat. Wall Street Journalissa^{(Wall Street Journal)} julkaistussa blogikirjoituksessa kerrotaan, että Netflix oli juuri aloittanut on-demand-suoratoiston.

Katkos sai johdon miettimään mahdollisia tulevia ongelmia ja sitä kautta; se kääntyi Big Dataksi^{(Big Data)} . Se analysoi vilkkaasti liikennöivät alueet, herkät kohdat ja verkon suorituskyvyn jne. käyttämällä näitä tietoja ja työskenteli sen parissa vähentääkseen seisokkeja, jos tulevaisuuden ongelma ilmaantuu maailmanlaajuiseksi. Tässä on linkki Wall ^{(the link)}Street Journal -blogiin^{(Wall Street Journal Blog)} , jos haluat katsoa esimerkkejä Big Datasta^{(Big Data)} .

Yllä oleva tiivistää, mitä Big Data on maallikon kielellä. Sitä voi kutsua hyvin perusesittelyksi. Aion kirjoittaa vielä muutaman artikkelin asiaan liittyvistä tekijöistä, kuten - käsitteet^(Concepts) , analyysi^(Analysis) , työkalut^(Tools) ja Big Datan käyttötavat^{(uses of Big Data)} , Big Data 3 V: t jne. Jos haluat sillä välin lisätä jotain yllä olevaan, kommentoi ja jaa meidän kanssamme.

Lue seuraavaksi^{(Read next)} : Mitä verkkokaappaus^{(Web Scraping)} on ?

What is Big Data - A Simple Explanation with Example

The term Big Data is being increasingly used almost everywhere on the planet – online and offline. And it is not related to computers only. It comes under a blanket term called Information Technology, which is now part of almost all other technologies and fields of studies and businesses. Big Data is not a big deal. The hype surrounding it is a sure pretty big deal to confuse you. This article takes a look at what is Big Data. It also contains an example of how NetFlix used its data, or rather, Big Data, to better serve its clients’ needs.

What is Big Data

The data lying in the servers of your company was just data until yesterday – sorted and filed. Suddenly, the slang Big Data got popular, and now the data in your company is Big Data. The term covers each and every piece of data your organization has stored until now. It includes data stored in clouds and even the URLs that you bookmarked. Your company might not have digitized all the data. You may not have structured all the data already. But then, all the digital, papers, structured and non-structured data with your company is now Big Data.

In short, all the data – whether or not categorized – present in your servers are collectively called BIG DATA. All this data can be used to get different results using different types of analysis. It is not necessary that all analyses use all the data. The different analysis uses different parts of the BIG DATA to produce the results and predictions necessary.

Big Data is essentially the data that you analyze for results that you can use for predictions and other uses. When using the term Big Data, suddenly your company or organization is working with top-level Information technology to deduce different types of results using the same data that you stored intentionally or unintentionally over the years.

How big is Big Data

Essentially, all the data combined is Big Data, but many researchers agree that Big Data – as such – cannot be manipulated using normal spreadsheets and regular tools of database management. They need special analysis tools like Hadoop (we’ll study this in a separate post) so that all the data can be analyzed at one go (may include iterations of analysis).

Contrary to the above, though I am not an expert on the subject, I would say that data with any organization – big or small, organized or unorganized – is Big Data for that organization and that the organization may choose its own tools to analyze the data.

Normally, for analyzing data, people used to create different data sets based on one or more common fields so that analysis becomes easy. In the case of Big Data, there is no need to create subsets for analyzing it. We now have tools that can analyze data irrespective of how huge it is. Probably, these tools themselves categorize the data even as they are analyzing it.

I find it important to mention two sentences from the book “Big Data” by Jimmy Guterman:

“Big Data: when the size and performance requirements for data management become significant design and decision factors for implementing a data management and analysis system.”

-And-

“For some organizations, facing hundreds of gigabytes of data for the first time may trigger a need to reconsider data management options. For others, it may take tens or hundreds of terabytes before data size becomes a significant consideration.”

So you see that both volume and analysis are an important part of Big Data.

Read: What is Data Mining?

Big Data Concepts

This is another point where most people don’t agree. Some experts say that the Big Data Concepts are three V’s:

1. Volume
2. Velocity
3. Variety

Some others add few more V’s to the concept:

1. Visualization
2. Veracity (Reliability)
3. Variability and
4. Value

I will cover concepts of Big Data in a separate article as this post is already getting big. In my opinion, the first three V’s are enough to explain the concept of Big Data.

Big Data Example – How NetFlix used it to fix its problems

Towards 2008, there was an outage at NetFlix due to which many customers were left in the dark. While some could still access the streaming services, most of them could not. Some customers managed to get their rented DVDs whereas others failed. A blog post on the Wall Street Journal says Netflix had just started on-demand streaming.

The outage made the management think about the possible future problems and hence; it turned to Big Data. It analyzed high traffic areas, susceptible points, and network throughput, etc. using that data and worked on it to lower the downtime if a future problem arises as it went global. Here is the link to the Wall Street Journal Blog, if you wish to check out the examples of Big Data.

The above summarizes what is Big Data in a layman’s language. You can call it a very basic introduction. I plan to write a few more articles on associated factors such as – Concepts, Analysis, Tools, and uses of Big Data, Big Data 3 V’s, etc. Meanwhile, if you would like to add anything to the above, please comment and share with us.

Read next: What is Web Scraping?

Related posts

• Big Datan kulutus. Mitkä ovat Big Datan käyttötarkoitukset.

• Mikä on Data Analytics ja mihin sitä käytetään

• Mitä eroa on datalla ja tiedolla

• Drupalin asentaminen WAMP:n avulla Windowsissa

• Parhaat ohjelmistot ja laitteistot Bitcoin-lompakot Windowsille, iOS:lle, Androidille

• Videoneuvottelujen etiketti, vinkit ja säännöt, joita sinun on noudatettava

• Mitä NFT tarkoittaa ja kuinka luodaan digitaalista NFT-taidetta?

• Kuinka sulkea Payoneer-tilisi?

• Disqusin kommenttikenttä ei lataudu tai näy verkkosivustolle

• Online maineenhallintavinkkejä, -työkaluja ja -palveluita

• Itseallekirjoitettujen SSL-sertifikaattien luominen Windows 11/10:ssä

• Whiteboard Fox on ilmainen online-taulu, joka mahdollistaa reaaliaikaisen jakamisen

• Kuinka muuntaa binaari tekstiksi tämän tekstin binaarimuuntimen avulla

• Parhaat kannettavan tietokoneen reput miehille ja naisille

• Ilmainen tehtävienhallintaohjelmisto ryhmätyön hallintaan

• Mikä on typerä ikkuna -oireyhtymä - selitys ja ehkäisy

• Parhaat työkalut tekstiviestien lähettämiseen ilmaiseksi tietokoneeltasi

• 10 parasta USB-LED-lamppua kannettaville tietokoneille

• OpenGL-sovellukset eivät toimi langattomassa Miracast-näytössä Windows 11/10:ssä

• Istuntoviestintäsovellus tarjoaa vahvan suojauksen; Puhelinnumeroa ei vaadita!