Технология "больших данных" в контексте мировой экономики

Принципы обработки больших массивов данных. Применение технологии Big Data в экономических процессах. Изучение их природы в контексте мировой экономики. Инновации и маркетинг в области "больших данных". Программное обеспечение для обработки данных.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 27.02.2019
Размер файла 15,1 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Технология "больших данных" в контексте мировой экономики

Мельников Никита Владимирович

Российский государственный социальный университет

г.Москва, Российская Федерация

В статье рассматриваются применетие технологии Big Data в экономических процессах, изучается природа «больших данных» в контексте мировой экономики. экономика маркетинг инновация программный

Ключевые слова: Big Data, большие данные, маркетинг

Схема формирования «больших данных» родилась благодоря быстро растущему объему данных и разобщенности информации, которые и заложили фундамент для различных способов передачи, обработки и хранения информации. При отсутсвии единной методики оюработки, хранения и передачи данных вся имеющиеся информация превратиться в большой снежным ком, в котором едва ли кто-то сможет разобраться. Даже при условии, что простые современные технологии могут в приемлимом виде хранить и передавать информацию, то с обработкой больших массивов данных они едва ли справяться.

Поэтому, важным критерием для развития российской и зарубежных экономик становиться умение обрабатывать и анализировать большие потоки и массивы информации.

Многие авторы предполагают, что те страны, которые первыми начнут применять технологии «больших данных» наиболее эффективно смогут занать лидирущие позиции в мировом рейтинге. Например, уже в октябре 2014, Big Data Value Association совместно с Европейской комиссией начали проект, касающийся инноваций и маркетинга в области «больших данных».

Примечательно, что бюджет данного проекта на период с 2015 по 2020 годы составил 1 трлн. Евро. Столь большие инвестицие в проект объясняются прогонозом ЕС, согласно которому к 2020 году технологии «Big Data» поспособствуют двухкратному приросту ВВП ЕС.

Технологтя «Big Data» стала трендом, который сосредотачивает услия на эффективном устройстве обработки, хранения и анализа коласальных потоков информации. В нашей стране есть сильная образовательная база с большим потенциалом, которая может сыграть важную роль в становлении России как одной из ведущих стран, где в нацианальной экономике активно и успешно применяются технологии «больших данных».

Существует несколько примеров возможного использования данных принципов обработки больших массивов данных, один из них это проект умного города в Испании. Местные власти города Мадрит вместе с IBM запускают проект по благоустройству и повышения уровня комфортного проживания в городе. На данный проект выделен бюджет равный 14,7 млн. евро. Деньги пойдут на внедрение принципов работы «больших данных» в инфраструктуру города. Городские дороги, уличное освещение, озеленение, уборка и многое тругое будет управляться и контролироваться исходя из реальных данных, полученных с места. Станет возможным отслеживание трафика городского и личного транспорта (более 2 млн. транспортных средств), работу 250 тысяч мачт городского освещение, уход за 300 тысяч деревьев и газонов и многое другое. Для оценки качества и количества произведенных работ будет использоваться порядка 300 основных показателей качества. Так же жители умного города смогут влиять на ситуацию в городе посредством своих мобильных устройств. При удачном запуске проекта в Мадриде, он так же может быть с легостью реализован в любом другом аналогичном городе.

Технологии «больших данных» позволяют анализировать и группировать миллионы различных задач одновременно. Работающим примером может послужить Ливерморская национальная сейсмологическая лаборотория. Она собирает и обрабатывает данные с двацати тысяч станций, расположенных по всему миру. Это необходимо, так как колебания земной коры взятые лишь с одной станции не будет отражать реальной ситуации происхолящего. До внедрения в нее Big Data обработка 1Тб информации у сейсмологов занимала 48 часов, после внедрения это время удалось сократить до трех часов. Сейчас ученные из Ливерморской лаборотории совместно со специалистами Гугл поставили перед собой цель оптимизировать работу «больших данных» таким образом, чтобы на анализ информационной базы в 50 Тб уходило 48 часов, вместо 42 дней, которые требуются для обработки данных сегодня.

На данный момент большинство масштабных проктов не обходятся без особой методики при обработки информации. Програмное обеспечение и технологии технологии «больших данных» могут быть пременены не только в экономической, но и в сферах бизнеса, маркетинга, государственного управления. Заказчиками могут выступать: транспортные агенства (для учета, анализа и моделирования транспортных ситуаций), оперативные службы (МЧС, полиция, ЖКХ), различные институты власти и бизнес (банки, страховые компании, медиа. Данные для последущей обработки могут браться с различных измерительных устройств, социальных сетей, новостных лент, устройств фото и видеорегестрации. В мире «больших данных» новые технологии помогают производить обработку колосального количества информации, а в некоторых случаях даже всей имеющийся информации касающиеся того или иного предмета или явления. При этом исходные данные могут быть в любом виде, это может быть как структурированная информация, так и нестроктурированная, либо это может быть массив потоковых данных.

Для успешной работы с технологие «больших данных» понадобиться:

* Уметь управлять всем разнообразием данных.

* Уметь анализировать информацию в ее исходной форме.

* Иметь возможноть визуализировать исходные данные.

Основные задачи ставищиеся перед разработчиками технологией «больших данных»:

* разработка кластерных и облачных структур для анализа, хранения и обработки информации;

* развитие платформ управления «большими данными»;

* адаптация програмнных пакетов под пользователей;

* выбор наиболее эффективных методов для управления и обработки масивов данных;

* создание цепочки для массивов данных (обработка, анализ, систематизация, визуализация, создание отчётов);

* исследования в области аналитики больших данных - методы анализа (анализ временных рядов, кластерный анализ, корреляционный анализ, регрессионный анализ, нейронные сети, генетические алгоритмы, нечеткие алгоритмы, распознавание образов и др.).

«Большие данные» - это не просто анализ данных в больших масштабах. Проблематика заключается не в огромных объемах данных, а в том, что большинство информации представленна в разрозненых форматах, не поддающихся группировке и структурированию. «Большие данные» - это вэбжурналы, фото и видеофиксация, текст, машинный код, геолакациооные данные. Вся эта информация находится во многих различных хранилищах, структурированных в хаотичном порядке. Из-за этого страдают организации, которые владеют большим массивом различной информации, но не могут ее коректно проанализировать, так как они не владеют необходимым инструментом. «Большие данные» - это обработка данных различного характера в большом объеме, хранящихся в различных местах с целью увелечения эффективности работы организации и ее конкуреноспособности.

В связи с этим могут возникать следущие проблемы и потребности:

1. Хранение, обработка и анализ огромных объемов данных, которые в дальнейщем будут использованы в работе Data. Как правило это происходит в банковской сфере (задача привлячь нового клиента, оценить заемщиков или противодествовать мешеническим схемам), в медиа сфере (задача повышения качества связи, проверка актуальности контента и т.д.), в продажах (задача повышения потребительского спроса, оптимизация цен и акций), в маркетинге (определение наиболее эффективных методов и т.д.). Так же важным остается вопрос скорости передачи и обработки данных и многообразию их форм. Значит необходимо одновременно работать с разными типами структурированных и потоковых ланных.

2. Эффективность вычисления, обработки и анализа данных (задача в сокращении в десятки раз времени получения результата при том же качестве и точности).

Текущая информационная развитость позволяет создавать програмное обеспечение, которое в связке с специальными прикладными пакетами, разработанных специально для таких платформ, способствуют достежению совершенно иного уровня обработки данных, который невозможен без применения технологий больших данных.

Список литературы

1. Князев П.А. Трансформация экономического поведения российской молодежи в условиях аксиологической динамики дис. … канд. соц. наук: 22.00.04: утв. 17.07.11. Краснодар, 2011. 200 с.

2. Гнатюк М.А. Российская молодежь в условиях глобализации: особенности социализации и формирования трудовых ценностей // Гуманитарий Юга России. - 2016. - № 1. - С. 219-228.

3. Грудина С.И. Рынок труда в условиях глобализации и международная конкурентоспособность // Актуальные проблемы экономики и права. - 2011. - № 3. - С. 14-19.

Размещено на Allbest.ru

...

Подобные документы

  • Обработка текстовых данных, хранящихся в файле. Задачи и алгоритмы обработки больших массивов действительных и натуральных чисел. Практические задачи по алгоритмам обработки данных. Решение задачи о пяти ферзях. Программа, которая реализует сортировку Шел

    курсовая работа [29,2 K], добавлен 09.02.2011

  • Выбор беспроводной технологии передачи данных. Механизмы управления качеством передачи потоков. Программное обеспечение приемной и передающей станции. Эксперименты, направленные на изучение неравномерности передаваемого потока данных при доступе к среде.

    дипломная работа [1,1 M], добавлен 18.05.2012

  • Совершенствование технологий записи и хранения данных. Специфика современных требований к переработке информационных данных. Концепция шаблонов, отражающих фрагменты многоаспектных взаимоотношений в данных в основе современной технологии Data Mining.

    контрольная работа [565,6 K], добавлен 02.09.2010

  • Система управление базами данных, реляционная модель. Принципы взаимодействия между клиентскими и серверными частями. Трехуровневая модель технологии "клиент-сервер". Фрактальные методы сжатия больших объемов данных. Анализ концепции хранилища данных.

    курс лекций [265,0 K], добавлен 05.06.2009

  • Data Mining как процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации). Его закономерности и этапы реализации, история разработки данной технологии, оценка преимуществ и недостатков, возможности.

    эссе [36,8 K], добавлен 17.12.2014

  • Изучение существующих методов и программного обеспечения для извлечения числовых данных из графической информации. Программное обеспечение "graphtrace", его структура и методы обработки данных. Использование этой системы для данных различного типа.

    дипломная работа [3,9 M], добавлен 06.03.2013

  • Термины "логический" и "физический" как отражение различия аспектов представления данных. Методы доступа к записям в файлах. Структура систем управления базами данных. Отличительные особенности обработки данных, характерные для файловых систем и СУБД.

    лекция [169,7 K], добавлен 19.08.2013

  • Проблемы, связанные с продуктивным распределением и систематизированием больших потоков информации. Основные виды распределенных баз данных, анализ процессов их функционирования. Стратегии распределения данных. Распределение сетевого справочника данных.

    курсовая работа [397,5 K], добавлен 09.08.2015

  • Этапы статистического анализа данных, приемы и методы его проведения. Ключевые положения закона больших чисел в теории вероятностей, его общий смысл. Теорема Бернулли - простейшая форма закона больших чисел. Количество данных, способы его измерения.

    реферат [112,3 K], добавлен 03.03.2014

  • Базы данных и системы управления ими. Свойства полей баз данных, их типы и безопасность. Программное обеспечение системы управления базами данных, современные технологии в данной области. Принципы организации данных, лежащие в основе управления.

    курсовая работа [24,6 K], добавлен 11.07.2011

  • Перспективные направления анализа данных: анализ текстовой информации, интеллектуальный анализ данных. Анализ структурированной информации, хранящейся в базах данных. Процесс анализа текстовых документов. Особенности предварительной обработки данных.

    реферат [443,2 K], добавлен 13.02.2014

  • Системы автоматизированной обработки информации. Хранение большого объема информации. Понятие базы данных (БД). Обеспечение секретности данных. Уровни представления данных в БД. Логическая структура данных. Ограничения, накладываемые на данные.

    реферат [65,2 K], добавлен 26.11.2011

  • Реляционная система управления базой данных Microsoft SQL Server архитектуры клиент-сервер. Тиражирование данных, параллельная обработка, поддержка больших баз данных. Определение маршрута движения документов в СЭД "Directum" и "Евфрат-документооборот".

    контрольная работа [21,2 K], добавлен 17.10.2009

  • Возможности Matlab, выполнении математических и логических операций, интерактивные инструменты построения графиков. Конструкции для обработки и анализа больших наборов данных, программные и отладочные инструменты, оптимизация данных, операций и функций.

    статья [170,5 K], добавлен 01.05.2010

  • Система компьютерной обработки данных для сбора, систематизации, статистической обработки, анализа результатов учебного процесса за четверть, полугодие, год. Модуль обработки данных о качестве обучения, итогов успеваемости и данных о движении учащихся.

    реферат [22,5 K], добавлен 05.02.2011

  • Определение базы данных и банков данных. Компоненты банка данных. Основные требования к технологии интегрированного хранения и обработки данных. Система управления и модели организации доступа к базам данных. Разработка приложений и администрирование.

    презентация [17,1 K], добавлен 19.08.2013

  • Формы представляемой информации. Основные типы используемой модели данных. Уровни информационных процессов. Поиск информации и поиск данных. Сетевое хранилище данных. Проблемы разработки и сопровождения хранилищ данных. Технологии обработки данных.

    лекция [15,5 K], добавлен 19.08.2013

  • Модели информационного процесса обработки данных. Классификация баз данных. Сеть архитектуры и технология клиент-сервер. Создание запросов к реляционным базам данных на SQL. Работа с электронными таблицами MS Excel: форматирование данных, вычисления.

    контрольная работа [17,8 K], добавлен 17.01.2010

  • Изучение особенностей информационного процесса обработки данных. Процессы, связанные с поиском, хранением, передачей, обработкой и использованием информации. Основные режимы обработки данных на ЭВМ. Организация обслуживания вычислительных задач.

    реферат [130,9 K], добавлен 28.09.2014

  • Изучение программы обработки баз данных Microsoft Access. Особенности и принципы создания баз данных, форм для работы с ними, межтабличных связей. Конструирования различных видов отчетов. Создание кнопочной формы с помощью диспетчера, итоговых запросов.

    лабораторная работа [2,1 M], добавлен 11.03.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.