Lielie dati arvien biežāk kļūst par izaicinājumu lielajām korporācijām. Termins "lielie dati" ir metafora bezvērtīgam datu kalnam, kurā jāmeklē zināšanas. Lielo datu ieguve apraksta statistikas metodes, ko izmanto, lai meklētu tendences, savstarpējas sakarības un jaunu informāciju. Dati tiek meklēts masas datos. Šādu milzīgu datu kopu manuāla apstrāde nav iespējama, tāpēc ir jāizmanto datorizētas metodes. Šīs metodes var izmantot arī mazākiem datu apjomiem. Datu ieguve parasti attiecas tikai uz analīzes posmu šajā procesā.
Datu ieguve un lielie dati
Izmantojot datu ieguvi, ar datorizētu programmu palīdzību var pārbaudīt ievērojamus datu apjomus. Termins "datu ieguve" ir nedaudz maldinošs, jo runa nav par datu ģenerēšanu, bet gan par zināšanu iegūšanu no datiem. Šis termins ir kļuvis populārs galvenokārt tāpēc, ka tas ir īss un precīzs. Kopumā datu ieguvi var raksturot kā procesu, kurā tiek iegūtas iepriekš nezināmas un potenciāli noderīgas zināšanas. Ar lielajiem datiem apzīmē datu kopas, kas ir pārāk sarežģītas vai lielas, vai vienkārši pārāk ātri mainās. Tāpēc par manuālu vākšanu vai apstrādi ar klasiskajām metodēm nevar būt ne runas. Datu ieguvei izmantojamie savāktie lielie dati var nākt no visdažādākajiem avotiem. Tie ietver gan uzņēmumu un iestāžu elektronisko saziņu, gan novērošanas sistēmu ierakstus. Vēlme analizēt lielos datus, lai izmantotu iegūtās atziņas, bieži nonāk konfliktā ar citu cilvēku personiskajām tiesībām, tāpēc ir svarīgi šīs tiesības aizsargāt jau iepriekš.
Datu ieguve un lielie dati: tradicionālās metodes
Lielo datu datu ieguvē tiek analizētas atlases un datu kolekcijas. Nepilnīgas datu kopas tiek dzēstas, un tiek pievienoti svarīgi avoti vai salīdzināmas vērtības. Pēc tam datos tiek meklēti konkrēti uzvedības modeļi un sniegti iegūtie rezultāti. Tos pārbauda un izvērtē eksperti, lai varētu pieņemt lēmumu par to, vai vēlamo mērķi var sasniegt. Iegūtās zināšanas tiek izmantotas jaunos pētījumos vai kā salīdzināšanas parametri, lai nākamās meklēšanas rezultāti būtu vēl precīzāki. Lai gan agrāk datu ieguvi Bigdata galvenokārt izmantoja IT jomā, arvien vairāk uzņēmumu sāk interesēties par izmantotajām metodēm un Bigdata ievērojamo potenciālu. Finanšu nozarē datu ieguvi izmanto krāpšanas atklāšanai un rēķinu pārbaudei. Kredītnovērtēšanā Bigdata izmanto, lai aprēķinātu, cik liela ir saistību neizpildes varbūtība. In the Mārketings Datu ieguvi izmanto, lai aprēķinātu klientu iepirkšanās paradumus un to, kādi reklāmas pasākumi potenciālos klientus interesē. Tiešsaistes veikalos tiek analizēti iepirkumu grozi, un pēc tam tiek mainītas cenas un produktu izvietojums. Turklāt var meklēt reklāmas kampaņu mērķa grupas un pārbaudīt klientu profilus. Internetā lielo datu ieguvi izmanto, lai atklātu uzbrukumus, ieteiktu pakalpojumus un analizētu sociālos tīklus. Citas pielietojuma jomas ir, piemēram, medicīna, bibliometrija un māszinības.
Kas jāzina par lielajiem datiem un datu ieguvi
Lielos datus jeb datu ieguvi var uzskatīt par zinātniski neitrālu disciplīnu. Datu ieguvē var analizēt datus no visiem iespējamiem avotiem. Tomēr, tiklīdz dati attiecas uz personu, var ātri rasties morāli un juridiski konflikti. Tie parasti neattiecas uz datu analīzi, bet tikai uz ieguves procesu. Datus, kas nav pietiekami anonimizēti, noteiktos apstākļos var attiecināt uz konkrētām personām. Tāpēc, veicot lielo datu ieguvi, vienmēr ir jānodrošina anonimizācija, kas neļauj izdarīt secinājumus par personām vai personu grupām. Papildus juridiskajiem konfliktiem jānorāda, ka tiek izvirzīti arī morāli jautājumi. Ir apšaubāms, vai datoriem būtu jāatļauj dalīt cilvēkus "kategorijās" vai "klasēs". Piemēram, datu ieguvē cilvēki tiek uzrādīti kā kredītspējīgi vai nekredītspējīgi. Kopumā jāatzīmē, ka pats process ir ļoti neitrāls un anonīms. Procedūrā nav zināmas aprēķina sekas un varbūtības. Tomēr, tiklīdz cilvēki ar šiem datiem saskaras reālajā dzīvē, piemēram, Šufa, tas var izraisīt atsvešinātu, aizvainotu vai pārsteigtu reakciju. Meklētājprogrammu gigantā Google Google Analytics Sniegti dati par tīmekļa vietnes operatoru mērķgrupām.
Iespējas un nākotnes perspektīvas
Globalizētajā pasaulē lielo datu ieguve kļūst arvien aktuālāka. Agrāk amerikāņu korporācijas varēja noteikt pēc klientu iepirkšanās uzvedības, vai viņi ir vai nav grūtniecības stāvoklī. Pamatojoties uz šīm atziņām, tika izsūtīti mērķtiecīgi iepirkšanās kuponi un ieteikumi, kas palielināja pārdošanas apjomus. Ņemot vērā pirkumu raksturu, bija pat iespējams paredzēt dzimšanas datumu, lai gan ne līdz dienai. Lielo datu ieguvei šodien uzņēmumiem ir liela nozīme. Izmantojot mērķtiecīgu lielo datu ieguvi, var iegūt nozīmīgu informāciju par lietotājiem un potenciālajiem klientiem. Datu ieguves rezultātā galu galā palielināsies pārdošanas apjomi un peļņa, tāpēc nākotnē tā kļūs daudz svarīgāka. Nav brīnums, jo globalizētajā un tehnoloģiski attīstītajā pasaulē datu vākšana ir kļuvusi par normu, un tuvākajā nākotnē tā kļūs vēl nozīmīgāka.
