큰 데이터의 세 가지 생각 변환

빅 데이터 시대에 빅터 Lejes Schoenberg의 가장 통찰력 있는 통찰력: 생활, 일 및 생각에 큰 변화, 그는 분명히 했다 빅 데이터 시대에 가장 큰 변화는 원인에 대 한 욕망을 포기 하 고 대신 관계에 초점을 했다. 즉, 알고 있다면 어떤 "", 당신은 필요가 없습니다 왜.이 했나요 알고, 년의 수천에 대 한 인간의 생각 연습을 서명 하 고 인간의 인지와 세계와 통신 하는 방법에 새로운 도전을 제기 했다.

가트너, 유명한 조직, 연구 전문 2 차원 매트릭스에 평가 하는 방법으로 시장에 대 한 그것의 "매직 쿼드런트"를 사용 했다, 수평 축 앞 무결성, 경도 축 실행 힘, 그것은 아마 경도 축 중심 부근 오른쪽 아래 모서리에 있는 경우이 메서드는 큰 데이터 나이 책을 평가 하는 데 사용 됩니다.

2012 년에 큰 데이터를 "빅터 Maire Schoenberg", "빅 데이터"와 "빅 데이터 시대"에 대 한 3 권의 책을 읽었습니다. 다른 2와 비교 하면,이 책의 Schoenberg는 대용량 데이터의 시대에 생각의 변화에서 값을 계몽 "영향 분석"의 관점에서입니다. 그것은 또한이 책은 기업 경영진 및 Cio, 더 가치는 그것 없는 많은 토론 기술, 하지만 오히려 변화 마인드 (패러다임)에 말한다.

즉,이 책의 가치를 요약 될 수 있다 최대 2 "3"과 "하나": 1 "3"은 대용량 데이터, 대용량 데이터 변환의 시대에 가치와 아이디어의 변화에 강조에 대 한 아이디어를 3, 2 "3"는 3 요소에 대 한 큰 데이터 비즈니스의 변화에 영향을: 데이터, 기술 및 혁신적인 생각; 사이의 상호 작용을 "하나" 지배 구조와 대용량 데이터의 일반화에 따라 개인 정보 보호에 대 한입니다.

큰 데이터 자체의 가치에 연연 하실 필요가 없습니다, 여기 우리가 초점을 큰 데이터에 대 한 생각 변화를 3: 1.는 무작위 샘플 데이터의 총, 2. 정밀, 아니라 혼란, 특히 큰 데이터의 간단한 알고리즘의 복잡 한 알고리즘 보다 더 효과적 이다 데이터; 3. 원인 아니다, 그것은 상관 관계.

빅 데이터 시대 책 생각나 독자 큰 데이터는 전체 데이터를 적어도 외부 및 실시간 데이터를 강조 하는 관찰 및 분석의 변화, 특히 전통적인 IT 시스템 데이터, 대용량 데이터에 관하여 각도에서 사물의 전체 크기,이 두 가지 기능 또한 "분석" 증거 분석 가능, 하지만 기업 내부 데이터와 외부 데이터를 결합 하는 분석 값을 무시 하는 책. 예를 들어 정부, 대규모 공중 보건 사건의 분석에 대 한 전염병 사용할 수 있습니다 빠른 큰 데이터 (예: microblogs)의 현재 상황을 찾을 하지만 리소스를 예약할 또는 "작은 데이터" 정확한 의사 결정을 결합 해야 하.

대용량 데이터에 대 한 간단한 알고리즘의 2 핵심 개념 (분산된 시스템 인프라를, 아파치 재단에 의해 개발 된) 하 둡의 핵심 개념에서 뿐만 아니라 Google의 통찰력에서 온다. 간단한 알고리즘 큰 데이터는 통계 논리, 열역학 분석 모델에서이 특정 분자 움직임, 걱정은 하지만 온도, 볼륨, 및 압력의 거시적인 관계에 염려 하 고이 아이디어의 본질적인 이해 제안 독자의 수학, 우도 아름다움에서 얻을 수 통계 생각 모드에 따라 대용량 데이터를 진정으로 이해 하 여만 독특한 장점과 제한 사항을 이해할 수 있다. 이 방법의 큰 범위, 실시간 및 병렬 처리는 과거에 해결 될 수 없는 및 새로운 통찰력을가지고 문제를 해결할 수, 확률, 하지만 사람의 세부 사항을 얘기를 하지. 인터넷 기업에서 아이디어 그들은 먼저, 80% 경향 문제를 해결 하 고 다음 천천히 그것을 구체화 하 고 이다.

3, 큰 데이터 초점 "무엇" 보다는 "왜" 자주 온라인 쇼핑 사람들이 더 쉽게 깨닫게 될 것입니다. 많은 웹사이트의 추천 엔진의이 능력을가지고, 그것은 고객 구입도 서, 추천 고객 다른 책 들 처럼 고객 알 수 없습니다 "왜", 사실, 사이트 걱정 하지 않는 "왜", ("왜" 학문적 인 전문가 의해 분석 될 수 있다). 하지만 수백 수백만, 또는 사람들의 수백만의 수만의 통계 분석에 기반 하는 사이트 "상관 관계", 또는 인간 인식 수 없습니다 연결 분석 및 조치를 취할 사람들 조언에 더 큰 숫자를 발견할 수 있습니다. 이 혁신적인 사고는 심각한, 데이터 웨어하우스는 전 "맥주 + 기저귀" 이야기 필요 데이터 데이터 정렬, 변환 청소 하 고 전문가 마이닝 모델링, 협회의 조달 동작 발견 될 수 있습니다 쉽게 Hadoop 알고리즘에 의해. 분석의 낮은 임계값, 때문에이 방법은 일반적인 도구가 되고있다 및 "분석 서비스는" 기업에 의해 구매 될 수 있다 큰 데이터 클라우드 서비스의 비즈니스 모델을 파생 한 서비스 (분석), 그리고 국내 알리 부서는이 모델의 설립에 최선을 다하고.

제 2 부분은 큰 데이터의 비즈니스 모델에 대 한, 가장 가치 있는 잘 알려진 데이터, 기술, 대용량 데이터의 비즈니스 생태학의 분석, 저자는 기술 자체의 추세에 대해 너무 우려 하는 3 종류, 데이터 브로커를 비롯 한 대형 데이터 회사의 생각의 좋은 알리미입니다 믿고. 재미 있는 주제 이다 저자 주장 통계 기반된 데이터 과학자 업계 전문가, 점차적으로 대체 한다는 새로운 실제 링크 발견 수 있습니다 파괴 하는 큰 데이터 때문에 전통적인 산업 전문가, 주제는 학계에서 관심이 있을 수 있습니다. 흥미로운 예를 들어 몇 년 전 큰 데이터의 통계 분석에 따라 자연 언어 번역 했다는 것입니다 의미 이해와 농담 했다, "때마다 우리 언어 전문가, 우리는 우리의 번역 정확도 향상 그룹." 심지어 책에서 언급 한 언어 번역을 위한 알고리즘의 그룹 기반 언어 파 보다 더 나은

제 3 부분은 될 "1984" 조지 오웰 "큰 형제", 즉, 유비 쿼터 스 모니터링, 개인 정보 보호를 달성 하기 위한 기술적 수단을 통해 큰 데이터에 대 한 그리고 남용 가장 걱정 문제. 이 주제는 너무 공개, 생각 많은 기사는 논의에서 아니다도 서의 자연 그리고 큰 데이터의 점진적 과정, 다양 한 산업 분야의 실용적인 경우 아직 신흥, 업계 산업 혁신, 공개 토론 또는 왼쪽 학자, 정부 및 미래의 주제에 초점을 맞추어야.

서양 작가 개념의 옹호자의 클래스는, 가장 유명한 "통제" 저자 KK (Kevin 켈리 후), 선교사 작가 서 독자에 의해이 카테고리의 파괴, 전생 (전/후) 충격 포스의 비교 생산의 개념을 홍보 하려는. 그러나이 책의 저자는 같은, 그래서 파괴, 강력한 데이터 시대 올 것,, 같은 작가 "아무리 파이프 죽이기"의 고소 될 것 이다-아이디어, 책임의 특정 타당성을 붙이고. 가트너의 "마술 상한의," 앞서 언급, 돌아가기 진보적인 실행 모든 산업에서 꽃을 큰 데이터의 추세에 열쇠 이다.

(책임 편집기: 루 광)