اصطلاح Big Data تقریباً در همه جای کره زمین - آنلاین و آفلاین - به طور فزاینده ای استفاده می شود. و فقط مربوط به کامپیوتر نیست. این اصطلاح تحت یک اصطلاح عمومی به نام فناوری اطلاعات^{(Information Technology)} آمده است که در حال حاضر تقریباً بخشی از سایر فناوری ها و زمینه های مطالعاتی و تجاری است. Big Data چیز مهمی نیست. هیاهویی که در اطراف آن وجود دارد مطمئناً یک معامله بسیار بزرگ است که شما را گیج می کند. این مقاله نگاهی به داده های بزرگ^{(Big Data)} می اندازد . همچنین حاوی نمونه ای از نحوه استفاده NetFlix از داده های خود، یا بهتر است بگوییم، Big Data برای ارائه بهتر نیازهای مشتریان خود است.

کلان داده چیست

داده‌های موجود در سرورهای شرکت شما تا دیروز فقط داده بودند - مرتب شده و بایگانی شده بودند. ناگهان زبان عامیانه Big Data رایج شد و اکنون داده های شرکت شما Big Data هستند. این اصطلاح تک تک داده هایی را که سازمان شما تا به حال ذخیره کرده است را در بر می گیرد. این شامل داده های ذخیره شده در ابرها و حتی URL^(URLs) هایی است که نشانک کرده اید. ممکن است شرکت شما تمام داده ها را دیجیتالی نکرده باشد. ممکن است قبلاً تمام داده ها را ساختاربندی نکرده باشید. اما پس از آن، تمام داده‌های دیجیتال، کاغذی، ساختاریافته و غیرساخت‌یافته شرکت شما اکنون به Big Data تبدیل شده‌اند .

به طور خلاصه، تمام داده‌هایی که در سرورهای شما وجود دارند - چه دسته‌بندی شده باشند یا نه، در مجموع BIG DATA نامیده می‌شوند . همه این داده ها را می توان برای به دست آوردن نتایج مختلف با استفاده از انواع مختلف تجزیه و تحلیل استفاده کرد. لزومی ندارد که همه تحلیل ها از همه داده ها استفاده کنند. تجزیه و تحلیل های مختلف از بخش های مختلف BIG DATA برای تولید نتایج و پیش بینی های لازم استفاده می کند.

Big Data اساساً داده‌هایی است که شما برای نتایجی که می‌توانید برای پیش‌بینی و کاربردهای دیگر استفاده کنید، تجزیه و تحلیل می‌کنید. هنگام استفاده از واژه کلان داده^{(Big Data)} ، ناگهان شرکت یا سازمان شما با فناوری اطلاعات^{(Information)} سطح بالا کار می کند تا با استفاده از همان داده هایی که در طول سال ها به طور عمدی یا ناخواسته ذخیره کرده اید، انواع مختلفی از نتایج را استنتاج کند.

بیگ دیتا چقدر بزرگ است

اساساً، تمام داده‌های ترکیبی Big Data هستند، اما بسیاری از محققان توافق دارند که Big Data - به این ترتیب - با استفاده از صفحات گسترده معمولی و ابزارهای منظم مدیریت پایگاه داده قابل دستکاری نیستند. آنها به ابزارهای تجزیه و تحلیل ویژه ای مانند Hadoop نیاز دارند (ما در یک پست جداگانه این موضوع را مطالعه خواهیم کرد) به طوری که همه داده ها می توانند در یک لحظه تجزیه و تحلیل شوند (ممکن است شامل تکرارهای تجزیه و تحلیل باشد).

برخلاف موارد فوق، اگرچه من در این موضوع متخصص نیستم، می‌توانم بگویم که داده‌های هر سازمانی - بزرگ یا کوچک، سازمان‌یافته یا غیرسازمان‌یافته - برای آن سازمان یک داده بزرگ است و سازمان ممکن است ابزارهای خود را برای تجزیه و تحلیل اطلاعات انتخاب کند. داده ها.^{(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.)}

معمولاً برای تجزیه و تحلیل داده ها، افراد مجموعه داده های مختلفی را بر اساس یک یا چند زمینه مشترک ایجاد می کردند تا تجزیه و تحلیل آسان شود. در مورد داده های بزرگ^{(Big Data)} ، نیازی به ایجاد زیر مجموعه برای تجزیه و تحلیل آن نیست. ما اکنون ابزارهایی داریم که می توانند داده ها را بدون در نظر گرفتن حجم آنها تجزیه و تحلیل کنند. احتمالاً این ابزارها خودشان داده ها را حتی زمانی که در حال تجزیه و تحلیل هستند طبقه بندی می کنند.

ذکر دو جمله از کتاب "داده های بزرگ" نوشته جیمی گوترمن^{(Jimmy Guterman)} را مهم می دانم :

“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.”

-و-

“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.”

بنابراین می بینید که حجم و تحلیل هر دو بخش مهمی از داده های بزرگ^{(Big Data)} هستند.

بخوانید^(Read) : داده کاوی چیست؟^{(What is Data Mining?)}

مفاهیم کلان داده

این نکته دیگری است که اکثر مردم با آن موافق نیستند. برخی از کارشناسان می گویند که مفاهیم کلان داده^{(Big Data Concepts)} سه V هستند:

1. جلد
2. سرعت
3. تنوع

برخی دیگر چند V دیگر را به مفهوم اضافه می کنند:

1. تجسم
2. صحت (قابلیت اطمینان)
3. تنوع و
4. مقدار

من مفاهیم Big Data را در یک مقاله جداگانه پوشش خواهم داد زیرا این پست در حال بزرگ شدن است. به نظر من، سه V اول برای توضیح مفهوم Big Data کافی است.

مثال کلان داده – چگونه NetFlix^{(Big Data Example – How NetFlix)} از آن برای رفع مشکلاتش استفاده کرد

در سال 2008، یک قطعی در نت فلیکس^(NetFlix) رخ داد که به دلیل آن بسیاری از مشتریان در تاریکی رها شدند. در حالی که برخی هنوز می توانستند به خدمات پخش دسترسی داشته باشند، اکثر آنها نمی توانستند. برخی از مشتریان موفق به دریافت دی وی دی^(DVDs) های اجاره ای خود شدند در حالی که برخی دیگر موفق نشدند. یک پست وبلاگ در وال استریت ژورنال^{(Wall Street Journal)} می گوید که نتفلیکس^(Netflix) به تازگی پخش بر اساس تقاضا را آغاز کرده است.

این قطعی باعث شد تا مدیریت در مورد مشکلات احتمالی آینده فکر کند و از این رو; به Big Data تبدیل شد . با استفاده از این داده ها، مناطق پرترافیک، نقاط حساس، و توان عملیاتی شبکه و غیره را تجزیه و تحلیل کرد و روی آن کار کرد تا در صورت بروز مشکل در آینده، با جهانی شدن آن، زمان خرابی را کاهش دهد. در اینجا پیوند^{(the link)} به وبلاگ وال استریت ژورنال^{(Wall Street Journal Blog)} است، اگر می خواهید نمونه های داده های بزرگ^{(Big Data)} را بررسی کنید .

موارد فوق به طور خلاصه بیان می‌کنند که داده‌های بزرگ در یک زبان غیر عادی چیست. می توانید آن را یک مقدمه بسیار ابتدایی بنامید. من قصد دارم چند مقاله دیگر در مورد عوامل مرتبط مانند - مفاهیم^(Concepts) ، ​​تجزیه و تحلیل^(Analysis) ، ابزارها^(Tools) ، و استفاده از Big Data^{(uses of Big Data)} ، Big Data 3 V و غیره بنویسم. در همین حال، اگر مایلید چیزی به موارد فوق اضافه کنید، لطفا نظر دهید و به اشتراک بگذارید. با ما.

در ادامه بخوانید^{(Read next)} : Web Scraping چیست؟

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 Data Consumption. استفاده از Big Data چیست؟

• چه Data Analytics و چه آن را برای استفاده

• چه تفاوتی بین Data and Information است

• چگونه به نصب Drupal با استفاده از WAMP در Windows

• Best Software & Hardware Bitcoin Wallets برای Windows، در iOS، Android

• Cyber Monday & Black Friday Sale راهنمایی خرید شما می خواهید به دنبال

• Video کنفرانس های کنفرانس، نکات و قوانین مورد نیاز شما باید دنبال کنید

• Disqus comment جعبه بارگیری و یا نشان دادن برای یک وب سایت

• بهترین ویژگی های LibreOffice Calc

• Automate.io automation tool and IFTTT جایگزین رایگان است

• چگونه به حذف Your LastPass Account

• چگونه Invitation Card را در Windows PC بسازیم

• کارت های تراشه و PIN یا EMV Credit چیست؟

• چه Magnet link و چگونه به Magnet link s باز در یک مرورگر است

• Online Reputation Management Tips، Tools & Services

• قفل از Plex Server and Server Settings؟ در اینجا ثابت است!

• OpenGL برنامه ها در Miracast wireless نمایش در Windows 10 اجرا کنید

• برنامه پیام رسانی جلسه امنیت قوی را ارائه می دهد؛ شماره No phone مورد نیاز است!

• Task Management Software رایگان برای مدیریت کار گروهی

• Best Laptop Tables برای خرید آنلاین