Сочинение на тему Большое количество данных

Изменчивость. То, как лечение предоставляется конкретному пациенту, зависит от всевозможных факторов – и способ оказания помощи и, что более важно, способ сбора данных могут изменяться время от времени или от места к месту. Например, то, что читают врачи в медицинской литературе, где они обучались, или профессиональное мнение коллеги по коридору, или то, как пациентка выражает себя во время первоначального обследования, – все это может сыграть роль в том, что происходит дальше. Такая изменчивость означает, что данные могут быть осмысленно интерпретированы только тогда, когда условия оказания медицинской помощи и процесс оказания помощи приняты во внимание Например, диагноз «CP» может означать боль в груди, когда вводится кардиологом или врачом первичной медицинской помощи, но может означать «церебральный паралич», когда вводится неврологом или педиатром. Поскольку истинная совместимость все еще не совсем ясна в данных здравоохранения, изменчивость остается постоянной проблемой.

Значение Последнее, но не менее важное, большие данные должны иметь значение. То есть, если вы собираетесь инвестировать в инфраструктуру, необходимую для сбора и интерпретации данных в масштабе всей системы, важно обеспечить, чтобы генерируемые данные основывались на точных данных и приводили к ощутимым улучшениям в конце день. Большие данные характеризуются тремя значениями: объем, скорость и разнообразие.

Первый V, том, самый легкий для понимания. Большие данные отличаются от обычных данных тем, что размеры наборов данных огромны. Насколько огромный? Это зависит от отрасли или дисциплины, но большие данные слабо определяются как данные, которые не могут быть сохранены или проанализированы с помощью обычного аппаратного и программного обеспечения. Традиционное программное обеспечение может обрабатывать наборы данных размером в мегабайты и килобайты, тогда как инструменты для работы с большими данными могут обрабатывать наборы данных размером в терабайты и петабайты.

Второй V, скорость, покрывает скорость, с которой создаются данные. Подумайте о скорости, с которой кто-то может создать один твит в Твиттере или опубликовать в Facebook, или о том, как быстро тысячи удаленных датчиков постоянно измеряют и сообщают об изменении температуры морской воды.

Третий вариант V делает большие наборы данных более сложными для организации и анализа.

Традиционно тип данных, собираемых бизнесом и исследователями, строго контролировался и структурировался, например, данные, вводимые в электронную таблицу с конкретными строками и столбцами, аккуратные и чистые. Большие наборы данных могут содержать неструктурированные данные, такие как сообщения электронной почты, фотографии, публикации на интернет-форумах и даже стенограммы телефона. Реальная вещь или Vaporware: почему большие данные сейчас? Управление и анализ больших наборов данных когда-то были исключительной сферой триединства научных кругов, крупного бизнеса и национальных правительств. Новым является то, что аппаратное и программное обеспечение для анализа больших данных дешевле и, следовательно, более доступно для бизнеса, научных кругов и местных органов власти. Также новшеством является возможность анализировать большие данные в режиме реального времени и делать прогнозы на их основе. Ранние пользователи больших данных были прирожденными цифровыми фирмами, которые полагались на анализ больших наборов данных для управления их успехом, таких как Facebook, LinkedIn, Google и Twitter. Ряд факторов приблизились к загону и эффективно добывают массивные наборы данных. Эти факторы включают более низкую стоимость обычных серверов для размещения данных, выпуск программных средств с открытым исходным кодом для управления распределенными вычислениями, создание массивных наборов данных и необходимость для компаний и других организаций извлекать ценность из собираемых ими данных.

Что библиотекари должны знать о больших данных Из-за их распространенности и потенциальных воздействий, библиотекари должны знать основы больших данных и то, как они влияют на научные исследования. Бизнес-библиотекари должны знать, как компании используют большие данные, как такой интеллектуальный анализ данных дает конкурентное преимущество, и как студентам, возможно, придется работать с большими наборами данных при будущей работе. Научные библиотекари должны знать, насколько большие данные отличаются от других научных данных, и влияние новых программных и аппаратных средств, используемых для их анализа. Библиотекари по гуманитарным и общественным наукам должны знать, что большие данные становятся все более распространенным явлением и в их дисциплинах и больше не ограничиваются корпусной лингвистикой. Библиотекари во всех дисциплинах, чтобы облегчить процесс исследования, должны знать, как используются большие данные и где их можно найти. Курация больших данных Библиотекари также должны принять участие в создании больших наборов данных, более полезных, видимых и доступных, путем создания таксономий, разработки схем метаданных и систематизации методов поиска. Цифровым архивариусам, кураторам данных и библиотекарям других типов также предлагается консультировать своих преподавателей по вопросам хранения и доступности больших наборов данных. Майк Фёрло из Penn State отмечает, что мы, библиотекари, знаем ценность традиционных источников информации, но какова ценность менее готовых данных, так называемых необработанных данных? Мы на самом деле не знаем ценность необработанных данных, но ключ к пониманию заключается в том, что с помощью новой и мощной аналитики, в том числе инструментов визуализации информации, исследователи могут по-новому взглянуть на данные и добыть их для получения информации, отличной от исходных данных. для.

Дальнейшие действия для академических библиотек. Администрация и руководство библиотек должны изучить, какие типы больших наборов данных может собирать и анализировать их библиотека с помощью инструментов для работы с большими данными. Есть ли у вашей библиотеки возможность измерить что-то новое, какой-то массив данных, который ранее был недоступен из-за ограничений программного и аппаратного обеспечения? С точки зрения обработки больших данных, может ли ваша библиотека, в рамках хранения научных исследований вашего факультета и обеспечения ее доступности, также хранить и собирать необработанные данные исследований вашего факультета для использования другими? Ваша библиотека может собирать большие данные для анализа, чтобы помочь принимать решения на основе данных. Какие типы больших данных вы могли бы использовать для принятия лучших решений о разработке коллекций, обновлении публичных пространств или отслеживании использования библиотечных материалов через вашу систему управления обучением? Или вы можете стать лидером в области обработки больших данных в своем учреждении, предоставляя рекомендации по хранению и созданию доступных больших наборов данных. Теперь у вашей библиотеки есть возможность понять проблемы и возможности, которые предлагает большие данные исследователям, администрации и библиотекарям в вашем учреждении. Понимание больших данных в библиотечном деле Значение больших данных в библиотечном деле также обсуждалось. Sulistialie (2015) определяет библиотеки как ответственные за организацию знаний, поиск и распространение информации и поддержание информационных систем. Однако большие данные изменяют шаблоны, которые библиотеки используют и используют для выполнения своих обязанностей (Affelt, 2015). Но (2015) подчеркивает, что текущая модель для библиотек превращается в Библиотеку 4.0, интеллектуальную библиотеку, которая может анализировать информацию и представлять результаты пользователям.

Исключительной особенностью библиотеки 4.0 являются массивные данные, которые она обрабатывает. Таким образом, большие данные считаются актуальной и важной концепцией для развития будущих библиотек. Кроме того, поскольку современные библиотеки противостоят распространению данных (Gordon-Murnane, 2012), необходимо обновить навыки библиотекарей, чтобы справиться с проблемами, вызванными большими данными (Affelt, 2015; Gordon-Mur …