Цель аналитики больших данных сочинение пример

ООО "Сочинения-Про"

Ежедневно 8:00–20:00

Санкт-Петербург

Ленинский проспект, 140Ж

Сочинение на тему Цель аналитики больших данных

Цель аналитики – помочь организациям принимать более взвешенные решения для достижения лучших результатов.

Ключ к успешному использованию больших данных заключается в получении правильной информации с использованием наиболее подходящего вида аналитики, которая предоставляет знания. Революция в области больших данных породила различные виды аналитики данных для сбора разного рода идей. В этом документе сначала будут представлены различные виды аналитики, а также различные методы, используемые в каждом из них. Затем мы кратко рассмотрим, как каждый этап связан с другим. После этого мы обсудим сценарий, демонстрирующий эти моменты. Мы рассмотрим, как FDA (Управление по контролю за продуктами и лекарствами) использует Big Data Analytics для борьбы с инфекционными заболеваниями.

Описательные решения (что случилось?)

Описательная аналитика включает в себя известные факты и их производные меры и сосредоточена на описании особенностей и характеристик набора данных. Поскольку в этом контексте прошлые события и сравнительные состояния задаются временем и, таким образом, определяются и становятся понятными, нет потенциальных будущих состояний, связанных с неопределенностью. С помощью Descriptive Analytics мы можем характеризовать элементы данных посредством сравнения сходства и дифференциации друг с другом и создавать сводные отчеты, которые короче и плотнее, чем полный набор элементов данных. Сводная статистика, методы кластеризации и правила сопоставления – все это инструменты, используемые в описательной аналитике.

Диагностические решения Почему это произошло?

Диагностическая аналитика – это поиск причинно-следственных связей и сравнительного влияния различных переменных на конкретный известный результат. Поскольку в конкретный анализ включается все больше и больше случаев и включается все больше и больше факторов или аспектов, может быть невозможно определить точные, ограниченные утверждения относительно последовательностей и результатов. Используемые методы – это алгоритмы обучения для классификации и регрессии, методы включают детализацию, обнаружение данных, анализ данных и корреляции.

Предписывающее решение (что делать?)

Prescriptive Analytics обеспокоена автоматизированными будущими действиями или решениями, которые определяются программным способом в ходе аналитического процесса.

Описательная суть реальной жизни

В области бактериальной устойчивости FDA использует большие данные, чтобы помочь установить так называемые контрольные точки, концентрации антибактериального препарата, при которых виды бактерий становятся устойчивыми к лекарству. Точки останова используются для оценки вероятности успеха лечения и информирования пациентов, а FDA и другие организации обновляют точки останова, чтобы не отставать от появления новых механизмов устойчивости в бактериальных популяциях. Чтобы информировать о своих усилиях, FDA поддерживает проект в Медицинском институте Джона Хопкинса по созданию базы данных с медицинской информацией от более чем 5000 пациентов в нескольких больницах, которые проходят лечение от бактериальных инфекций.

Собранные данные включают характеристики выделенных бактерий, антибактериальные препараты, используемые для лечения инфекции, факторы риска для пациентов и клинические результаты. Борио сказал, что эти данные позволят FDA использовать реальные клинические данные для установления и обновления точек останова клинически значимым образом.

Diagnostic

Сеть операций по секвенированию всего генома, проводимых партнерами по штатам, федеральным и коммерческим предприятиям, собрала данные о последовательностях из более чем 51 000 изолятов и содержит 17 терабайт данных (см. рис. 4-2). По словам Борио, эта сеть, насчитывающая более 1000 изоляторов в месяц, позволила изменить истинную парадигму в способах выявления и исследования вспышек, связанных с пищевыми продуктами. В 2014 году эта база данных позволила FDA отследить вспышку пищевого отравления сальмонеллой в нескольких штатах на одном предприятии по производству орехового масла, остановить производство и остановить вспышку (CDC, 2014). Predictive FDA также использует большие данные из секвенирования следующего поколения для анализа лекарственной устойчивости при рассмотрении новых применений лекарств для противовирусных препаратов.

Секвенирование следующего поколения, пояснил Борио, позволяет агентству идентифицировать низкочастотные мутации в вирусных геномах, которые не будут обнаружены с использованием более традиционных методов секвенирования. В одном случае ученые FDA использовали эти данные для характеристики потенциальных путей, благодаря которым вирус гепатита С может стать устойчивым к новому противовирусному агенту. Prescriptive Одна область, которую Borio выделил в качестве основного кандидата для приложений с большими данными, – это улучшение дизайна клинических испытаний антибактериальных препаратов. Как правило, она отметила, что клинические испытания для проверки эффективности антибактериальных препаратов при серьезных острых инфекциях сложны и дороги, и это особенно верно для внебольничной и респираторной пневмонии (HAP-VAP).

FDA финансирует крупное обсервационное исследование Инициативы по трансформации клинических испытаний Университета Дьюка с целью выявления факторов риска для пациентов, у которых развивается HAP-VAP, с целью выявления пациентов с высоким риском, а затем предварительно дать согласие на участие в клиническом исследовании. испытание, когда они впервые попадают в больницу. По словам Борио, это позволит включить этих пациентов в клинические испытания гораздо раньше. Этот подход также позволит спонсорам испытаний корректировать критерии включения и исключения для участия в испытании, что, по ее прогнозам, увеличит число участников. «Способность повысить эффективность клинических испытаний является одним из условий, которые будут необходимы для поддержки линейки новых антибактериальных препаратов», – сказала она.

Поделиться сочинением
Ещё сочинения
Нет времени делать работу? Закажите!

Отправляя форму, вы соглашаетесь с политикой конфиденциальности и обработкой ваших персональных данных.