![\"Cos'\u00e8](\"https:\/\/inform.com.de\/wp-content\/uploads\/2021\/06\/cb096a3741400bff23e3611c62eedbb7-1.png\")
<\/a><\/p>\nIl mondo intero, inclusa la Russia, utilizza la tecnologia Big Data nel settore bancario, nei servizi di comunicazione e nel commercio al dettaglio. Gli esperti ritengono che in futuro la tecnologia sar\u00e0 utilizzata dall'industria dei trasporti, dal petrolio e dal gas e dalle industrie alimentari, nonch\u00e9 dall'energia.<\/p>\n
Gli analisti di IDC hanno riconosciuto la Russia come il pi\u00f9 grande mercato regionale per BDA. Si stima che quest'anno il fatturato si avvicini a 1,4 miliardi di dollari e rappresenter\u00e0 il 40% degli investimenti totali nel settore dei big data e delle applicazioni di business intelligence.<\/p>\n
Quali sono le professioni nel campo dei big data<\/h2>\n
Le due professioni principali sono analisti e ingegneri di dati.<\/p>\n
L'analista lavora principalmente con le informazioni. \u00c8 interessato ai dati tabulari, \u00e8 impegnato nei modelli. Le sue responsabilit\u00e0 includono l'aggregazione, la pulizia, l'aumento e la visualizzazione dei dati. Cio\u00e8, l'analista di big data \u00e8 il collegamento tra le informazioni grezze e il business.<\/p>\n
L'analista ha due principali linee di lavoro. In primo luogo, pu\u00f2 trasformare le informazioni ricevute, trarre conclusioni e presentarle in una forma comprensibile.<\/p>\n
In secondo luogo, gli analisti sviluppano applicazioni che funzioneranno e produrranno risultati automaticamente. Ad esempio, fai una previsione per il mercato azionario ogni giorno.<\/p>\n
L'ingegnere delle date \u00e8 una specialit\u00e0 di livello inferiore. Questa \u00e8 la persona che deve garantire l'archiviazione, l'elaborazione e la consegna delle informazioni all'analista. Ma dove c'\u00e8 fornitura e pulizia, le loro responsabilit\u00e0 possono sovrapporsi.<\/p>\n
L'ingegnere di Bigdata ottiene tutto il duro lavoro. Se i sistemi si sono guastati o uno dei server \u00e8 scomparso dal cluster, si connette. Questo \u00e8 un lavoro molto impegnativo e stressante. Il sistema pu\u00f2 spegnersi nei fine settimana e fuori orario e l'ingegnere deve intervenire prontamente.<\/p>\n
Queste sono due professioni principali, ma ce ne sono anche altre. Appaiono quando vengono aggiunti algoritmi di calcolo parallelo alle attivit\u00e0 relative all'intelligenza artificiale. Ad esempio, un ingegnere della PNL. Si tratta di un programmatore che si occupa di elaborazione del linguaggio naturale, soprattutto nei casi in cui \u00e8 necessario non solo trovare parole, ma cogliere il significato del testo. Tali ingegneri scrivono programmi per chat bot e sistemi di dialogo, assistenti vocali e call center automatizzati.<\/p>\n
Ci sono situazioni in cui \u00e8 necessario classificare miliardi di immagini, fare moderazione, filtrare cose non necessarie e trovarne di simili. Queste professioni si sovrappongono maggiormente alla visione artificiale.<\/p>\n
Quanto dura la formazione<\/h2>\n
Ci alleniamo da un anno e mezzo. Sono suddivisi in sei quarti. Alcuni si concentrano sulla programmazione, altri sul lavoro con i database e altri ancora sulla matematica.<\/p>\n
A differenza, ad esempio, della facolt\u00e0 di intelligenza artificiale, qui c'\u00e8 meno matematica. Non c'\u00e8 un'enfasi cos\u00ec forte sul calcolo e sull'algebra lineare. La conoscenza degli algoritmi di calcolo distribuito \u00e8 necessaria pi\u00f9 dei principi del calcolo.<\/p>\n
Ma un anno e mezzo \u00e8 sufficiente per un lavoro reale con l'elaborazione dei big data solo se una persona ha esperienza di lavoro con dati ordinari e in generale nell'IT. Il resto degli studenti dopo la laurea presso la facolt\u00e0 \u00e8 incoraggiato a lavorare con dati di piccole e medie dimensioni. Solo dopo questo uno specialista pu\u00f2 essere autorizzato a lavorare con quelli di grandi dimensioni. Dopo l'addestramento, vale la pena lavorare come data scientist per applicare l'apprendimento automatico a diverse quantit\u00e0 di dati.<\/p>\n
Quando una persona trova un lavoro in una grande azienda – anche se ha avuto esperienza – molto spesso non sar\u00e0 ammessa subito a grandi quantit\u00e0 di dati, perch\u00e9 l\u00ec il costo dell'errore \u00e8 molto pi\u00f9 alto. Gli errori negli algoritmi potrebbero non essere rilevati immediatamente e ci\u00f2 comporter\u00e0 grandi perdite.<\/p>\n
Come funziona la tecnologia Big-Data?<\/h2>\n
Gli utenti del social network Facebook caricano foto, video ed eseguono azioni ogni giorno per centinaia di terabyte. Non importa quante persone partecipano allo sviluppo, non faranno fronte al flusso costante di informazioni. Per sviluppare ulteriormente il servizio e rendere i siti pi\u00f9 confortevoli – per implementare consigli sui contenuti intelligenti, visualizzare annunci pertinenti per l'utente, centinaia di migliaia di terabyte vengono passati attraverso l'algoritmo e ricevono informazioni strutturate e comprensibili.<\/p>\n Confrontando un'enorme quantit\u00e0 di informazioni, le relazioni si trovano in essa. Queste relazioni con una certa probabilit\u00e0 possono predire il futuro. L'intelligenza artificiale aiuta a trovare e analizzare una persona.<\/p>\n La rete neurale scansiona migliaia di foto, video, commenti, centinaia di terabyte di big data e fornisce il risultato: quanti clienti soddisfatti lasciano il negozio, se ci sar\u00e0 un ingorgo nelle prossime ore, quali discussioni sono popolari sui social network e molto altro ancora.<\/p>\n Metodi per lavorare con i big data:<\/strong><\/p>\n Il caricamento di big data in un database relazionale tradizionale per l'analisi richiede molto tempo e denaro. Per questo motivo, sono apparsi approcci speciali per la raccolta e l'analisi delle informazioni. Per ricevere e quindi estrarre le informazioni, le combinano e le collocano in un “data lake”. Da l\u00ec, i programmi di intelligenza artificiale, utilizzando algoritmi complessi, cercano schemi ripetitivi.<\/p>\n La conservazione e la lavorazione avvengono con i seguenti strumenti:<\/p>\n Pi\u00f9 sappiamo di un oggetto o fenomeno specifico, pi\u00f9 accuratamente comprendiamo l'essenza e possiamo predire il futuro. Acquisendo ed elaborando flussi di dati da sensori, Internet e operazioni transazionali, le aziende possono prevedere in modo abbastanza accurato la domanda di prodotti ei servizi di emergenza possono prevenire disastri causati dall'uomo. Di seguito sono riportati alcuni esempi, al di fuori del business e del marketing, di come vengono utilizzate le tecnologie dei big data:<\/p>\n Le strategie di sviluppo aziendale, le attivit\u00e0 di marketing e la pubblicit\u00e0 si basano sull'analisi e lavorano con i dati disponibili. Gli array di grandi dimensioni consentono di “spalare” enormi quantit\u00e0 di dati e, di conseguenza, regolare la direzione di sviluppo di un marchio, prodotto, servizio nel modo pi\u00f9 accurato possibile.<\/p>\n Ad esempio, l'asta delle offerte in tempo reale nella pubblicit\u00e0 contestuale funziona con i big data, il che consente di pubblicizzare in modo efficace offerte commerciali a un pubblico di destinazione dedicato e non a tutti.<\/p>\n Quali sono i vantaggi per l'azienda:<\/p>\n Le tecnologie vengono utilizzate per prevedere la popolarit\u00e0 dei prodotti, ad esempio utilizzando il servizio Google Trends e Yandex. Wordstat (per Russia e CSI).<\/p>\n I metodi dei big data sono utilizzati da tutte le grandi aziende – IBM, Google, Facebook e societ\u00e0 finanziarie – VISA, Master Card, nonch\u00e9 dai ministeri di tutto il mondo. Ad esempio, in Germania, \u00e8 stata ridotta l'emissione di sussidi di disoccupazione, calcolando che alcuni cittadini li percepiscono senza motivo. Cos\u00ec, \u00e8 stato possibile restituire al bilancio circa 15 miliardi di euro.<\/p>\n Il recente scandalo di Facebook a causa della fuga di dati degli utenti suggerisce che i volumi di informazioni non strutturate stanno crescendo e anche i mastodonti dell'era digitale non possono sempre garantire la loro completa privacy. Ad esempio, Master Card utilizza i big data per prevenire transazioni fraudolente con gli account dei clienti. In questo modo \u00e8 possibile risparmiare annualmente pi\u00f9 di 3 miliardi di dollari USA dal furto.<\/p>\n In ambito gaming, i big data consentono di analizzare il comportamento dei giocatori, identificare le preferenze di un pubblico attivo e, in base a ci\u00f2, prevedere il livello di interesse per il gioco. Oggi le aziende conoscono meglio i loro clienti di quanto noi sappiamo di noi stessi, motivo per cui le campagne pubblicitarie per Coca-Cola e altre societ\u00e0 sono un successo clamoroso.<\/p>\n Big Date ci offre intuizioni e opportunit\u00e0 senza precedenti, ma solleva anche questioni e domande che devono essere affrontate:<\/p>\n L'esecuzione di queste attivit\u00e0 \u00e8 una parte importante di Big Date e devono essere affrontate dalle organizzazioni che desiderano utilizzare tali dati. In caso contrario, l'azienda pu\u00f2 essere vulnerabile, non solo in termini di reputazione, ma anche dal punto di vista legale e finanziario.<\/p>\n Tutto \u00e8 iniziato con un'esplosione della quantit\u00e0 di dati che abbiamo creato dall'inizio dell'era digitale. Ci\u00f2 \u00e8 in gran parte dovuto allo sviluppo di computer, Internet e tecnologie in grado di “carpire” dati dal mondo che ci circonda. I dati da soli non sono una nuova invenzione. Anche prima dell'era dei computer e dei database, usavamo record di transazioni cartacee, record di clienti e file di archivio, che sono dati. I computer, in particolare fogli di calcolo e database, ci hanno facilitato l'archiviazione e l'organizzazione dei dati su larga scala. All'improvviso, le informazioni sono diventate disponibili con un solo clic del mouse.<\/p>\n Tuttavia, abbiamo fatto molta strada dalle tabelle e dai database originali. Oggi, ogni due giorni, creiamo tanti dati quanti ne abbiamo ricevuti dall'inizio fino al 2000. Esatto, ogni due giorni. E la quantit\u00e0 di dati che creiamo continua a crescere rapidamente; entro il 2020, la quantit\u00e0 di informazioni digitali disponibili aumenter\u00e0 da circa 5 zettabyte a 20 zettabyte.<\/p>\n Al giorno d'oggi, quasi ogni azione che intraprendiamo lascia il segno. Generiamo dati ogni volta che andiamo online, quando trasferiamo i nostri smartphone dotati di un modulo di ricerca, quando parliamo con i nostri amici tramite social network o chat, ecc. Inoltre, anche la quantit\u00e0 di dati generati dalle macchine sta crescendo rapidamente. I dati vengono generati e distribuiti quando i nostri dispositivi per la casa intelligente comunicano tra loro o con i loro server domestici. Le apparecchiature industriali nelle fabbriche e negli stabilimenti sono sempre pi\u00f9 dotate di sensori che accumulano e trasmettono dati.<\/p>\n Il termine “Big-Data” si riferisce alla raccolta di tutti questi dati e alla nostra capacit\u00e0 di utilizzarli a nostro vantaggio in un'ampia gamma di settori, compreso il business.<\/p>\n Blockchain e Big Data sono due tecnologie in evoluzione e complementari. Dal 2016, la blockchain \u00e8 stata ampiamente discussa nei media. \u00c8 una tecnologia di database distribuita crittograficamente sicura per l'archiviazione e la trasmissione di informazioni. La protezione delle informazioni private e riservate \u00e8 un problema urgente e futuro dei big data che la blockchain pu\u00f2 risolvere.<\/p>\n Quasi tutti i settori hanno iniziato a investire nell'analisi dei Big Data, ma alcuni stanno investendo pi\u00f9 di altri. Secondo IDC, spendono di pi\u00f9 in banche, produzione discreta, produzione di processo e servizi professionali. Secondo la ricerca Wikibon, nel 2018 le entrate derivanti dalla vendita di programmi e servizi nel mercato globale sono ammontate a 42 miliardi di dollari e nel 2027 supereranno i 100 miliardi di dollari.<\/p>\n Neimeth stima che la blockchain rappresenter\u00e0 fino al 20% del mercato totale dei big data entro il 2030, generando fino a 100 miliardi di dollari di entrate annuali. Questo supera i margini di PayPal, Visa e Mastercard combinati.<\/p>\n L'analisi dei Big Data sar\u00e0 importante per tracciare le transazioni e consentir\u00e0 alle aziende blockchain di scoprire schemi nascosti e capire con chi interagiscono sulla blockchain.<\/p>\n Abbiamo imparato cosa sono i big data? Abbiamo esaminato come funziona questa tecnologia, per la quale vengono utilizzati array di informazioni. Abbiamo familiarizzato con i principi e i metodi per lavorare con i big data.<\/p>\n Consigliamo di leggere The Human Face of Big Data di Rick Smolan e Jennifer Erwitt e Introduction to Data Mining di Michael Steinbach, Vipin Kumar e Pang-Ning Tan.<\/p>\n Fonti utilizzate e link utili sull'argomento: https:\/\/www.calltouch.ru\/glossary\/big-data\/<\/a> https:\/\/Mining-CryptoCurrency.ru\/big-data\/<\/a> https:\/\/geekbrains.ru\/posts\/gu_big_data_faculty<\/a> https: \/\/clubshuttle.ru\/tehnologiya-big-data-prostymi-slovami<\/a><\/p>\n<\/a><\/p>\n\n
Tecniche di analisi e lavorazione<\/h3>\n
<\/a>
\nI metodi principali per analizzare grandi quantit\u00e0 di informazioni includono quanto segue:<\/p>\n\n
Data mining: come vengono raccolti ed elaborati i Big Data<\/h2>\n
\n
A cosa serve?<\/h2>\n
\n
Big data nel business e nel marketing<\/h2>\n
\n
<\/a><\/p>\n<\/a><\/p>\nProblemi con i big data<\/h2>\n
\n
L'incredibile ascesa di Big Date<\/h2>\n
Prospettive per l'utilizzo di Big Date<\/h2>\n
Sommario<\/h2>\n