Das and Kumar (2013, p. 153) descri

Das and Kumar (2013, p. 153) described that “it took from the dawn of civilization to 2003 to
create 5 Exabytes (1018 bytes) of information; we now create the same volume in just two days.”
It is projected that digital data will grow to 8 Zettabytes (1021 bytes) by 2015, which is equivalent
to 18 million Libraries of Congress. It further described that unstructured data from text,
document, image, video, etc. will account for 90% of all data created in the next decade. Big
Data comes from different sources that may include transactional enterprise data, machinegenerated data, and social data (Oracle, 2012). Enterprise transactional data comes from a variety
of applications that include enterprise applications such as ERP, SCM and CRM systems, Web
transactions, e-business and m-business transactions. Sathi (2012) described that a
communications service provider with 100 million customers would occupy five petabytes of
data if stored for 100 days. IBM (2013) provided examples of volume that include turning 12
terabytes of Tweets created each day into improved product sentiment analysis, and converting
350 billion annual meter readings to better predict power consumption.
Machine-generated data contributes to Big Data. They may come from sensors such as
environmental and manufacturing sensors, smart meters, smart cards, scanning equipment, and
machine-to-machine electronic tenders. Maugh (2009) indicated that 70 millions of CT scans
were performed a year, which would generate about 0.1 GB of data per day with 0.5 MB per CT
scan image (Strickland, 2004). Aylor (2001) described the launch of the first high-speed satellite
seismic data transmission from a vessel off Brazil to the Houston processing center, and
indicated that the WesternGeco Patriot seismic vessel using an IBM SPII supercomputer
generated seismic data on an average of 93 GB/day. Evans (2012) discussed the explosion of the
Big Data set as 40 billion new devices are connected to the Internet in the next few years. A
contributing factor to this explosion is the machine-to-machine (M2M) data from remote devices
being used more broadly throughout enterprises. Crosby (2008) described the many applications
of M2M that include utility companies harvesting energy products using remote sensors to detect
important parameters at oil drill sites, traffic control using sensors to monitor traffic volume and
speed, telemedicine where patients wear special monitors that gather information about the way
their heart is working, and business for tracking inventory and security. A recent development of
M2M is the use of sensors by companies to gather real-time information on how teams of
employees work and interact (Silverman 2013).
Social data comes from a variety of social media such as Twitter and Facebook. Terdiman (2012)
reported that Twitter has hit half a billion tweets a day. André, Bernstein, and Luther (2012)
indicated that millions of people read billions of tweets every day. Tam (2013) also reported that
Facebook active monthly users have increased to over one billion. These statistics suggest that
terabytes of data would be generated daily and petabytes of data would be created, collected,
read, interpreted, and responded over a short period of time.

ผลลัพธ์ (ไทย) 1:

Das และ Kumar (2013, p. 153) อธิบายไว้ว่า "ใช้จากรุ่งอรุณของอารยธรรมใน 2003สร้าง 5 Exabytes (1018 ไบต์) ของข้อมูล เราตอนนี้สร้างไดรฟ์ข้อมูลเดียวกันในเวลาเพียง 2 วัน"คาดการณ์ว่า ข้อมูลดิจิตอลจะเติบโต 8 Zettabytes (1021 ไบต์) โดย 2015 ซึ่งจะเทียบเท่า18 ล้านไลบรารีของชุมนุม ต่อไปอธิบายข้อมูลที่ไม่มีโครงสร้างข้อความเอกสาร ภาพ วิดีโอ ฯลฯ จะบัญชีสำหรับ 90% ของข้อมูลทั้งหมดที่สร้างขึ้นในทศวรรษต่อมา บิ๊กข้อมูลมาจากแหล่งต่าง ๆ ที่อาจมีข้อมูลเกี่ยวกับธุรกรรมขององค์กร ข้อมูล machinegenerated และข้อมูลทางสังคม (Oracle, 2012) มูลมาจากหลากหลายองค์กรโปรแกรมประยุกต์ที่รวมโปรแกรมประยุกต์ระดับองค์การเช่นระบบ ERP, SCM และ CRM เว็บธุรกรรม ธุรกรรม e-ธุรกิจ และ ธุรกิจ m อธิบาย Sathi (2012) ที่เป็นผู้ให้บริการสื่อสารกับลูกค้า 100 ล้านจะครอบครอง petabytes ห้าของข้อมูลหากเก็บไว้ 100 วัน ตัวอย่าง IBM (2013) ให้ของไดรฟ์ข้อมูลที่มีเปิด 12เทราไบต์ของฟีดสร้างแต่ละวันเป็นการวิเคราะห์ความเชื่อมั่นของผลิตภัณฑ์ดีขึ้น และการแปลง350 ล้านปีมิเตอร์เพื่อทำนายการใช้พลังงานข้อมูลที่สร้างขึ้นเครื่องรวมข้อมูลขนาดใหญ่ พวกเขาอาจมาจากเซนเซอร์เช่นสิ่งแวดล้อม และผลิตเซ็นเซอร์ เมตรสมาร์ท สมาร์ท การ์ด อุปกรณ์ การสแกน และเครื่องจักรอิเล็กทรอนิกส์ประมูล Maugh (2009) ระบุว่า 70 ล้าน CT สแกนดำเนินปี ซึ่งจะสร้างประมาณ 0.1 GB ของข้อมูลสำหรับแต่ละวันกับ 0.5 MB ต่อ CTสแกนภาพ (Strickland, 2004) Aylor (2001) กล่าวถึงการเปิดตัวของดาวเทียมความเร็วสูงที่แรกส่งข้อมูลธรณีวิทยาจากเรือออกจากบราซิลศูนย์ประมวลผลฮุสตัน และระบุที่เรือธรณี WesternGeco รักชาติใช้ซูเปอร์คอมพิวเตอร์ที่ IBM SPIIสร้างข้อมูลธรณีวิทยาบนเฉลี่ย 93 GB/วัน อีวานส์ (2012) กล่าวถึงการกระจายการชุดข้อมูลขนาดใหญ่เป็นอุปกรณ์ใหม่ 40 ล้านมีการเชื่อมต่ออินเทอร์เน็ตในไม่กี่ปีถัดไป Aปัจจัยการกระจายนี้เป็นข้อมูลเครื่องต่อเครื่อง (M2M) จากอุปกรณ์ระยะไกลถูกใช้อย่างกว้างขวางขึ้นทั่วทั้งองค์กร Crosby (2008) กล่าวถึงโปรแกรมประยุกต์จำนวนมากของ M2M ที่รวมบริษัทยูทิลิตี้เก็บเกี่ยวผลิตภัณฑ์พลังงานใช้เซ็นเซอร์ระยะไกลเพื่อตรวจสอบพารามิเตอร์ที่สำคัญในน้ำมันเจาะไซต์ จราจรควบคุมการใช้เซนเซอร์เพื่อตรวจสอบปริมาณ และความเร็ว telemedicine ที่ตรวจสอบผู้ป่วยสวมใส่พิเศษที่รวบรวมข้อมูลเกี่ยวกับวิธีการหัวใจของการทำงาน และธุรกิจในการติดตามสินค้าคงคลังและความปลอดภัย การพัฒนาล่าสุดM2M คือ ใช้เซนเซอร์โดยบริษัทเพื่อรวบรวมข้อมูลจริงในทีมพนักงานทำงาน และการโต้ตอบ (รับ 2013)ข้อมูลทางสังคมมาจากความหลากหลายของสื่อสังคมออนไลน์เช่น Facebook และ Twitter Terdiman (2012)รายงานว่า Twitter มีตีครึ่ง tweets เป็นพันล้านต่อวัน André นาร์ดเบิร์นสไตน์ และลูเธอร์ (2012)ระบุว่า เป็นล้าน ๆ คนอ่านพันเข้ามาทุกวัน ทาม (2013) ยังรายงานว่าผู้ใช้รายเดือนที่ใช้งาน Facebook ได้เพิ่มขึ้นกว่าหนึ่งพันล้าน สถิติเหล่านี้แนะนำที่เทราไบต์ของข้อมูลจะถูกสร้างขึ้นทุกวัน และ petabytes ข้อมูลจะ สร้าง รวบรวมอ่าน แปล และตอบสนองเป็นระยะเวลาสั้น ๆ

ผลลัพธ์ (ไทย) 2:

ดาสและมาร์ (. 2013, หน้า 153) อธิบายว่า "มันเอามาจากรุ่งอรุณของอารยธรรมที่จะปี 2003
เพื่อสร้าง5 เอ็กซาไบต์ (1018 bytes) สารสนเทศ ตอนนี้เราสร้างปริมาณเดียวกันในเวลาเพียงสองวัน.
"มันเป็นที่คาดการณ์ว่าข้อมูลดิจิตอลจะเติบโตถึง8 zettabytes (1021 bytes) ในปี 2015
ซึ่งเท่ากับไป18 ล้านห้องสมุดสภาคองเกรส มันยังอธิบายว่าข้อมูลที่ไม่มีโครงสร้างจากข้อความ,
เอกสาร, ภาพ, วิดีโอ, ฯลฯ จะคิดเป็น 90% ของข้อมูลทั้งหมดที่สร้างขึ้นในทศวรรษหน้า บิ๊กข้อมูลมาจากแหล่งที่แตกต่างกันที่อาจรวมถึงข้อมูลขององค์กรการทำธุรกรรมข้อมูล machinegenerated และข้อมูลทางสังคม (Oracle 2012)
ข้อมูลการทำธุรกรรมขององค์กรมาจากความหลากหลายของการใช้งานที่มีการใช้งานขององค์กรเช่น ERP SCM และระบบ CRM และเว็บการทำธุรกรรมe-business และการทำธุรกรรมมธุรกิจ Sathi (2012) อธิบายว่าผู้ให้บริการการสื่อสารที่มี100 ล้านลูกค้าจะครอบครองห้าเพตาไบต์ของข้อมูลหากเก็บไว้100 วัน ไอบีเอ็ม (2013) ให้ตัวอย่างของปริมาณที่มีการเปลี่ยน 12 เทราไบต์ของทวีตที่สร้างขึ้นในแต่ละวันในการวิเคราะห์ความเชื่อมั่นผลิตภัณฑ์ที่ดีขึ้นและการแปลง350000000000 อ่านมิเตอร์ประจำปีที่ดีกว่าการคาดการณ์การใช้พลังงาน. ข้อมูลเครื่องสร้างก่อให้เกิดข้อมูลขนาดใหญ่ พวกเขาอาจจะมาจากเซ็นเซอร์เช่นเซ็นเซอร์สิ่งแวดล้อมและการผลิตเมตรสมาร์ทสมาร์ทการ์ด, สแกนอุปกรณ์และเครื่องต่อเครื่องประกวดราคาอิเล็กทรอนิกส์ Maugh (2009) ชี้ให้เห็นว่า 70 ล้านของ CT สแกนได้ดำเนินการปีซึ่งจะสร้างประมาณ0.1 GB ของข้อมูลต่อวัน 0.5 MB ต่อ CT ภาพสแกน (Strickland, 2004) Aylor (2001) อธิบายการเปิดตัวของดาวเทียมความเร็วสูงครั้งแรกในการส่งข้อมูลแผ่นดินไหวจากเรือออกจากบราซิลไปยังศูนย์ประมวลผลฮุสตันและชี้ให้เห็นว่าเรือWesternGeco รักชาติแผ่นดินไหวโดยใช้ซูเปอร์คอมพิวเตอร์ IBM SPII สร้างข้อมูลแผ่นดินไหวเฉลี่ย 93 GB /วัน. อีแวนส์ (2012) กล่าวถึงการระเบิดของข้อมูลขนาดใหญ่ตั้งเป็น40 พันล้านอุปกรณ์ใหม่ที่มีการเชื่อมต่อกับอินเทอร์เน็ตในอีกไม่กี่ปีข้างหน้า ปัจจัยที่เอื้อต่อการระเบิดนี้เป็นเครื่องต่อเครื่อง (M2M) ข้อมูลจากอุปกรณ์ระยะไกลถูกนำมาใช้ในวงกว้างมากขึ้นทั่วทั้งองค์กร ครอสบี (2008) อธิบายการใช้งานมากของM2M ที่รวมถึง บริษัท ยูทิลิตี้การเก็บเกี่ยวพลังงานใช้เซ็นเซอร์ระยะไกลในการตรวจสอบพารามิเตอร์ที่สำคัญที่เว็บไซต์เจาะน้ำมันควบคุมการจราจรโดยใช้เซ็นเซอร์ในการตรวจสอบปริมาณการจราจรและความเร็วtelemedicine ที่ผู้ป่วยสวมใส่จอพิเศษที่รวบรวมข้อมูลเกี่ยวกับ วิธีที่หัวใจของพวกเขาคือการทำงานและธุรกิจสำหรับสินค้าคงคลังการติดตามและการรักษาความปลอดภัย การพัฒนาล่าสุดของM2M คือการใช้เซ็นเซอร์โดย บริษัท ในการรวบรวมข้อมูลตามเวลาจริงในวิธีที่ทีมของพนักงานทำงานและมีปฏิสัมพันธ์(Silverman 2013). ข้อมูลสังคมมาจากความหลากหลายของสื่อสังคมเช่น Twitter และ Facebook Terdiman (2012) รายงานว่าทวิตเตอร์ได้ตีครึ่งพันล้านทวีตต่อวัน Andréสเตนและลูเทอร์ (2012) ชี้ให้เห็นว่าผู้คนนับล้านอ่านพันล้านทวีตทุกวัน Tam (2013) นอกจากนี้ยังมีรายงานว่าFacebook ผู้ใช้รายเดือนที่ใช้งานได้เพิ่มขึ้นถึงกว่าหนึ่งพันล้าน สถิติเหล่านี้ชี้ให้เห็นว่าเทราไบต์ของข้อมูลที่จะได้รับการสร้างขึ้นในชีวิตประจำวันและเพตาไบต์ของข้อมูลจะถูกสร้างขึ้น, เก็บอ่านตีความและตอบสนองในช่วงเวลาสั้นๆ

ผลลัพธ์ (ไทย) 3:

ดาสกับคูมาร์ ( 2013 , หน้า 153 ) อธิบายว่า " มันเอามาจากรุ่งอรุณของอารยธรรม 2003สร้าง 5 เอ็กซาไบท์ ( 1018 ไบต์ของข้อมูล ; ตอนนี้เราสร้างระดับเสียงเดียวกันเพียงแค่สองวัน .คาดว่าข้อมูลดิจิตอลจะเติบโต 8 zettabytes ( 926 ไบต์ ) โดย 2015 , ซึ่งเทียบเท่า18 ล้าน ห้องสมุดรัฐสภา มันยังอธิบายว่าข้อมูลที่ไม่มีโครงสร้างจากข้อความเอกสาร , ภาพ , วิดีโอ ฯลฯ จะบัญชีสำหรับ 90% ของข้อมูลทั้งหมดที่สร้างขึ้นในทศวรรษหน้า ใหญ่ข้อมูลมาจากแหล่งที่แตกต่างกันที่อาจรวมถึงการดำเนินการขององค์กรข้อมูล machinegenerated และข้อมูลทางสังคม ( Oracle , 2012 ) องค์กรด้านข้อมูลมาจากต่างของโปรแกรมประยุกต์ซึ่งรวมถึงการนำระบบเช่น ERP , SCM และ CRM , เว็บการทำธุรกรรมธุรกิจอิเล็กทรอนิกส์และธุรกรรม m-business . sathi ( 2012 ) อธิบายไว้ว่าบริการสื่อสารผู้ให้บริการ 100 ล้าน ลูกค้าจะใช้ petabytes ของห้าข้อมูลถ้าเก็บไว้ 100 วัน IBM ( 2013 ) ให้ตัวอย่างของปริมาตรรวมเปลี่ยน 12เทราไบต์ของ tweets ที่สร้างขึ้นในแต่ละวันในการวิเคราะห์ความเชื่อมั่นของผลิตภัณฑ์ที่ดีขึ้นและการแปลง350 พันล้านอ่านเครื่องวัดประจำปีดีกว่า ทำนายการใช้พลังงานเครื่องที่สร้างข้อมูลที่มีข้อมูลใหญ่ พวกเขาอาจมาจากเซ็นเซอร์ เช่นสิ่งแวดล้อมและการผลิตเซ็นเซอร์เมตรสมาร์ท การ์ด และ สแกน อุปกรณ์เครื่องเครื่องประกวดราคาทางอิเล็กทรอนิกส์ maugh ( 2009 ) พบว่า 70 ล้าน CT สแกนจำนวนปี , ซึ่งจะสร้างประมาณ 1.7 GB ของข้อมูลต่อวันกับ 0.5 MB ต่อกะรัตสแกนภาพ ( Strickland , 2004 ) aylor ( 2001 ) อธิบายปล่อยดาวเทียมความเร็วสูงก่อนการส่งข้อมูลแผ่นดินไหวจากเรือจากบราซิลไปยังฮูสตันศูนย์ประมวลผลและพบว่า westerngeco ผู้รักชาติแผ่นดินไหวเรือใช้ IBM spii ซูเปอร์คอมพิวเตอร์สร้างข้อมูลแผ่นดินไหวโดยเฉลี่ย 93 GB / วัน อีแวนส์ ( 2012 ) กล่าวถึงการระเบิดของข้อมูลชุดใหญ่เป็น 40 พันล้านอุปกรณ์ใหม่ที่เชื่อมต่อกับอินเทอร์เน็ตในไม่กี่ปีถัดไป เป็นปัจจัยสนับสนุนการระเบิดนี้เป็นเครื่องเครื่อง ( M2M ) ข้อมูลจากอุปกรณ์ระยะไกลการใช้มากขึ้นอย่างกว้างขวางทั่วทั้งองค์กร ครอสบี ( 2008 ) อธิบายโปรแกรมหลาย ๆของ M2M ซึ่งรวมถึง บริษัท ยูทิลิตี้เก็บเกี่ยวผลิตภัณฑ์พลังงานโดยใช้เซ็นเซอร์ตรวจจับระยะไกลพารามิเตอร์ที่สำคัญที่เว็บไซต์เจาะน้ำมัน , การควบคุมการจราจรโดยใช้เซ็นเซอร์เพื่อตรวจสอบปริมาณการจราจรและความเร็ว , Telemedicine ที่ผู้ป่วยสวมจอภาพพิเศษที่รวบรวมข้อมูลเกี่ยวกับวิธีหัวใจของพวกเขาจะทำงานและธุรกิจเพื่อติดตามสินค้าคงคลังและการรักษาความปลอดภัย เป็นพัฒนาการล่าสุดของ? ? ? ? คือ ใช้เซ็นเซอร์ โดยบริษัทจะรวบรวมข้อมูลเรียลไทม์เกี่ยวกับวิธีทีมพนักงานทำงานและโต้ตอบ ( Silverman 2013 )ข้อมูลทางสังคมที่มาจากความหลากหลายของสื่อสังคมเช่น Twitter และ Facebook terdiman ( 2012 )รายงานว่า Twitter ได้ตีครึ่งพันล้านครั้งต่อวัน อังเดร เบิร์นสไตน์ , และลูเธอร์ ( 2012 )พบว่าคนหลายล้านคนอ่านพันล้านทวีตทุกวัน ตั้ม ( 2013 ) ยังได้รายงานว่าFacebook ใช้งานรายเดือนเพิ่มขึ้นมากกว่าหนึ่งพันล้าน สถิติเหล่านี้ชี้ให้เห็นว่าเทราไบต์ของข้อมูลจะถูกสร้างขึ้นทุกวันและ petabytes ข้อมูลจะถูกรวบรวมอ่าน ตีความ และตอบสนองในช่วงเวลาสั้นของเวลา