data that must be targeted to under

data that must be targeted to understand, plan and act in a
predictive way. This perspective raises new questions about
the quality of the data. In this context, people do not agree
with the definition of quality. The quality of the data may
be its high processing level or its relevance according to the
reality they represent. In fact, since Big Data is big and messy,
challenges can be classified into engineering tasks (managing
data at an unimaginable scale) and semantics (finding and
meaningfully combining information that is relevant to your
needs) [36] have identified each a relevant challenge for Big
Data:

ผลลัพธ์ (ไทย) 1:

ข้อมูลที่ต้องมีการกำหนดเป้าหมายเพื่อทำความเข้าใจ การวางแผน และดำเนินการคาดการณ์ได้ มุมมองนี้ทำให้เกิดคำถามใหม่เกี่ยวกับคุณภาพของข้อมูล ในบริบทนี้ คนที่ไม่ยอมรับมีการกำหนดคุณภาพ คุณภาพของข้อมูลอาจระดับการประมวลผลสูงหรือที่เกี่ยวข้องตามความจริงที่พวกเขาแสดง ในความเป็นจริง เนื่องจากข้อมูลมีขนาดใหญ่ และ ยุ่งความท้าทายสามารถแบ่งได้ (การจัดการงานวิศวกรรมข้อมูลในระดับเป็นไปไม่) และความหมาย (การค้นหา และมีการรวมข้อมูลที่เกี่ยวข้องกับการต้อง) [36] ได้ระบุแต่ละความท้าทายที่เกี่ยวข้องสำหรับขนาดใหญ่ข้อมูล:

ผลลัพธ์ (ไทย) 2:

ข้อมูลที่จะต้องมีการกำหนดเป้าหมายที่จะเข้าใจในการวางแผนและกระทำใน
วิธีการทำนาย มุมมองนี้ก่อให้เกิดคำถามใหม่ ๆ เกี่ยวกับ
คุณภาพของข้อมูล ในบริบทนี้คนไม่เห็นด้วย
กับความหมายของคุณภาพ คุณภาพของข้อมูลอาจ
จะมีการประมวลผลระดับสูงหรือความเกี่ยวข้องให้เป็นไปตาม
ความเป็นจริงพวกเขาเป็นตัวแทน ในความเป็นจริงตั้งแต่ข้อมูลขนาดใหญ่ที่มีขนาดใหญ่และยุ่ง
กับความท้าทายสามารถแบ่งได้เป็นงานวิศวกรรม (การจัดการ
ข้อมูลในระดับเป็นไปไม่ได้) และความหมาย (ค้นหาและ
ข้อมูลมีความหมายรวมที่เกี่ยวข้องกับของคุณ
ความต้องการ) [36] ได้ระบุแต่ละความท้าทายที่เกี่ยวข้อง สำหรับบิ๊ก
ข้อมูล: