2. What is big data?Manyika et al.

2. What is big data?
Manyika et al. define Big Data as “datasets whose size is beyond the ability of typical database software tools to capture, store, manage, and analyze”. Likewise, Davis and Patterson say “Big data is data too big to be handled and analyzed by traditional database protocols such as SQL”; and the same opinion is shared Both groups of authors previously mentioned go beyond the only size aspects of data when defining Big Data! Edd Dumbill in
explicitly conveys the multi-dimensionality of Big Data when adding that “the data is too big, moves too fast, or doesn’t fit the strictures of your database architectures”. This quotation allows us to see that extra characteristics should be added to large datasets to be considered as Big Data, or big size data as often found throughout the literature. Now it is assumed that size is not the only feature of Big Data. Many authors explicitly use the Three V’s (Volume, Variety and Velocity) to characterize Big Data. If the three V’s are largely found in the literature, many authors and institutes like IEEE focus on Big Data Value, Veracity and Visualization. This last “V” to notice how important it is to provide good tools to figure out data and analysis’ results.
Volume (Data in rest). The benefit gained from the ability to process large amounts of information is the main attraction of big data analytics. Having more data beats having better models . The consequence is that it is a trend for many companies to store vast amount of various sorts of data: social networks data, health care data, financial data, biochemistry and genetic data, astronomical data, etc.
Variety (Data in many forms). These data do not have a fixed structure and rarely present themselves in a perfectly ordered form and ready for processing [12]. Indeed, such data can be highly structured (data from relational databases), semi-structured (web logs, social media feeds, raw feed directly from a sensor source, email, etc.) or unstructured (video, still images, audio, clicks) . Another “V”, for Variability, can be added to variety to emphasize on semantics, or the variability of meaning in language and communication protocols.
Velocity (Data in motion). Velocity involves streams of data, structured records creation, and availability for access and delivery. Indeed it is not just the velocity of the incoming data that is the issue: it is possible to stream fast-moving data into bulk storage for later batch processing, for example. The importance lies in the speed of the feedback loop, taking data from input through to decision.
Value (Data in highlight). This feature is the purpose of Big Data technology. This view is well expressed by the International Data Corporation when saying that Big Data architectures are: “designed to economically extract value from very large volumes of a wide variety of data, by enabling high-velocity capture, discovery, and/or analysis”. This value falls into two categories: analytical use (replacing/supporting human decision, discovering needs, segmenting populations to customize actions) and enabling new business models, products and services.
Veracity (Data in doubt). Veracity is what is conformwith truth or fact, or in short, Accuracy, Certainty, Precision. Uncertainty can be caused by inconsistencies, model approximations, ambiguities, deception, fraud, duplication, incompleteness, spam and latency. Due to veracity, results derived from Big data cannot be proven; but they can be assigned a probability. To conclude, dealing effectively with Big Data requires one to create value against the volume, variety and veracity of data while it is still in motion (velocity), not just after it is at rest . And at the end, as recommended , scientists must jointly tackle Big Data with all its features.

ผลลัพธ์ (ไทย) 1:

2.เป็นข้อมูลManyika ร้อยเอ็ดกำหนดข้อมูลเป็น "ชุดข้อมูลที่มีขนาดไม่เกินความสามารถของเครื่องมือซอฟต์แวร์ฐานข้อมูลทั่วไปจับภาพ จัดเก็บ จัดการ และวิเคราะห์" ในทำนองเดียวกัน Davis และตกล่าวว่า "ข้อมูลคือ ข้อมูลใหญ่เกินไปที่จะจัดการ และวิเคราะห์ โดยโพรโทคอฐานข้อมูลดั้งเดิมเช่น SQL" และสอดคล้องร่วมกันทั้งกลุ่มของผู้เขียนที่กล่าวถึงก่อนหน้านี้ ไปไกลกว่าเพียงขนาดของข้อมูลเมื่อกำหนดข้อมูล Edd Dumbill ในอย่างชัดเจนถ่ายทอดมิติหลายของข้อมูลเมื่อมีการเพิ่ม "ข้อมูลใหญ่เกินไป เคลื่อนที่เร็วเกินไป ไม่พอดีกับ strictures ของสถาปัตยกรรมของฐานข้อมูล" ใบเสนอราคานี้ให้เราได้เห็นว่า ลักษณะพิเศษควรเพิ่มชุดข้อมูลขนาดใหญ่จะถือว่าเป็นข้อมูลขนาดใหญ่ หรือข้อมูลขนาดใหญ่ที่พบบ่อยทั้งวรรณคดี ตอนนี้ มันจะสันนิษฐานว่า ขนาดไม่ใช่คุณลักษณะเฉพาะของข้อมูลขนาดใหญ่ ผู้เขียนหลายอย่างชัดเจนใช้สาม V ของ (ปริมาณ ความหลากหลาย และความเร็ว) กับลักษณะข้อมูล ถ้าของ V สามส่วนใหญ่พบในวรรณคดี ผู้เขียนและสถาบันมากมายเช่น IEEE เน้น ค่าข้อมูลใหญ่ จริง และแสดง "V" สังเกตความสำคัญคือการให้เครื่องมือเพื่อดูข้อมูลและผลลัพธ์ของการวิเคราะห์ครั้งปริมาณ (ข้อมูลในส่วนที่เหลือ) ประโยชน์ที่ได้รับจากความสามารถในการประมวลผลข้อมูลจำนวนมากเป็นแหล่งท่องเที่ยวหลักของการวิเคราะห์ข้อมูลขนาดใหญ่ มีการเพิ่มเติมข้อมูลเต้นมีรุ่นดีกว่า โทษคือ ว่า มันเป็นแนวโน้มสำหรับเก็บข้อมูลประเภทต่าง ๆ จำนวนมากหลายบริษัท: ข้อมูลเครือข่ายทางสังคม ข้อมูลสุขภาพ ข้อมูลทางการเงิน ชีวเคมี และข้อมูลทางพันธุกรรม ข้อมูลดารา ฯลฯหลากหลาย (ข้อมูลในหลายรูปแบบ) ข้อมูลเหล่านี้มีโครงสร้างถาวร และไม่ค่อยแสดงตัวเอง ในแบบฟอร์มการสั่งซื้ออย่างสมบูรณ์แบบ และพร้อมสำหรับการประมวลผล [12] แน่นอน ข้อมูลดังกล่าวสามารถมีโครงสร้างสูง (ข้อมูลจากฐานข้อมูลเชิงสัมพันธ์) , กึ่งโครงสร้าง (เว็บล็อก ฟีดสังคม อาหารดิบโดยตรงจากการเซ็นเซอร์แหล่ง อีเมล ฯลฯ) หรือไม่มีโครงสร้าง (วิดีโอ ทำภาพ เสียง คลิ) สามารถเพิ่มอีก "V" สำหรับความแปรปรวน ความหลากหลายเพื่อเน้นความหมายของ หรือความแปรปรวนของความหมายในภาษาและการสื่อสารความเร็ว (ข้อมูลภาพเคลื่อนไหว) ความเร็วเกี่ยวข้องกับกระแสของข้อมูล ระเบียนโครงสร้าง และพร้อมสำหรับการเข้าถึงและจัดส่ง แน่นอนมันไม่ได้แค่ความเร็วของข้อมูลขาเข้าที่มีปัญหา: เป็นไปได้ที่การสตรีมข้อมูลที่เคลื่อนที่เร็วลงพื้นที่เก็บข้อมูลจำนวนมากสำหรับการประมวลผลชุดงานในภายหลัง ตัวอย่างเช่น ความสำคัญอยู่ที่ความเร็วในการวนรอบคำติชม การข้อมูลจากการป้อนข้อมูลผ่านการตัดสินใจค่า (ข้อมูลในไฮไลท์) คุณลักษณะนี้มีวัตถุประสงค์ของเทคโนโลยีข้อมูลขนาดใหญ่ มุมมองนี้เป็นอย่างดี โดย บริษัทข้อมูลนานาชาติเมื่อแจ้งว่า ข้อมูลก็ไม่: "ออกแบบเพื่อแยกค่า โดยการใช้ความเร็วสูงจับภาพ ค้นหา หรือวิเคราะห์จากปริมาณมากของความหลากหลายของข้อมูล เศรษฐกิจ" ค่านี้จัดอยู่ในประเภทที่สอง: ใช้วิเคราะห์ (แทนสนับสนุนมนุษย์ตัดสินใจ การค้นพบความต้องการ แบ่งกลุ่มประชากรการกำหนดการดำเนินการ) และเปิดใช้งานรูปแบบธุรกิจใหม่ ผลิตภัณฑ์ และบริการจริง (ข้อมูลข้อสงสัย) จริงคือ สิ่งที่เป็นจริง conformwith หรือความเป็นจริง หรือ ในระยะ สั้น ถูกต้อง ความแม่นยำ ความแน่นอน ความไม่แน่นอนอาจมีสาเหตุจากไม่สอดคล้องกัน เพียงการประมาณแบบจำลอง สู่การงงงวย หลอกลวง ทุจริต ทำสำเนา เกอเดล สแปม และเวลาแฝง จริง เนื่องจากไม่สามารถพิสูจน์ผลที่ได้มาจากข้อมูล แต่สามารถกำหนดความน่าเป็น เพื่อสรุป จัดการกับข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพต้องมีการสร้างค่าปริมาตร ความหลากหลาย และถูกต้องของข้อมูลในขณะที่ยังอยู่ในเคลื่อนไหว (ความเร็ว), ไม่เพียงแต่หลังจากที่เหลือ และปลาย แนะนำ นักวิทยาศาสตร์ต้องร่วมกันจัดการข้อมูลขนาดใหญ่ ด้วยคุณสมบัติทั้งหมด

ผลลัพธ์ (ไทย) 2:

2. ข้อมูลขนาดใหญ่อะไร
Manyika et al, กำหนดข้อมูลขนาดใหญ่เป็น "ชุดข้อมูลที่มีขนาดเกินความสามารถของเครื่องมือซอฟต์แวร์ฐานข้อมูลทั่วไปในการจับภาพ, จัดเก็บจัดการและวิเคราะห์" ในทำนองเดียวกันเดวิสและแพตเตอร์สันกล่าวว่า "ข้อมูลขนาดใหญ่เป็นข้อมูลที่มีขนาดใหญ่เกินไปที่จะจัดการและวิเคราะห์โดยโปรโตคอลฐานข้อมูลแบบดั้งเดิมเช่น SQL"; และความคิดเห็นแบบเดียวกันจะใช้ร่วมกันทั้งสองกลุ่มของผู้เขียนกล่าวถึงก่อนหน้านี้ไปไกลกว่าด้านขนาดของข้อมูลเท่านั้นเมื่อกำหนดข้อมูลขนาดใหญ่! กรม Dumbill ใน
อย่างชัดเจนบ่งบอกถึงหลายมิติของข้อมูลขนาดใหญ่เมื่อเสริมว่า "ข้อมูลที่มีขนาดใหญ่เกินไปย้ายเร็วเกินไปหรือไม่พอดีระบายสถาปัตยกรรมฐานข้อมูลของคุณ" คำพูดนี้ช่วยให้เราเห็นว่าลักษณะพิเศษควรจะเพิ่มชุดข้อมูลขนาดใหญ่ที่จะได้รับการพิจารณาเป็นข้อมูลขนาดใหญ่หรือข้อมูลขนาดใหญ่เป็นมักจะพบได้ทั่ววรรณกรรม ตอนนี้ก็พอจะสันนิษฐานได้ว่าขนาดไม่ได้เป็นคุณลักษณะเฉพาะของข้อมูลขนาดใหญ่ ผู้เขียนหลายอย่างชัดเจนใช้สามวี (ปริมาณ, วาไรตี้และความเร็ว) ที่จะอธิบายลักษณะข้อมูลขนาดใหญ่ ถ้าสามวีส่วนใหญ่จะพบในวรรณคดีหลายคนเขียนและสถาบันเช่น IEEE มุ่งเน้นไปที่ราคาข้อมูลขนาดใหญ่และการมองเห็นความจริง สุดท้ายนี้ "วี" เพื่อแจ้งให้ทราบว่าที่สำคัญก็คือการให้เครื่องมือที่ดีที่จะคิดออกข้อมูลและผลการวิเคราะห์ '.
ปริมาณ (ข้อมูลในส่วนที่เหลือ) ผลประโยชน์ที่ได้รับจากความสามารถในการประมวลผลข้อมูลจำนวนมากเป็นแหล่งท่องเที่ยวหลักของการวิเคราะห์ข้อมูลขนาดใหญ่ มีมากขึ้นเต้นข้อมูลที่มีรูปแบบที่ดีขึ้น ผลที่ตามมาก็คือว่ามันเป็นเทรนด์สำหรับหลาย บริษัท ในการจัดเก็บจำนวนมากมายของประเภทต่างๆของข้อมูล: ข้อมูลเครือข่ายทางสังคม, ข้อมูลการดูแลสุขภาพ, ข้อมูลทางการเงิน, ชีวเคมีและข้อมูลทางพันธุกรรมข้อมูลดาราศาสตร์ ฯลฯ
วาไรตี้ (ข้อมูลในหลายรูปแบบ) ข้อมูลเหล่านี้ไม่ได้มีโครงสร้างพื้นฐานและไม่ค่อยนำเสนอตัวเองในรูปแบบที่ได้รับคำสั่งอย่างสมบูรณ์และพร้อมสำหรับการประมวลผล [12] อันที่จริงแล้วข้อมูลดังกล่าวจะมีโครงสร้างสูง (ข้อมูลจากฐานข้อมูลเชิงสัมพันธ์) กึ่งโครงสร้าง (บันทึกการใช้เว็บฟีดสื่อสังคมฟีดดิบโดยตรงจากแหล่งเซ็นเซอร์, อีเมล์, ฯลฯ ) หรือไม่มีโครงสร้าง (วิดีโอภาพนิ่งเสียงคลิก ) อีก "วี" สำหรับความแปรปรวนสามารถเพิ่มความหลากหลายในการให้ความสำคัญกับความหมายหรือความแปรปรวนของความหมายในภาษาและการสื่อสารโปรโตคอล.
Velocity (ข้อมูลในการเคลื่อนไหว) ความเร็วที่เกี่ยวข้องกับการไหลของข้อมูลที่มีโครงสร้างการสร้างบันทึกและความพร้อมสำหรับการเข้าถึงและการส่งมอบ อันที่จริงมันไม่ได้เป็นเพียงแค่ความเร็วของข้อมูลที่เข้ามาว่าเป็นปัญหา: มันเป็นไปได้ที่จะสตรีมการเคลื่อนไหวที่รวดเร็วในการจัดเก็บข้อมูลจำนวนมากสำหรับการประมวลผลชุดต่อมาตัวอย่างเช่น ความสำคัญอยู่ในความเร็วของห่วงความคิดเห็นที่นำข้อมูลจากการป้อนข้อมูลผ่านไปสู่การตัดสินใจ.
มูลค่า (ข้อมูลในไฮไลท์) คุณลักษณะนี้จะเป็นจุดประสงค์ของเทคโนโลยีข้อมูลขนาดใหญ่ มุมมองนี้จะแสดงอย่างดีจาก บริษัท อินเตอร์เนชั่นแนลดาต้าคอร์ปอเรชั่นเมื่อบอกว่าสถาปัตยกรรมข้อมูลขนาดใหญ่ได้รับการ "ออกแบบมาเพื่อดึงค่าทางเศรษฐกิจจากปริมาณมากของความหลากหลายของข้อมูลโดยการเปิดใช้ความเร็วสูงจับภาพการค้นพบและ / หรือการวิเคราะห์" ค่านี้ตกอยู่ในสองประเภท:. ใช้การวิเคราะห์ (เปลี่ยน / สนับสนุนการตัดสินใจของมนุษย์ค้นพบความต้องการแบ่งกลุ่มประชากรในการปรับแต่งการกระทำ) และการเปิดใช้งานรูปแบบธุรกิจผลิตภัณฑ์และบริการใหม่
ความจริง (ข้อมูลในการสงสัย) ความจริงคือสิ่งที่เป็นความจริง conformwith หรือความเป็นจริงหรือในระยะสั้นความถูกต้องแน่นอนแม่นยำ ความไม่แน่นอนอาจเกิดจากความไม่สอดคล้องกัน, การประมาณรุ่นงงงวยหลอกลวงฉ้อโกงซ้ำ, ไม่สมบูรณ์สแปมและแฝง เนื่องจากความจริงผลที่ได้มาจากข้อมูลขนาดใหญ่ไม่สามารถพิสูจน์; แต่พวกเขาสามารถกำหนดความน่าจะเป็น เพื่อสรุปการจัดการอย่างมีประสิทธิภาพกับข้อมูลขนาดใหญ่ต้องใช้อย่างใดอย่างหนึ่งในการสร้างมูลค่ากับปริมาณความหลากหลายและความถูกต้องของข้อมูลในขณะที่มันยังอยู่ในการเคลื่อนไหว (ความเร็ว) ไม่เพียง แต่หลังจากที่มันเป็นในส่วนที่เหลือ และในตอนท้ายตามคำแนะนำของนักวิทยาศาสตร์จะต้องร่วมกันแก้ไขปัญหาข้อมูลขนาดใหญ่ที่มีคุณสมบัติทั้งหมดของ

ผลลัพธ์ (ไทย) 3:

2 . อะไรคือข้อมูลใหญ่manyika et al . กําหนดข้อมูลใหญ่เป็นข้อมูลที่มีขนาดเกินความสามารถของเครื่องมือซอฟต์แวร์ฐานข้อมูลทั่วไปเพื่อจับภาพ , จัดเก็บ , จัดการ และวิเคราะห์ " อนึ่ง เดวิส และ แพตเตอร์สันกล่าวว่า " ข้อมูลใหญ่ข้อมูลมากเกินไปที่จะจัดการ และวิเคราะห์โดยโปรแกรมฐานข้อมูลแบบดั้งเดิมเช่น SQL " และมีความเห็นร่วมกันทั้งกลุ่มของผู้เขียนกล่าวถึงก่อนหน้านี้นอกเหนือไปจากด้านเดียวของข้อมูลเมื่อมีการกำหนดขนาดข้อมูลใหญ่ ของ dumbill ในโดยสื่อหลาย dimensionality ใหญ่ข้อมูลเมื่อเพิ่มว่า " ข้อมูลที่มีขนาดใหญ่เกินไป รวดเร็วเกินไป หรือ ไม่เหมาะกับ ทบทวน ของสถาปัตยกรรมฐานข้อมูลของคุณ ใบเสนอราคานี้ช่วยให้เราเพื่อดูว่า ลักษณะพิเศษ ควรเพิ่มข้อมูลขนาดใหญ่จะถือว่าเป็นข้อมูลที่ใหญ่ หรือใหญ่ขนาดข้อมูลที่มักจะพบได้ตลอดทั้งวรรณกรรม ตอนนี้ก็ถือว่า ขนาดไม่ได้เป็นคุณลักษณะเฉพาะของข้อมูลใหญ่ ผู้เขียนหลายคนนี้ใช้ 3 V ( ระดับเสียงที่หลากหลายและความเร็ว ) ในลักษณะของข้อมูลใหญ่ ถ้า 3 V เป็นส่วนใหญ่พบในวรรณกรรม ผู้เขียนหลายสถาบัน เช่น สถาบันมุ่งเน้นข้อมูลค่าใหญ่จริงและการมองเห็น นี้ล่าสุด " วี " จะสังเกตเห็นว่ามันสำคัญเพื่อให้เครื่องมือที่ดีที่จะหาข้อมูล และการวิเคราะห์ผลปริมาณข้อมูลในส่วนที่เหลือ ) ผลประโยชน์ที่ได้รับจากความสามารถในการประมวลผลจำนวนมากของข้อมูลที่เป็นจุดดึงดูดหลักของการวิเคราะห์ข้อมูลใหญ่ มีข้อมูลเพิ่มเติมที่เต้นมีรุ่นที่ดีกว่า ผลคือ มันเป็นแนวโน้มสำหรับหลาย บริษัท ที่จะเก็บจำนวนเงินที่มากมายของประเภทต่างๆของข้อมูลที่เครือข่ายทางสังคม , การดูแลสุขภาพ ข้อมูลทางการเงิน และข้อมูลทางชีวเคมี , ดาราศาสตร์ข้อมูล ฯลฯความหลากหลาย ( ข้อมูลหลายรูปแบบ ) ข้อมูลเหล่านี้ไม่ได้มีโครงสร้างถาวรและไม่ค่อยนำเสนอตัวเองในรูปแบบสมบูรณ์ สั่งและพร้อมสำหรับการประมวลผล [ 12 ] จริงๆ ข้อมูลดังกล่าวจะเป็นโครงสร้างสูง ( ข้อมูลจากฐานข้อมูลเชิงสัมพันธ์ ) แบบกึ่งโครงสร้าง ( บันทึกการใช้เว็บสื่อสังคม อาหารสัตว์ วัตถุดิบอาหารสัตว์ได้โดยตรงจากเซ็นเซอร์แหล่งที่มา , อีเมล , ฯลฯ ) หรือที่ไม่มีโครงสร้าง ( วิดีโอ , ภาพนิ่ง , เสียง , การคลิก ) " วี " , ซึ่งสามารถเพิ่มความหลากหลายเพื่อเน้นความหมายหรือความแปรปรวนของความหมายในภาษาและการสื่อสารโปรโตคอลความเร็ว ( ข้อมูลในการเคลื่อนไหว ) ความเร็วเกี่ยวข้องกับกระแสของข้อมูลบันทึกการสร้างโครงสร้างและความพร้อมสำหรับการเข้าถึงและการส่งมอบ แน่นอนมันไม่ได้เป็นแค่ความเร็วของข้อมูลขาเข้าที่เป็นปัญหา : มันเป็นไปได้ที่จะสตรีมข้อมูลอย่างรวดเร็วในกลุ่มการจัดเก็บการประมวลผลชุดในภายหลัง ตัวอย่างเช่น ความสำคัญในความเร็วของการตอบรับ ห่วง เอาข้อมูลจากอินพุตผ่านการตัดสินใจค่า ( ข้อมูลในไฮไลท์ ) คุณลักษณะนี้เป็นจุดประสงค์ของเทคโนโลยีข้อมูลใหญ่ มุมมองนี้จะแสดงโดยคอร์ปอเรชั่นข้อมูลระหว่างประเทศ เมื่อบอกว่า สถาปัตยกรรมข้อมูลใหญ่ " ที่ออกแบบมาเพื่อประหยัดค่าสารสกัดจากขนาดใหญ่มาก ปริมาณของความหลากหลายของข้อมูล โดยเปิดใช้งานจับภาพความเร็วสูง การค้นพบ และ / หรือการวิเคราะห์ " ราคานี้แบ่งได้เป็นสองประเภท : ใช้วิเคราะห์ ( แทน / สนับสนุนการตัดสินใจของมนุษย์ได้ค้นพบความต้องการ กลุ่มประชากรที่จะปรับการกระทำ ) และเปิดโมเดลธุรกิจใหม่ สินค้าและบริการจริง ( ข้อมูลสงสัย ) คำพูดเป็นสิ่งที่ conformwith ความจริงหรือข้อเท็จจริง หรือในระยะสั้น , ความถูกต้อง , ความแน่นอน , ความละเอียด ความไม่แน่นอน อาจเกิดจากความไม่สอดคล้องกัน , รูปแบบการงงงวย , การหลอกลวง , การทุจริต ซ้ําซ้อน incompleteness สแปม และแฝงอยู่ เนื่องจากผลลัพธ์ที่ได้มาจากข้อมูลใหญ่จริงก็ไม่สามารถพิสูจน์ได้ แต่พวกเขาสามารถมอบหมายให้ความน่าจะเป็น โดยสรุป การจัดการอย่างมีประสิทธิภาพกับข้อมูลใหญ่ต้องหนึ่งที่จะสร้างคุณค่ากับระดับเสียงที่หลากหลายและความเป็นจริงของข้อมูลในขณะที่มันยังคงอยู่ในการเคลื่อนไหว ( ความเร็ว ) , ไม่เพียง แต่หลังจากที่มีการพัก และในตอนท้าย เป็น แนะนำ นักวิทยาศาสตร์ต้องเล่นงานใหญ่ข้อมูลที่มีคุณสมบัติทั้งหมดของ