What is big dataManyika et al. [10,

What is big data

Manyika et al. [10, page 1] 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 [1, page 4] 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 by [11,3,4], etc. Both groups of authors previously mentioned go beyond the only size aspects of data when defining Big Data! Edd Dumbill in [12, page 3] 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 [2].
Now it is assumed that size is not the only feature of Big Data. Many authors [1,12,11,9,13,4] 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 [10,13] 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 [12]. 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 per- fectly 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) [12]. Another “V”, for Vari- ability, 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.3 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 [12].
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 [12,10].
Veracity (Data in doubt). Veracity is what is conform with 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 [11]. And at the end, as recommended by [13], scientists must jointly tackle Big Data with all its features

ผลลัพธ์ (ไทย) 1:

ข้อมูลคืออะไรManyika ร้อยเอ็ด [10 หน้า 1] กำหนดข้อมูลเป็น "ชุดข้อมูลที่มีขนาดไม่เกินความสามารถของเครื่องมือซอฟต์แวร์ฐานข้อมูลทั่วไปจับภาพ จัดเก็บ จัดการ และวิเคราะห์" ทำนองเดียวกัน Davis และต [1 หน้า 4] กล่าวว่า "ข้อมูลคือ ข้อมูลใหญ่เกินไปที่จะจัดการ และวิเคราะห์ โดยโพรโทคอฐานข้อมูลดั้งเดิมเช่น SQL" และสอดคล้องร่วมกัน [11,3,4], เป็นต้น กลุ่มของผู้เขียนที่กล่าวถึงก่อนหน้านี้ ไปไกลกว่าเพียงขนาดของข้อมูลเมื่อกำหนดข้อมูล Edd Dumbill ใน [12 หน้า 3] ถ่ายทอดมิติหลายของข้อมูลอย่างชัดเจนเมื่อมีการเพิ่ม "ข้อมูลใหญ่เกินไป เคลื่อนที่เร็วเกินไป ไม่พอดีกับ strictures ของสถาปัตยกรรมของฐานข้อมูล" ใบเสนอราคานี้ให้เราได้เห็นว่า ลักษณะพิเศษควรเพิ่มชุดข้อมูลขนาดใหญ่จะถือว่าเป็นข้อมูลขนาดใหญ่ หรือข้อมูลขนาดใหญ่ที่พบบ่อยทั้งวรรณกรรม [2]ตอนนี้ มันจะสันนิษฐานว่า ขนาดไม่ใช่คุณลักษณะเฉพาะของข้อมูลขนาดใหญ่ ผู้เขียนหลาย [1,12,11,9,13,4] ได้ใช้สาม V ของ (ปริมาณ ความหลากหลาย และความเร็ว) กับลักษณะข้อมูล ถ้าของ V สามส่วนใหญ่พบในวรรณคดี ผู้สร้าง [10,13] และสถาบันหลายเช่น IEEE เน้น ค่าข้อมูลใหญ่ จริง และแสดงภาพประกอบเพลง นี้ล่าสุด "V" สังเกตมีความสำคัญอย่างไรให้เครื่องมือเพื่อดูข้อมูลและผลลัพธ์ของการวิเคราะห์ปริมาณ (ข้อมูลในส่วนที่เหลือ) ประโยชน์ที่ได้รับจากความสามารถในการประมวลผลข้อมูลจำนวนมากเป็นแหล่งท่องเที่ยวหลักของการวิเคราะห์ข้อมูลขนาดใหญ่ มีข้อมูลเพิ่มเติมก็เต้นดีกว่ามีรุ่น [12] โทษคือ ว่า มันเป็นแนวโน้มสำหรับเก็บข้อมูลประเภทต่าง ๆ จำนวนมากหลายบริษัท: ข้อมูลเครือข่ายทางสังคม ข้อมูลสุขภาพ ข้อมูลทางการเงิน ชีวเคมี และข้อมูลทางพันธุกรรม ข้อมูลดารา ฯลฯหลากหลาย (ข้อมูลในหลายรูปแบบ) ข้อมูลเหล่านี้ไม่มีโครงสร้างถาวร และไม่ค่อยแสดงตัวในการต่อ-fectly สั่งแบบฟอร์มและพร้อมสำหรับการประมวลผล [12] ข้อมูลดังกล่าวสามารถได้สูง (ข้อมูลจากฐานข้อมูลเชิงสัมพันธ์) , กึ่งโครงสร้าง (เว็บล็อก ฟีดสังคม อาหารดิบโดยตรงจากการเซ็นเซอร์แหล่ง อีเมล ฯลฯ) หรือไม่มีโครงสร้าง (วิดีโอ ทำภาพ เสียง คลิ) [12] อื่น "V" สำหรับความสามารถภาพ สามารถเพิ่มไปเพื่อเน้นความหมายของ หรือความแปรปรวนของความหมายในภาษาและการสื่อสารความเร็ว (ข้อมูลภาพเคลื่อนไหว) ความเร็วเกี่ยวข้องกับกระแสของข้อมูล ระเบียนโครงสร้าง และพร้อมสำหรับการเข้าถึงและ delivery.3 Indeed ไม่เพียงความเร็วของการเข้ามาข้อมูลที่มีปัญหา: เป็นไปได้ที่การสตรีมข้อมูลที่เคลื่อนที่เร็วลงพื้นที่เก็บข้อมูลจำนวนมากสำหรับการประมวลผลชุดงานในภายหลัง ตัวอย่างเช่น ความสำคัญอยู่ที่ความเร็วในการวนรอบคำติชม การข้อมูลจากการป้อนข้อมูลผ่านการตัดสินใจ [12]ค่า (ข้อมูลในไฮไลท์) คุณลักษณะนี้มีวัตถุประสงค์ของเทคโนโลยีข้อมูลขนาดใหญ่ มุมมองนี้เป็นอย่างดี โดย บริษัทข้อมูลนานาชาติเมื่อพูดที่ใหญ่มีสถาปัตยกรรมข้อมูล: "ออกแบบเพื่อแยกค่า โดยการใช้ความเร็วสูงจับภาพ ค้นหา หรือวิเคราะห์จากปริมาณมากของความหลากหลายของข้อมูล เศรษฐกิจ" ค่านี้จัดอยู่ในประเภทที่สอง: ใช้วิเคราะห์ (แทนสนับสนุนมนุษย์ตัดสินใจ การค้นพบความต้องการ แบ่งกลุ่มประชากรการกำหนดการดำเนินการ) และเปิดใช้งานรูปแบบธุรกิจใหม่ ผลิตภัณฑ์ และบริการ [12,10]จริง (ข้อมูลข้อสงสัย) จริงคือ สิ่งสอดคล้อง กับความจริงหรือข้อเท็จจริง หรือ ในระยะ สั้น ความแม่นยำ ความแน่นอน ความแม่นยำ ความไม่แน่นอนอาจมีสาเหตุจากไม่สอดคล้องกัน เพียงการประมาณแบบจำลอง สู่การงงงวย หลอกลวง ทุจริต ทำสำเนา เกอเดล สแปม และเวลาแฝง จริง เนื่องจากไม่สามารถพิสูจน์ผลที่ได้มาจากข้อมูล แต่สามารถกำหนดความน่าเป็นเพื่อสรุป จัดการกับข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพต้องมีการสร้างค่าปริมาตร ความหลากหลาย และถูกต้องของข้อมูลในขณะที่ยังอยู่ในเคลื่อนไหว (ความเร็ว), ไม่เพียงแต่หลังจากที่ [11] และปลาย แนะนำ โดย [13], นักวิทยาศาสตร์ต้องร่วมกันจัดการข้อมูลขนาดใหญ่ ด้วยคุณสมบัติทั้งหมด

ผลลัพธ์ (ไทย) 2:

คือข้อมูลขนาดใหญ่อะไรManyika et al, [10 หน้า 1] กำหนดข้อมูลขนาดใหญ่เป็น "ชุดข้อมูลที่มีขนาดเกินความสามารถของเครื่องมือซอฟต์แวร์ฐานข้อมูลทั่วไปในการจับภาพ, จัดเก็บจัดการและวิเคราะห์" ในทำนองเดียวกันเดวิสและแพตเตอร์สัน [1, หน้า 4] พูดว่า "ข้อมูลขนาดใหญ่เป็นข้อมูลที่มีขนาดใหญ่เกินไปที่จะจัดการและวิเคราะห์โดยโปรโตคอลฐานข้อมูลแบบดั้งเดิมเช่น SQL"; และมีความคิดเห็นแบบเดียวกันจะใช้ร่วมกันโดย [11,3,4] ฯลฯ ทั้งสองกลุ่มของผู้เขียนกล่าวถึงก่อนหน้านี้ไปไกลกว่าในด้านขนาดของข้อมูลเท่านั้นเมื่อกำหนดข้อมูลขนาดใหญ่! กรม Dumbill ใน [12, หน้า 3] บ่งบอกอย่างชัดเจนหลายมิติของข้อมูลขนาดใหญ่เมื่อเสริมว่า "ข้อมูลที่มีขนาดใหญ่เกินไปย้ายเร็วเกินไปหรือไม่พอดีระบายสถาปัตยกรรมฐานข้อมูลของคุณ" คำพูดนี้ช่วยให้เราเห็นว่าลักษณะพิเศษควรจะเพิ่มชุดข้อมูลขนาดใหญ่ที่จะได้รับการพิจารณาเป็นข้อมูลขนาดใหญ่หรือข้อมูลขนาดใหญ่เป็นมักจะพบได้ทั่ววรรณกรรม [2]. ตอนนี้ก็จะถือว่าเป็นขนาดที่ไม่ได้เป็นคุณลักษณะเฉพาะของข้อมูลขนาดใหญ่ . ผู้เขียนหลาย [1,12,11,9,13,4] อย่างชัดเจนใช้สามวี (ปริมาณ, วาไรตี้และความเร็ว) ที่จะอธิบายลักษณะข้อมูลขนาดใหญ่ ถ้าสามวีส่วนใหญ่จะพบในวรรณคดีหลายคนเขียน [10,13] และสถาบันเช่น IEEE มุ่งเน้นไปที่ราคาข้อมูลขนาดใหญ่และการมองเห็นความจริง สุดท้ายนี้ "วี" เพื่อแจ้งให้ทราบว่าสำคัญก็คือการมีเครื่องมือที่ดีที่จะคิดออกข้อมูลและผลการวิเคราะห์ '. ปริมาณ (ข้อมูลในส่วนที่เหลือ) ผลประโยชน์ที่ได้รับจากความสามารถในการประมวลผลข้อมูลจำนวนมากเป็นแหล่งท่องเที่ยวหลักของการวิเคราะห์ข้อมูลขนาดใหญ่ มีมากขึ้นเต้นข้อมูลที่มีรูปแบบที่ดีขึ้น [12] ผลที่ตามมาก็คือว่ามันเป็นเทรนด์สำหรับหลาย บริษัท ในการจัดเก็บจำนวนมากมายของประเภทต่างๆของข้อมูล: ข้อมูลเครือข่ายทางสังคม, ข้อมูลการดูแลสุขภาพ, ข้อมูลทางการเงิน, ชีวเคมีและข้อมูลทางพันธุกรรมข้อมูลดาราศาสตร์ ฯลฯวาไรตี้ (ข้อมูลในหลายรูปแบบ) ข้อมูลเหล่านี้ไม่ได้มีโครงสร้างพื้นฐานและไม่ค่อยนำเสนอตัวเองในรูปแบบที่ได้รับคำสั่ง fectly ละและพร้อมสำหรับการประมวลผล [12] อันที่จริงข้อมูลดังกล่าวจะมีโครงสร้างสูง (ข้อมูลจากฐานข้อมูลเชิงสัมพันธ์) กึ่งโครงสร้าง (บันทึกการใช้เว็บสื่อสังคมฟีดฟีดดิบโดยตรงจากแหล่งเซ็นเซอร์, อีเมล์, ฯลฯ ) หรือไม่มีโครงสร้าง (วิดีโอภาพนิ่งเสียงคลิก) [12] อีก "วี" สำหรับความสามารถตัวแปรสามารถเพิ่มความหลากหลายในการให้ความสำคัญกับความหมายหรือความแปรปรวนของความหมายในภาษาและการสื่อสารโปรโตคอล. Velocity (ข้อมูลในการเคลื่อนไหว) ความเร็วที่เกี่ยวข้องกับการไหลของข้อมูลการสร้างบันทึกที่มีโครงสร้างและความพร้อมสำหรับการเข้าถึงและ delivery.3 จริงมันไม่ได้เป็นเพียงความเร็วของการเข้าข้อมูลที่มีปัญหา: มันเป็นไปได้ที่จะสตรีมการเคลื่อนไหวที่รวดเร็วในการจัดเก็บข้อมูลจำนวนมากสำหรับการประมวลผลชุดต่อมา , ตัวอย่างเช่น. ความสำคัญอยู่ในความเร็วของห่วงความคิดเห็นที่นำข้อมูลจากการป้อนข้อมูลผ่านไปสู่การตัดสินใจ [12]. มูลค่า (ข้อมูลในไฮไลท์) คุณลักษณะนี้จะเป็นจุดประสงค์ของเทคโนโลยีข้อมูลขนาดใหญ่ มุมมองนี้จะแสดงอย่างดีจาก บริษัท อินเตอร์เนชั่นแนลดาต้าคอร์ปอเรชั่นเมื่อบอกว่าบิ๊กสถาปัตยกรรมข้อมูลจะถูก "ออกแบบมาเพื่อดึงค่าทางเศรษฐกิจจากปริมาณมากของความหลากหลายของข้อมูลโดยการเปิดใช้ความเร็วสูงจับภาพการค้นพบและ / หรือการวิเคราะห์" ค่านี้ตกอยู่ในสองประเภท:. ใช้การวิเคราะห์ (เปลี่ยน / สนับสนุนการตัดสินใจของมนุษย์ค้นพบความต้องการแบ่งกลุ่มประชากรในการปรับแต่งการกระทำ) และการเปิดใช้งานรูปแบบธุรกิจผลิตภัณฑ์และบริการใหม่ [12,10] ความจริง (ข้อมูลในการสงสัย) ความจริงเป็นสิ่งที่มีความสอดคล้องกับความเป็นจริงหรือความเป็นจริงหรือในระยะสั้นความถูกต้องแน่นอนแม่นยำ ความไม่แน่นอนอาจเกิดจากความไม่สอดคล้องกัน, การประมาณรุ่นงงงวยหลอกลวงฉ้อโกงซ้ำ, ไม่สมบูรณ์สแปมและแฝง เนื่องจากความจริงผลที่ได้มาจากข้อมูลขนาดใหญ่ไม่สามารถพิสูจน์; แต่พวกเขาสามารถกำหนดความน่าจะเป็น. สรุปการจัดการอย่างมีประสิทธิภาพกับข้อมูลขนาดใหญ่ต้องใช้อย่างใดอย่างหนึ่งในการสร้างมูลค่ากับปริมาณความหลากหลายและความถูกต้องของข้อมูลในขณะที่มันยังอยู่ในการเคลื่อนไหว (ความเร็ว) ไม่เพียง แต่หลังจากที่เหลือ [11] . และในตอนท้ายตามคำแนะนำ [13] นักวิทยาศาสตร์ร่วมกันจะต้องรับมือกับข้อมูลขนาดใหญ่ที่มีคุณสมบัติทั้งหมดของ