IntroductionBig data is both a mark

Introduction
Big data is both a marketing and a technical term referring to a valuable enterprise asset—information. Big data
represents a trend in technology that is leading the way to a new approach in understanding the world and making
business decisions. These decisions are made based on very large amounts of structured, unstructured and complex
data (e.g., tweets, videos, commercial transactions) which have become difficult to process using basic database and
warehouse management tools. Managing and processing the ever-increasing data set requires running specialized
software on multiple servers. For some enterprises, big data is counted in hundreds of gigabytes; for others, it is in
terabytes or even petabytes, with a frequent and rapid rate of growth and change (in some cases, almost in real time).
In essence, big data refers to data sets that are too large or too fast-changing to be analyzed using traditional relational
or multidimensional database techniques or commonly used software tools to capture, manage and process the data at a
reasonable elapsed time.
According to COBIT® 5, information is effective if it meets the needs of the information consumer (who is considered
a stakeholder). In the case of big data, the enterprise is the stakeholder, and one of its primary stakes is information
quality. The stakes can be related to information goals in the COBIT 5 enabler model, which divides them into three
subdimensions of quality, described later in this white paper. The better the quality of the data, the better the decisions
based on the data—ultimately creating value for the enterprise. Therefore, big data management must ensure the quality
of the data throughout the data life cycle.
Data are collected to be analyzed to find patterns and correlations that may not be initially apparent, but may be useful
in making business decisions. This process is called big data analytics. These data are often personal data that are useful
from a marketing perspective in understanding the likes and dislikes of potential buyers and in analyzing and predicting
their buying behavior. Personal data can be categorized as:
• Volunteered data—Created and explicitly shared by individuals (e.g., social network profiles)
• Observed data—Captured by recording the actions of individuals (e.g., location data when using cell phones)
• Inferred data—Data about individuals based on analysis of volunteered or observed information (e.g., credit scores)

ผลลัพธ์ (ไทย) 1:

แนะนำข้อมูลขนาดใหญ่มีทั้งตลาดในและคำทางเทคนิคหมายถึงสินทรัพย์มีคุณค่าองค์กร — ข้อมูล ข้อมูลขนาดใหญ่แสดงถึงแนวโน้มในเทคโนโลยีที่จะนำวิธีการใหม่ ๆ ในการทำความเข้าใจโลก และทำให้การตัดสินใจทางธุรกิจ ตัดสินใจเหล่านี้จะถูกสร้างขึ้นบนโครง โครงสร้าง และซับซ้อนขนาดใหญ่มากข้อมูล (เช่น ทวี วิดีโอ ธุรกรรมเชิงพาณิชย์) ซึ่งได้กลายเป็นยากที่จะใช้ฐานข้อมูลพื้นฐานกระบวนการ และเครื่องมือการบริหารคลังสินค้า การจัดการ และการประมวลผลชุดข้อมูลเพิ่มมากขึ้นต้องทำงานพิเศษซอฟต์แวร์บนเซิร์ฟเวอร์หลาย สำหรับบางองค์กร ข้อมูลขนาดใหญ่นับร้อย ๆ กิกะไบต์ อื่น ๆ มันอยู่ในเทราไบต์หรือแม้กระทั่ง petabytes อัตราเจริญเติบโตและการเปลี่ยนแปลง (ในบางกรณี เกือบจะในเวลาจริง) อย่างรวดเร็ว และบ่อยในสาระสำคัญ ข้อมูลที่อ้างอิงถึงชุดของข้อมูลที่มีขนาดใหญ่เกินไป หรือเกินไปอย่างรวดเร็วการเปลี่ยนแปลงเพื่อที่จะวิเคราะห์โดยใช้แบบดั้งเดิม เชิงหรือฐานข้อมูลหลายมิติเทคนิคหรือเครื่องมือซอฟต์แวร์ที่ใช้กันทั่วไปในการจับภาพ จัดการ และประมวลผลข้อมูลที่มีเวลาเหมาะสมตาม COBIT® 5 ข้อมูลที่มีประสิทธิภาพเป็นไปตามความต้องการของผู้บริโภคข้อมูล (ที่ถือว่าผล) ในกรณีที่มีข้อมูลขนาดใหญ่ องค์กรเป็นดุลยภาพ และการเดิมพันหลักอย่างใดอย่างหนึ่งคือข้อมูลมีคุณภาพ เดิมพันสามารถเกี่ยวข้องกับข้อมูลเป้าหมายใน COBIT 5 สตัวเปิดใช้งานรูปแบบ ซึ่งแบ่งได้เป็นสามsubdimensions คุณภาพ อธิบายไว้ในเอกสารนี้ คุณภาพดีกว่าของข้อมูล การตัดสินใจดีกว่าตามข้อมูล — ในที่สุด การสร้างคุณค่าสำหรับองค์กร ดังนั้น การจัดการข้อมูลขนาดใหญ่ต้องมั่นใจในคุณภาพข้อมูลตลอดวงจรชีวิตของข้อมูลมีเก็บข้อมูลเพื่อวิเคราะห์หารูปแบบและความสัมพันธ์ที่อาจไม่เหมือนตอนแรก แต่อาจจะมีประโยชน์ในการตัดสินใจทางธุรกิจ กระบวนการนี้เรียกว่าข้อมูล ข้อมูลเหล่านี้มักจะมีข้อมูลส่วนบุคคลที่มีประโยชน์จากมุมมองการตลาดในการทำความเข้าใจชอบและไม่ชอบของผู้ซื้อที่มีศักยภาพในการวิเคราะห์ และทำนายพฤติกรรมการซื้อของพวกเขา ข้อมูลส่วนบุคคลสามารถแบ่งออกเป็น:•ข้อมูลอาสา — สร้าง และใช้ร่วมกัน โดยบุคคล (เช่น โปรไฟล์เครือข่ายสังคม) อย่างชัดเจน•สังเกตข้อมูล — ถ่าย โดยการบันทึกการกระทำของบุคคล (เช่น ข้อมูลสถานที่เมื่อใช้โทรศัพท์มือถือ)•สรุปข้อมูล — อาสาข้อมูลเกี่ยวกับบุคคลที่อิงการวิเคราะห์ หรือตรวจสอบข้อมูล (เช่น เครดิตคะแนน)

ผลลัพธ์ (ไทย) 2:

บทนำ
ข้อมูลขนาดใหญ่เป็นทั้งตลาดและระยะทางเทคนิคหมายถึงการเป็นองค์กรที่มีคุณค่าของสินทรัพย์ข้อมูล ข้อมูลขนาดใหญ่
แสดงให้เห็นถึงแนวโน้มในเทคโนโลยีที่จะนำวิธีการที่จะใช้วิธีการใหม่ในการทำความเข้าใจโลกและทำให้
การตัดสินใจทางธุรกิจ การตัดสินใจเหล่านี้จะทำขึ้นอยู่กับจำนวนมากของโครงสร้างที่ไม่มีโครงสร้างและความซับซ้อนของ
ข้อมูล (เช่น, ทวิตเตอร์, วิดีโอ, การทำธุรกรรมพาณิชย์) ซึ่งได้กลายเป็นเรื่องยากที่จะดำเนินการโดยใช้ฐานข้อมูลและพื้นฐาน
การจัดการคลังสินค้าเครื่องมือ การจัดการและการประมวลผลชุดข้อมูลที่เพิ่มมากขึ้นต้องทำงานเฉพาะ
ซอฟต์แวร์บนเซิร์ฟเวอร์หลายเครื่อง สำหรับผู้ประกอบการบางข้อมูลขนาดใหญ่จะถูกนับในหลายร้อยกิกะไบต์; สำหรับคนอื่น ๆ มันอยู่ใน
เทราไบต์หรือแม้กระทั่งเพตาไบต์มีอัตราบ่อยและรวดเร็วของการเจริญเติบโตและการเปลี่ยนแปลง (ในบางกรณีเกือบในเวลาจริง).
ในสาระสำคัญข้อมูลขนาดใหญ่หมายถึงชุดข้อมูลที่มีขนาดใหญ่เกินไปหรือเปลี่ยนแปลงอย่างรวดเร็วเกินไป ที่จะใช้ในการวิเคราะห์เชิงสัมพันธ์แบบดั้งเดิม
เทคนิคฐานข้อมูลหรือหลายมิติหรือที่นิยมใช้เครื่องมือซอฟต์แวร์ในการจับภาพการจัดการและการประมวลผลข้อมูลที่เป็น
เวลาที่ผ่านไปที่เหมาะสม.
ตามที่COBIT® 5 ข้อมูลที่มีประสิทธิภาพถ้าเป็นไปตามความต้องการของผู้บริโภคข้อมูล (ซึ่งเป็น ถือว่า
มีส่วนได้เสีย) ในกรณีของข้อมูลขนาดใหญ่ที่องค์กรเป็นผู้มีส่วนได้เสียและเป็นหนึ่งในเดิมพันหลักคือข้อมูล
ที่มีคุณภาพ เดิมพันสามารถที่เกี่ยวข้องกับเป้าหมายของข้อมูลในรูปแบบ Enabler COBIT 5 ซึ่งแบ่งออกเป็นสามพวกเขา
subdimensions ของคุณภาพอธิบายไว้ในกระดาษสีขาวนี้ ที่ดีกว่าคุณภาพของข้อมูลที่ดีกว่าการตัดสินใจ
ขึ้นอยู่กับค่าข้อมูลในท้ายที่สุดการสร้างสำหรับองค์กร ดังนั้นการจัดการข้อมูลขนาดใหญ่จะต้องมั่นใจในคุณภาพ
ของข้อมูลตลอดวงจรชีวิตของข้อมูล.
ข้อมูลจะถูกเก็บรวบรวมเพื่อนำมาวิเคราะห์เพื่อหารูปแบบและความสัมพันธ์ที่ไม่อาจจะชัดเจน แต่แรก แต่อาจจะเป็นประโยชน์
ในการตัดสินใจทางธุรกิจ กระบวนการนี้เรียกว่าการวิเคราะห์ข้อมูลขนาดใหญ่ ข้อมูลเหล่านี้มักจะมีข้อมูลส่วนบุคคลที่เป็นประโยชน์
จากมุมมองของตลาดในการทำความเข้าใจชอบและไม่ชอบของผู้ซื้อที่มีศักยภาพและในการวิเคราะห์และทำนาย
พฤติกรรมการซื้อของพวกเขา ข้อมูลส่วนบุคคลที่สามารถแบ่งออกเป็น:
•อาสาสมัครข้อมูลที่สร้างขึ้นและใช้ร่วมกันโดยบุคคล (เช่นโปรไฟล์เครือข่ายสังคม) อย่างชัดเจน
•สังเกตข้อมูลจับบันทึกการกระทำของบุคคล (เช่นข้อมูลสถานที่เมื่อมีการใช้โทรศัพท์มือถือ) เดอะ
•การระบุข้อมูลข้อมูล เกี่ยวกับบุคคลบนพื้นฐานของการวิเคราะห์ข้อมูลอาสาสมัครหรือสังเกต (เช่นคะแนนเครดิต)

ผลลัพธ์ (ไทย) 3:

แนะนำข้อมูลใหญ่ ทั้งการตลาด และเป็นศัพท์ทางเทคนิคหมายถึงคุณค่าสินทรัพย์องค์กรข้อมูล ข้อมูลใหญ่แสดงแนวโน้มของเทคโนโลยีที่นำวิธีการวิธีการใหม่ในการทำความเข้าใจโลก และทำให้การตัดสินใจทางธุรกิจ การตัดสินใจเหล่านี้จะทำบนพื้นฐานขนาดใหญ่ปริมาณของโครงสร้าง และไม่มีโครงสร้างที่ซับซ้อนข้อมูล ( เช่น ข้อความ , วิดีโอ , การทำธุรกรรมเชิงพาณิชย์ ) ซึ่งได้กลายเป็นเรื่องยากที่จะใช้ฐานข้อมูลพื้นฐานและกระบวนการเครื่องมือในการจัดการคลังสินค้า การจัดการและการประมวลผลข้อมูลเพิ่มมากขึ้น ต้องใช้ชุดเฉพาะซอฟต์แวร์บนเซิร์ฟเวอร์หลาย สำหรับบางองค์กร ข้อมูลใหญ่นับได้หลายร้อยกิกะไบต์ ; สำหรับคนอื่น มันคือเทราไบต์ หรือแม้แต่ petabytes ด้วยบ่อย ๆ และอัตราการเติบโตและเปลี่ยนแปลงอย่างรวดเร็ว ( ในบางกรณี เกือบจะในเวลาจริง )หัวใจใหญ่ข้อมูล หมายถึง ข้อมูลที่มีขนาดใหญ่เกินไป หรือเร็วเกินไป เปลี่ยนเป็นแบบดั้งเดิมแบบหรือฐานข้อมูลหลายมิติ หรือเทคนิคที่นิยมใช้ซอฟต์แวร์เครื่องมือจับภาพจัดการและประมวลผลข้อมูลที่ที่เหมาะสม เวลาที่ผ่านไปตาม® COBIT 5 , ข้อมูลประสิทธิภาพ ถ้ามันตรงกับความต้องการของผู้บริโภค ข้อมูล ( ที่ถือว่าเป็นผู้มีส่วนได้ส่วนเสีย ) ในกรณีของข้อมูลใหญ่ องค์กร คือ ผู้มีส่วนได้ส่วนเสีย และ หนึ่งของการเดิมพันหลักคือข้อมูลคุณภาพ เดิมพันสามารถที่เกี่ยวข้องกับเป้าหมายข้อมูลใน COBIT 5 อีกด้วย ซึ่งแบ่งได้เป็น 3 รูปแบบsubdimensions คุณภาพอธิบายในภายหลังในกระดาษสีขาวนี้ คุณภาพที่ดีของข้อมูลที่ดีกว่าการตัดสินใจตามข้อมูลในท้ายที่สุดการสร้างคุณค่าให้แก่องค์กร ดังนั้น การจัดการข้อมูลใหญ่ต้องตรวจสอบคุณภาพของข้อมูลทั่วข้อมูลวงจรชีวิตเก็บรวบรวมข้อมูลมาวิเคราะห์ เพื่อค้นหารูปแบบและความสัมพันธ์ที่ไม่อาจจะเห็นได้ชัดในตอนแรก แต่อาจจะมีประโยชน์ในการตัดสินใจทางธุรกิจ กระบวนการนี้เรียกว่าการวิเคราะห์ข้อมูลใหญ่ ข้อมูลเหล่านี้มักจะมีข้อมูลที่เป็นประโยชน์ส่วนบุคคลจากมุมมองของการตลาดในการทำความเข้าใจเกี่ยวกับการชอบและไม่ชอบของผู้ซื้อที่มีศักยภาพและในการวิเคราะห์และพยากรณ์พฤติกรรมการซื้อ . ข้อมูลส่วนบุคคลสามารถแบ่งออกเป็น :- อาสาสร้างข้อมูลและชัดเจนร่วมกัน โดยบุคคล ( เช่นเครือข่ายทางสังคมโปรไฟล์ )บริการข้อมูลบันทึกโดยบันทึกการกระทำของบุคคล เช่น ข้อมูลสถานที่เมื่อใช้โทรศัพท์มือถือ )- สรุปข้อมูลเกี่ยวกับบุคคล ตามการวิเคราะห์ของอาสาสมัครหรือตรวจสอบข้อมูล ( เช่นคะแนนเครดิต )