Теоретическая часть

 

Что такое Big Data?

Big Data (Большие данные) - большие объёмы структурированных и неструктурированных потоков информации, непрерывно поступающих с измерительных электронных устройств на специальные сервера.

Примеры больших данных:

- потоки статистических данных

- потоки сообщений в социальных сетях

- потоки данных с устройств видеонаблюдения

- потоки данных о местонахождении абонентов сетей сотовой связи

Сегментация

Сегментация - это процесс разбивки данных на различные группы (сегменты).

Сегментировать можно всё, что угодно, включая:

- идеи

- проекты

- продукты

- рынки

- контракты

- расходы

- доходы

- клиентов

- конкурентов

- сотрудников

- собственное время

Например, если у вас много идей, их можно сегментировать на перспективные, бесперспективные, выгодные и невыгодные.

Если много сотрудников, их можно сегментировать на ключевых, полезных, бесполезных и вредных.

Разбивка любых больших данных на сегменты позволяет разделить потоки информации на части и выделить наиболее важные данные. Однако если сегментов слишком много - возникает беспорядок, в котором трудно найти нужное.

Особенности сегментации баз данных

Сегментировать базы данных, разбивая записи на несколько сегментов, можно по любым произвольным критериям: например, выбрать все данные, относящиеся к определённому промежутку времени, региону или цене.

Цель сегментации баз данных - выделение из общего массива информации наиболее важных данных для быстроты обработки.

После сегментации, к тому или иному сегменту данных можно применить один из двух методов обработки информации:

- анализ связей

- прогнозное моделирование

Анализ связей подразумевает:

- вычисление размера сети

- вычисление сетевой плотности (сила связей между объектами, а также соотношение действующих и возможных связей)

- вычисление степени централизации (понимание того, что в центре, а что - на периферии)

- вычисление плотности централизации (понимание силы связей между центром и периферией)

- вычисление эквивалентности (схожесть структурных свойств объектов в сети и масштабы возможных изменений)

Анализ связей позволяет ужимать большие объёмы данных в компактные пучки, выводить общие закономерности и наглядно их демонстрировать в виде схем, графиков, таблиц и т.д.

Прогнозное моделирование позволяет на основе собранной статистики или анализа текущих и исторических фактов спрогнозировать будущее объектов изучения с целью принятия оптимальных решений.

Вопросы для самопроверки

- Что такое Big Data?

- Какие информационные потоки являются примером Больших данных?

- Что такое сегментация?

- Почему при сегментации не должно быть слишком много сегментов?

- Каковы особенности сегментации баз данных?

- Для чего нужен анализ связей?

 

Практическая часть

 

Упражнение 1.

 

 

***

Записаться на индивидуальное обучение, получить больше упражнений и подробную расшифровку каждого пункта теоретической части, а также попасть на личную консультацию можно связавшись с автором. Для тех, кто занимается йогой по программе авторской закрытой школы йоги "Инсайт", все услуги - бесплатно, для остальных - по договорённости.

Мой скайп: seahappiness

Страница Вконтакте: http://vk.com/id39643953

P.S. Посетите также мой блог, посвящённый вопросам саморазвития методами йоги: http://v-lavrov.livejournal.com/