Big data: Nejde jen o množství, ale nové přístupy k využití dat

Luděk Šafář , 02. září 2015 10:00 3 komentářů
Big data: Nejde jen o množství, ale nové přístupy k využití dat

Často diskutované téma představuje otázka, kdy vlastně jde o big data. Tedy kdy se „láme“ tradiční práce s poměrně rozsáhlými objemy dat ve firmách a jak vznikají „velká data“? Jakými klišé je daný pojem zatížen a pro která odvětví jsou big data obzvlášť zajímavá? Odpovědi se snaží nalézt první ze série článků zaměřených právě na tuto oblast.

Nejde jen o objem dat – VVVV znamená i více faktorů

V případě big data nemusí jít zrovna o situaci, kdy dat je velké množství, ale třeba o případy, kdy data přicházejí rychle, nebo se dynamicky mění, či mají extrémně nestejnou formu a dosud nebylo možné je zpracovávat jinou metodou. Z oněch známých čtyř V charakterizujících oblast big data – tedy volume (objem), velocity (rychlost), variety (různorodost) a veracity (věrohodnost) – se obvykle zdůrazňuje pouze objem, tedy že dat je hodně. Avšak nástroje na zpracování dat, kterých je „jen“ hodně, již existují a do značné míry poskytují organizacím kvalitní službu.

Určité klišé, které je na trhu v souvislosti s big data vytvářeno, předpokládá, že dat musíte mít extrémní množství – tak velké, že vám tradiční data warehouse nestačí. Ale není tomu tak.

O big data je totiž možné mluvit tehdy, kdy se řádově mění některý z dalších parametrů ve zpracování. Tedy pokud se například k tradičnímu zpracování dat, pro které organizace dosud využívají data warehouse a data mining, přidá rychlostní parametr. To samé se pak místo v řádu hodin může udát v řádu vteřin a díky rychlosti zpracování lze přispět ke změně v obchodním modelu organizace. Potřebná informace totiž může být k dispozici okamžitě.

Například v Česku neexistuje mnoho firem, které by měly takové množství dat, že by je nebyly schopny standardními technologiemi zpracovávat. Firmy dostatečně nezohledňují skutečnost, kdyby k datům přistupovaly jinak (a rychleji), mohly by změnit způsob jejich zpracování a získávání informací, jež takto vytěžují.

Konkurenční výhodu přináší spojování dat z různých oblastí

Řada organizací v Česku disponuje daty, která „přirozeným způsobem“ sbírají, ale využívají je v zásadě na něco jiného, než jim nové sofistikované technologie umožňují. Typickým příkladem jsou telekomunikační operátoři, kteří mají vybudovanou samostatnou robustní technologii na analýzu informací o zákaznících – tedy kdo jim kdy platí, jaké faktury, za které služby, jak jsou tyto firmy velké apod. Zcela samostatně mají k dispozici i relativně rozsáhlou technologii, která analyzuje data ze sítě – kdo se kdy komu dovolal, jak dlouho trval hovor, jestli to síť unesla/neunesla atd.

Ve většině případů se rozvoj sítě mobilního operátora plánuje jen podle dat z druhé oblasti. Dosud žádný tuzemský telekomunikační operátor nedospěl k tomu, že by uměl tyto dvě oblasti korelovat mezi sebou a rozšiřovat síť nejen na základě toho, jak je využívaná a jestli „stíhá“, ale zda ji v daném regionu či místě využívají zákazníci, kteří operátorovi přinášejí nejvíc byznysu.

Luděk Šafář | EMC
Luděk Šafář | EMC
Propojení obou samostatně propracovaných oblastí není technologicky jednoduché. Platí jedno z výše zmíněných V, v tomto případě „variety“. Data jsou ve formátu, který je standardními mechanismy nekorelovatelný. K tomu jsou potřeba technologické mechanismy – a někteří telekomunikační operátoři v zahraničí je již využívají – umožňující dělat mnohem efektivnější rozhodnutí ohledně investic a účinně obsloužit zákazníky právě díky tomu, že nasadili technologii, která je schopna data spojovat dohromady. Není to tedy opět jen záležitostí množství, ale o jiném vhledu, jak stávající data využívat.

Big data a sociální sítě – přeceňovaná souvislost

Dalším ustáleným klišé je jednoznačné spojování problematiky big data se sociálními sítěmi. Česká republika je v tomto ohledu relativně malá a čeština je extrémně složitý jazyk na sémantickou analýzu, který vytěžování informací ze sociálních sítí komplikuje. Valná většina technologií pro analýzu sociálních sítí vychází z „trendování“, tedy ze sledování nálady, odhadování emocí uživatelů… Čeština je však gramaticky složitá, má různé pády a časy, navíc je v ní často používána ironie a podobné vyšší úrovně jazykového vyjádření. Ty je pro strojové zpracování velmi složité rozpoznat.

Aby bylo možné získat například informaci o určitém trendu, je potřeba mít velké množství informací – extrapolace z malého vzorku je nebezpečná. Jasně nejpoužívanější sociální sítí v Česku je Facebook, ale málokterá firma z něj dokáže vytěžit obchodně hodnotné informace. Valná většina zahraničních firem má analýzu sociálních sítí navázánu na Twitter, ten v českém prostředí ale nepatří k nejpopulárnějším platformám, i když je pro analýzu z různých důvodů jednodušší než Facebook. Lze shrnout, že firmy v tuzemsku zatím data ze sociálních sítí ve velkém rozsahu a smysluplně téměř nevyužívají. Přitom jako příklad v souvislosti s big data se používá právě zejména vytěžování dat ze sociálních sítí, což je ale na Českou republiku obtížně aplikovatelné.

Pro které segmenty jsou big data atraktivní

Z hlediska jednotlivých obchodních či průmyslových odvětví jsou k využívání velkých dat obecně nejblíže firmy, které pracují se zákazníky-jednotlivci, tj. jde o oblast B2C. Je možné analyzovat vztah s člověkem, který sám rozhoduje o tom, co udělá. Čím větší množství lidí, tím lépe. A nikoli analyzovat jejich projevy na sociálních sítích, ale spíše provádět analýzu jejich nákupního chování či jednání v rámci dané organizace. Nejtypičtějším příkladem v tomto směru jsou banky. Přetrvává však velká mezera v tom, jaké veškeré obchodní informace by mohly vytěžit z tak kvalitního zdroje dat, jako je souvislá řada transakcí jedince na jeho osobním účtu. Banky jsou relativně nejdál v přemýšlení o tom, jakým způsobem budou data vytěžovat. Stále využívají především tradiční technologie, postupně zavádějí například vysokovýkonné analýzy, avšak kvalitativní přerod v tom, aby to dělaly významně jinak, zatím nenastal.

Druhou důležitou oblast představují firmy, které sbírají data z výroby, tj. z výrobních linek (strojů, senzorů) například ve strojírenství. Kromě automobilek, jež mají propracované kvalitativní mechanismy, tato data firmy hromadně nevyužívají. Zabývají se převážně zákaznickými daty, ale s velkým množstvím dat z výroby cíleně nepracují. Přitom existuje značný potenciál mimo jiné v propojování s externími datovými zdroji, například o počasí. To by mohlo mít přínosy i „menším“ firmám nebo těm společnostem, které mají primárně korporátní zákazníky, a tudíž nemůžou používat klasické scénáře pro big data, jakými jsou analýza sociálních sítí nebo nákupního chování, clickstream apod.

Třetí oblastí, která má či měla by mít k problematice big data blízko, je veřejný sektor. Stát disponuje extrémním množstvím dat, ale až na bezpečnostní složky, jež v tomto směru experimentují, zatím s těmito daty souvisle nepracuje. Například podobně, jako je tomu v komerční sféře za účelem nalezení lepších „obchodních“ mechanismů vůči „zákazníkům“, v tomto případě občanům.

Luděk Šafář pracuje u společnosti EMC Czech Republic jako Senior Manager Systems Engineer


Komentáře

PZA #0
PZA 02. září 2015 17:51

Autor zrejme vubec netusi jaka velkoobjemova data poskutuje tuzemske webove prostredi. Druhou moznosti je, ze tady EMC nema co nabidnout.

Luděk Šafář #1
Luděk Šafář 07. září 2015 23:45

Dobrý den,
vidíte, a já doteď myslel, že tuším. Ono "velkoobjemová" je relativní. Stejně tak "tady". Já myslím, že EMC má co nabídnout, jen nevím kde je "tady". Ale určitě se ozvěte na ludek.safar<zavináč>emc.com, rád se nechám poučit! Třeba tuším bludy! :-)

PZA #2
PZA 20. září 2015 15:21

Velkoobjemova data je stejna floskule, chcete-li buzzword, jako big data. Pokud budu delat analyzu velkych dat z weboveho prostredi, nebudu vytezovat jenom tuzemsky FB nebo Twitter, ale treba diskusni fora nebo recence produktu na prislusnych serverech. A vysvihnu z toho analyzu jako bic.

To jenom, abychom se stale necitili byt tak hrozne mali a zbytecni.

RSS 

Komentujeme

Intel Inside aneb všichni jsme načipováni

Petr Zavoral , 10. prosinec 2017 18:20
Petr Zavoral

V Havlově hře Audience přesvědčuje Sládek Ferdinanda Vaňka, aby donášel sám na sebe. Z pohledu letoš...

Více







Kalendář

09. 01.

13. 01.
CES 2018
18. 01.

19. 01.
itSMF 2018
29. 01.

30. 01.
G2BTechEd
RSS 

Zprávičky

Atos chce koupit konkurenta Gemalto za 4,3 mld. eur

ČTK , 12. prosinec 2017 14:00

Gemalto patří mezi největší světové výrobce SIM karet a čipů do platebních karet...

Více 0 komentářů

T-Mobile testuje NB-IoT, chystá novou síť pro Internet věcí

Pavel Houser , 12. prosinec 2017 13:30

Testování technologie NB-IoT začalo v Praze na Roztylech, v lednu přibude Mladá Boleslav. Operátor z...

Více 0 komentářů

ISP DNS Stack chrání doménu .CZ v případě útoku proti DNS serverům

Pavel Houser , 12. prosinec 2017 12:53

Sdružení CZ.NIC zvyšuje bezpečnost Internetu v ČR, na nové službě se zatím podílí Seznam.cz a Vodafo...

Více 0 komentářů

Starší zprávičky

Apple kupuje aplikaci pro rozpoznávání hudby Shazam

ČTK , 12. prosinec 2017 08:00

Shazam umožňuje uživatelům prostřednictvím mikrofonu chytrého telefonu identifikovat hudbu hrající v...

Více 1 komentářů

APEK: Dnes obrat za miliardu?

Pavel Houser , 11. prosinec 2017 13:04

Právě dnes očekává Asociace pro elektronickou komerci (APEK) vrchol objednávek vánočních dárků na in...

Více 0 komentářů

Termínový kontrakt na bitcoin při debutu stoupl až na 18 700 dolarů

ČTK , 11. prosinec 2017 10:39

Termínový kontrakt na internetovou měnu bitcoin při svém debutu ve Spojených státech zpevnil o více ...

Více 0 komentářů

Western Digital zruší arbitráž proti Toshibě

ČTK , 11. prosinec 2017 08:00

Japonská společnost Toshiba a americká firma Western Digital se v zásadě dohodly na urovnání sporu o...

Více 0 komentářů