Les «mégadonnées» sont la nouvelle science de la compréhension et de la prévision du comportement humain qui consiste à étudier d'importants volumes de données non structurées. Les mégadonnées sont également appelées «analyses prédictives».
Analyser les publications Twitter, les flux Facebook, les recherches sur eBay, les suivis GPS et les guichets automatiques sont des exemples de données volumineuses. L'étude des vidéos de sécurité, des données de trafic, des conditions météorologiques, des arrivées de vols, des journaux de la tour de téléphonie cellulaire et des suivis de fréquence cardiaque sont d'autres formes. Les mégadonnées sont une nouvelle science complexe qui change chaque semaine et seuls quelques experts comprennent tout.
Quels sont quelques exemples de données volumineuses dans la vie normale?
Bien que la plupart des projets de Big Data soient très obscurs, il existe des exemples réussis de Big Data affectant la vie quotidienne des particuliers, des entreprises et des gouvernements:
Prédire les épidémies de virus: en étudiant les données sociopolitiques, les données météorologiques et climatiques et les données hospitalières / cliniques, ces scientifiques prédisent maintenant les épidémies de dengue avec un préavis de 4 semaines.
Surveillance d'homicide: Ce projet Big Data présente des victimes de meurtre, des suspects et des criminels à Washington, DC. À la fois comme moyen de rendre hommage aux personnes décédées et comme ressource de sensibilisation pour les personnes, ce projet Big Data est fascinant.
Planification des déplacements en transit, NYC: Le programmeur de radio du WNYC, Steve Melendez, a combiné le programme de métro en ligne avec le logiciel d’itinéraire de voyage. Sa création permet aux New-Yorkais de cliquer sur leur emplacement sur la carte pour afficher une prévision du temps de trajet des trains et du métro.
Xerox a réduit sa perte d’effectifs: Le travail dans les centres d’appel est émotionnellement épuisant. Xerox a étudié de très nombreuses données avec l’aide d’analystes professionnels. Ces derniers peuvent désormais prédire quels centres d’appel embauchés resteront le plus longtemps dans l’entreprise.
Soutenir la lutte contre le terrorisme: en étudiant les médias sociaux, les registres financiers, les réservations de vols et les données de sécurité, les forces de l'ordre peuvent prédire et localiser les suspects de terrorisme avant qu'ils ne commettent leurs actes odieux.
Ajuster le marketing de marque en fonction des commentaires des médias sociaux: les gens partagent carrément et rapidement leurs pensées en ligne dans un pub, un restaurant ou un club de fitness. Il est possible d'étudier ces millions de publications sur les médias sociaux et de fournir à la société des commentaires sur ce que les gens pensent de leurs services.
Qui utilise le Big Data? Que font-ils avec cela?
De nombreuses sociétés monolithiques utilisent le Big Data pour ajuster leurs offres et leurs prix afin de maximiser la satisfaction de la clientèle.
- Grand magasin de Macy, par exemple, utilise le Big Data pour ajuster ses prix à la volée pour plus de 70 millions de produits. Ils envoient même des courriers électroniques personnalisés à leurs clients en fonction de ce qui les intéresse, selon Macy's.
- Réponse de la police à l'attentat du marathon de Boston: en utilisant le Big Data pour étudier des images vidéo et de surveillance, la police a pu affiner rapidement sa recherche des suspects.
- Morton's Steakhouse utilise Twitter pour réaliser des opérations de marketing, notamment le célèbre dîner au steak et aux crevettes de l’aéroport de New Jersey.
- Visa utilise le Big Data pour identifier et attraper les fraudeurs.Des transactions isolées ici et là peuvent facilement dissimuler un utilisateur malhonnête de carte de crédit, mais en surveillant attentivement des millions de transactions, il est possible de détecter des types de fraude.
- Facebook utilise le Big Data pour personnaliser la publicité. En étudiant attentivement vos goûts et habitudes de navigation de type FB, le géant des médias sociaux dispose d’une vision étrange de vos goûts. Les publicités latérales que vous voyez sur votre flux Facebook sont choisies par des algorithmes complexes et délibérés qui surveillent vos habitudes sur Facebook.
Pourquoi le Big Data est-il un si gros problème?
4 choses rendent les grandes données significatives:
1. Les données sont massives. Il ne tient pas sur un seul disque dur, encore moins sur une clé USB. Le volume de données dépasse de loin ce que l'esprit humain peut percevoir (pensez à un milliard de milliards de mégaoctets, puis multipliez-le par plusieurs milliards).
2. Les données sont en désordre et non structurées. De 50% à 80% du travail lié aux données volumineuses consiste à convertir et à nettoyer les informations afin de permettre leur recherche et leur tri. Quelques milliers d’experts sur notre planète savent parfaitement comment procéder à ce nettoyage des données. Ces experts ont également besoin d'outils très spécialisés, tels que HPE et Hadoop, pour exercer leur métier. Peut-être que dans 10 ans, les experts en Big Data deviendront des dizaines de dollars, mais pour l’instant, ils constituent une espèce très rare d’analystes et leur travail est toujours très obscur et fastidieux.
3. Les données sont devenues une marchandise ** pouvant être vendue et achetée. Il existe des marchés de données où les entreprises et les particuliers peuvent acheter des téraoctets de médias sociaux et autres données. La plupart des données sont basées sur le cloud, car elles sont trop volumineuses pour tenir sur un seul disque dur. L'achat de données implique généralement des frais d'abonnement lorsque vous vous connectez à une batterie de serveurs cloud.
** Les leaders des outils et idées Big Data sont Amazon, Google, Facebook et Yahoo. Étant donné que ces entreprises fournissent des services en ligne à des millions de personnes, il est donc logique qu’elles soient le point de collecte et les visionnaires de l’analyse du Big Data.4. Les possibilités du Big Data sont infinies. Peut-être qu'un jour les médecins prédiront des crises cardiaques et des accidents vasculaires cérébraux chez des individus des semaines avant leur survenue Des analyses prédictives de leurs données mécaniques ainsi que de la structure du trafic et des conditions météorologiques pourraient réduire les accidents d'avion et d'automobile. La datation en ligne pourrait être améliorée en disposant de données prévisionnelles Big Data indiquant les personnalités compatibles pour vous. Les musiciens peuvent avoir un aperçu de la composition musicale qui convient le mieux aux goûts changeants des publics cibles.Les nutritionnistes pourraient peut-être prédire quelle combinaison d'aliments achetés en magasin aggravera ou aidera les conditions médicales d'une personne. La surface n'a été que rayée et les découvertes dans le Big Data se produisent chaque semaine.
Le Big Data est en désordre
Le Big Data est une analyse prédictive: la conversion de données massives non structurées en quelque chose de interrogeable et de triable. C'est un espace chaotique et chaotique qui requiert un type particulier de connaissances et de patience.
Prenons par exemple le service de livraison UPS monolithique. Les programmeurs d’UPS étudient les données du GPS et des smartphones de leurs conducteurs pour analyser les moyens les plus efficaces de s’adapter à la congestion du trafic. Les données de ce GPS et de son smartphone sont gigantesques et ne sont pas automatiquement prêtes à être analysées. Ces données proviennent de diverses bases de données cartographiques et GPS, via différents périphériques matériels pour smartphones. Les analystes d’UPS ont passé des mois à convertir toutes ces données dans un format qui peut être facilement recherché et trié. L'effort en vaut la peine, cependant. Aujourd'hui, UPS a économisé plus de 8 millions de gallons de carburant depuis qu'ils ont commencé à utiliser ces analyses Big Data.
Parce que les mégadonnées sont en désordre et nécessitent tant d'efforts pour nettoyer et préparer leur utilisation, les scientifiques ont été surnommés les "gardiens des données" pour leur travail fastidieux. Un séjour sans faille
La science du Big Data et de l'analyse prédictive s'améliore toutefois chaque semaine. Attendez-vous à ce que le Big Data soit facilement accessible à tous d'ici 2025.
Le Big Data n'est-il pas une menace intrusive pour la vie privée?
Oui, si nos lois et nos défenses en matière de protection de la vie privée ne sont pas bien gérées, le Big Data s'immisce dans la vie privée. Dans l'état actuel des choses, Google, YouTube et Facebook suivent déjà vos habitudes quotidiennes en ligne. Votre smartphone et votre vie informatique laissent des empreintes numériques chaque jour, et des entreprises sophistiquées les étudient.
Les lois sur le Big Data évoluent. La vie privée est un état d’être pour lequel vous devez maintenant assumer la responsabilité personnelle, car vous ne pouvez plus vous attendre à ce qu’elle soit considérée comme un droit par défaut.
Que pouvez-vous faire pour protéger votre vie privée:
La plus grande chose que vous puissiez faire est de dissimuler vos habitudes quotidiennes à l’aide d’une connexion réseau VPN. Un service VPN brouillera votre signal de sorte que votre identité et votre position soient au moins partiellement masquées aux traqueurs. Cela ne vous rendra pas 100% anonyme, mais un VPN réduira considérablement la capacité du monde à observer vos habitudes en ligne.
Où puis-je en savoir plus sur le Big Data?
Le big data est une chose fascinante pour les personnes ayant un esprit analytique et un amour pour la technologie. Si tel est votre cas, alors visitez certainement cette page de projets Big Data intéressants.
