بزرگ ‌داده‌ها چه هستند و چرا باید به آن‌ها اهمیت دهیم؟

این مطلب بخشی از مجموعه مقالات پرونده ویژه «داده‌های بزرگ؛ فردای بزرگ‌تر» شماره 197 ماهنامه شبکه است. علاقه‌مندان می‌توانند کل این پرونده ویژه را از روی سایت شبکه دانلود کنند.

آن‌ گونه که گارتنر تعریف کرده است، بزرگ داده‌ها در واقع داده‌های بسیار حجیم یا اطلاعات بسیار زیاد و متنوعی هستند که به مکانیسم‌های پردازشی جدیدی نیاز دارند. پردازش‌هایی که درنهایت به تصمیم‌گیری‌های دقیق‌تر، پیشرفته‌تر و دستیابی به بینش و بهینه‌سازی روندها منجر خواهند شد. برای درک بهتر این موضوع اجازه دهید کمی دقیق‌تر شویم تا به ساده‌ترین شکل مفهوم بزرگ‌ داده‌ها را درک کنید. 

مطلب پیشنهادی

دانلود کنید: پرونده ویژه داده‌های بزرگ؛ فردای بزرگ‌تر

بزرگ داده (Big Data) به‌معنای مجموعه‌ای از داده‌های بسیار بزرگ است که تکنیک‌های رایج محاسباتی نمی‌توانند آن‌ها را پردازش کنند. این واژه نه فقط به بزرگ داده‌ها اشاره دارد، بلکه به چهارچوب‌ها، ابزارها و تکنیک‌های مختلفی که به‌نوعی با این فناوری مرتبط هستند نیز اشاره می‌کند. پیشرفت فناوری و ظهور کانال‌های ارتباطی جدید یا همان شبکه‌های اجتماعی در کنار دستگاه‌های جدید و قدرتمندی که برای ذخیره‌سازی و پردازش داده‌ها ساخته‌ شده‌اند، چالش جدیدی را پیش روی صنعت و به‌ویژه کسب ‌و کارها قرار داده است. چالش به این معنا که شرکت‌ها برای حضور موفق در عرصه تجارت مجبورند از رویکردهای مدرن و مبتنی بر داده‌ها برای اخذ تصمیمات درست استفاده کنند. همین موضوع باعث شده است تا شرکت‌های مختلف به‌ طور مستمر در تلاش باشند تا ایده‌آل‌ترین روش را برای مدیریت بزرگ داده‌ها ابداع کنند. تا سال 2003 میلادی کل داده‌های جهان بالغ بر پنج میلیارد گیگابایت بود. اما به‌شکل دیوانه‌کننده‌ و تصورناپذیری به فاصله هشت سال بعد و درست در سال 2011 و تنها ظرف مدت 2 روز نزدیک به همین حجم از داده‌ها تولید شد. (توجه داشته باشید پنج میلیارد گیگابایت داده‌ تنها در مدت دو روز) تا سال 2013 این حجم هر 10 دقیقه یک بار تولید شد. بنابراین، جای تعجب نیست که مشاهده می‌کنیم نزدیک به 90 درصد از اطلاعات حال حاضر جهان تنها ظرف چند سال گذشته تولید شده است. اما داده‌هایی که به دست می‌آوریم تنها زمانی ارزشمند خواهند بود که پردازش شده باشند. با وجود این، تا همین چند وقت پیش بسیاری از کسب ‌و کارها و حتی صنایع ارزش خاصی برای داده‌ها قائل نمی‌شدند. (شکل 1)

شکل 1- شرکت‌هایی که در حال سرمایه‌گذاری روی بزرگ داده‌ها هستند.

مطلب پیشنهادی

رؤیای دیروز، واقعیت امروز

تعامل شکوه‌مندانه کلان‌داده‌ها و اینترنت اشیا

منابع اصلی و بزرگ ایجاد داده‌ها

امروزه هر شرکت یا کاربری بر حسب فعالیت‌های شخصی یا تجاری خود داده‌هایی را تولید می‌کند، اما یکسری از صنایع در زمینه تولید داده‌ها پیش‌گام هستند. از جمله این صنایع و سازمان‌‌ها به موارد زیر می‌توان اشاره داشت:

داده‌های متعلق به جعبه سیاه
داده‌هایی که مشتمل بر صدای خدمه پروازی، اطلاعات عملکرد هواپیما و همچنین صداهایی هستند که از طریق میکروفون‌ها ضبط می‌شود.
داده‌های متعلق به شبکه‌های اجتماعی
داده‌هایی که از سوی شبکه‌های اجتماعی مطرحی همچون گوگل پلاس، توییتر، فیسبوک،‌ اینستاگرام و پینترست تولید می‌شوند.
اطلاعات مربوط به بورس اوراق بهادار
این داده‌ها در ارتباط با مبادلات سهام و تصمیماتی هستند که مشتریان در زمان خرید یا فروش سهام اتخاذ می‌کنند. داده‌هایی که هیچ زمانی را نمی‌شناسند و حتی در نیمه‌های شب نیز به‌طور پیوسته تولید می‌شوند.
اطلاعات تولید شده از سوی شبکه‌های انتقال برق
شبکه‌های برق از جمله زیرساخت‌هایی هستند که در ظاهر به نظر نمی‌رسد داده‌های چندانی را تولید کنند، اما واقعیت این است که مدیریت داده‌های این شبکه‌ها به اندازه‌ای بزرگ و جدی است که می‌توان یک مقاله مفصل را به آن اختصاص داد. (برای اطلاعات بیشتر به شماره 194 مجله شبکه مقاله «نانو‌شبکه، ریزشبکه و بزرگ ‌داده‌ها؛ آینده شبکه‌های برق‌رسانی» مراجعه کنید. این شبکه‌ها اطلاعاتی در ارتباط با گره‌های خاص و مقدار مصرف انرژی از سوی گره‌های خاص را نشان می‌دهند.)
داده‌های مربوط به حمل ‌و نقل ناوگان درون‌شهری و برون‌شهری
این اطلاعات شامل ظرفیت احتمالی، نوع ماشین‌ها، دسترس‌پذیری و مکان‌هایی است که وسایل نقلیه قادر به پوشش دادن آن‌ها هستند.
داده‌های مربوط به موتورهای جست‌وجوگر
موتورهای جست‌وجوگر یکی از اصلی‌ترین منابعی هستند که حجم بسیار بالایی از داده‌ها را تولید می‌کنند و طیف بسیار عظیمی از بانک‌های اطلاعاتی را زمانی که نیازمند واکشی اطلاعات هستند مورد استفاده قرار می‌دهند.
در کنار منابعی که به آن‌ها اشاره شد، برنارد مارر متخصص بزرگ داده‌ها به 20 منبع بزرگی اشاره کرده است که در زمینه تولید داده‌های حجیم نقش اساسی دارند. منابعی همچون پورتال دولت انگلستان به نشانی Data.gov.uk که اطلاعات مربوط به تمام بروشورها و نشریات بریتانیا از سال 1950 تا به امروز در آن قرار دارد یا پورتال دولتی ایالات متحده Data.gov که تمام داده‌های مربوط به دولت این کشور از داده‌های مربوط به اوضاع جوی گرفته تا داده‌هایی که در ارتباط با جرم و جنایت هستند را به‌صورت آزاد در اختیار همگان قرار ‌دهند. پورتال‌هایی همچون پورتال سازمان آمار که اطلاعات ارزشمندی در ارتباط با جمعیت، اطلاعات جغرافیایی و انواع دیگری از داده‌ها را تولید می‌کنند از جمله این موارد هستند. در این بین، نباید از اطلاعات تولید شده از سوی منابعی همچون حوزه بهداشت و درمان و خدمات درمانی که به‌طور روزانه انواع مختلفی از داده‌ها را تولید می‌کنند غافل شویم. Google Trends ،Google Finance و Amazon Web Services از دیگر نمونه‌های مشابهی هستند که مجموعه داده‌های عمومی را تولید می‌کنند. این نمونه‌ها به‌وضوح به ما اعلام می‌دارند که اصطلاح بزرگ داده‌ها تنها به حجم اشاره ندارند، بلکه به‌ سرعت پردازش و همچنین گستردگی داده‌ها نیز اشاره می‌کنند. در سال 2001 میلادی داگ لنی تحلیلگر صنعت به سه مؤلفه اصلی تنوع و گوناگونی، حجم و سرعت به‌عنوان ارکان اصلی بزرگ داده‌ها اشاره کرد.

با توجه به اینکه بزرگ داده‌ها از منابع مختلفی می‌آیند در نتیجه ما با سه نوع بزرگ داده‌های ساخت‌یافته، نیمه ساخت‌یافته و بدون ساختار روبه‌رو هستیم

تنوع و گوناگونی

تنوع باعث شده است بزرگ داده‌ها به‌معنای واقعی کلمه وسیع شوند. با توجه به اینکه بزرگ داده‌ها از منابع مختلفی می‌آیند در نتیجه ما با سه نوع بزرگ داده‌های ساخت‌یافته، نیمه ساخت‌یافته و بدون ساختار روبه‌رو هستیم. 

شکل 2- سه مؤلفه اصلی سرعت، تنوع و حجم از ارکان اصلی بزرگ داده‌ها به شمار می‌روند.

مطلب پیشنهادی

رویای دیروز، واقعیت امروز

‌اینترنت اشیا با کلان‌ داده‌ها عجین شده است

(شکل 2) داده‌های ساخت‌یافته در زمان ورود به انباره‌های داده‌های همراه با برچسب‌هایی نشانه‌گذاری شده‌اند. اما داده‌های بدون ساختار به شکل اتفاقی به دریاچه داده‌ها یا انباره‌های داده وارد می‌شوند. تحلیل این داده‌ها کاری پیچیده و دشوار است. نوع سوم داده‌های نیمه ساخت‌یافته هستند که به ‌طور صریح نمی‌توان آن‌ها را با فیلدهای ثابت هماهنگ ساخت. اما این داده‌ها نیز در برگیرنده برچسب‌هایی هستند که به‌منظور تفکیک عناصر داده‌ای به کار گرفته می‌‌شوند. در کنار متنوع بودن داده‌ها، بحث تصدیق جریان داده‌ها را نیز نباید فراموش کنیم. کنترل داده‌هایی که به‌عنوان ورودی از منابع مختلف دریافت می‌شوند، کار مشکل و طاقت‌فرسایی است. در نتیجه در گام اول باید امنیت و اصالت داده‌ها به‌دقت مورد بررسی قرار گیرد. امروزه تنوع داده‌ها بیش از هر زمان دیگری است. داده‌های ساخت‌یافته همچون داده‌های رابطه‌ای، داده‌های نیمه ساخت‌یافته همچون صفحات xml و داده‌های غیر ساخت‌یافته همچون گزارش‌های چندرسانه‌ای و اطلاعاتی که درون فایل‌های PDF، اسناد ورد و فایل‌های متنی قرار دارند در گروه‌های خاص خود طبقه‌بندی می‌شوند.

حجم 

حجم به عواملی همچون ترابایت (10 به توان 12 بایت)، پتابایت (10 به توان 15 بایت)، سوتابایت (10 به توان 25 بایت) و... اشاره دارد. با توجه به گسترش داده‌ها و پیشرفت‌های حاصل در زمینه ذخیره‌سازی داده‌ها، دیگر از روش‌های سنتی ذخیره‌سازی برای مدیریت بزرگ داده‌ها نمی‌توان استفاده کرد. با افزایش فضای ذخیره‌سازی و کاهش قیمت این تجهیزات و وجود بازیکنان قدرتمندی همچون remote DBA اکنون دنیای صنعت روی این موضوع متمرکز شده است که چگونه می‌توان از طریق داده‌های موجود ارزش‌آفرینی کرد.

سرعت 

سرعت نقش کلیدی و اساسی را در میدان بزرگ داده بازی می‌کند. در اغلب موارد داده‌ها به پردازش‌های بی‌درنگ احتیاج دارند. بازارهای مالی و دنیای امنیت از جمله حوزه‌هایی هستند که داده‌های آن‌ها باید به‌سرعت پردازش و به کار گرفته شوند. زمانی‌ که درباره مقوله سرعت صحبت می‌کنیم‌، در ابتدا باید بدانیم چه جریانی از داده‌ها باید مورد پردازش قرار گیرند. در مقطع فعلی‌ این داده‌های غیر ساخت‌یافته هستند که مشکلات زیادی را به وجود آورده‌اند و زمان بیش از اندازه‌ای را هدر می‌دهند. کنترهای هوشمند‌، حسگرها و برچسب‌های آر‌اف‌آی‌دی حجم بسیار زیادی از این مدل داده‌ها را به‌صورت بی‌درنگ تولید می‌کنند. همین موضوع باعث شده است تا بسیاری از سازمان‌ها در زمینه پاسخ‌گویی بی‌درنگ به این حجم از داده‌ها مشکل داشته باشند.
امروزه بسیاری از شرکت‌ها با مشکل ادغام، مدیریت و مهم‌تر از آن ادغام انواع مختلف داده‌ها روبه‌رو هستند. اطمینان (کیفیت داده‌ها)، تغییرپذیری (ناسازگاری که اغلب میان داده‌ها مشاهده می‌شود)، پیچیدگی (دریافت داده‌ها از منابع مختلف)، صحت، اعتبار، نمایش، ارزش و نوسان از دیگر ویژگی‌های مهم و البته دردسرآفرین داده‌ها هستند.

مطلب پیشنهادی

چالش بزرگ بعدی اکوسیستم داد‌ه‌محور چیست؟

انتقال سریع و هوشمندانه داده‌ها، معدن طلای عصر جدید

پرسش‌‌های شاخص مطرح شده از سوی مؤسسه TDWI

مؤسسه TDWI که در زمینه انتقال هوشمندانه داده‌ها فعالیت دارد، در همین ارتباط چند پرسش مهم را مطرح کرده و به آن‌ها پاسخ داده است. پرسش‌هایی که به ما کمک می‌کنند تا شناخت دقیق‌تری از این مفهوم به دست آوریم.
* پس از آنکه بزرگ داده‌ها مورد تحلیل قرار گرفتند و سازمان‌دهی شدند، چه اتفاقی رخ خواهد داد؟ 
در حوزه تبلیغات، بازاریابی‌ها به ‌شکل هدفمند‌تری انجام خواهند شد. بینش‌های حرفه‌ای به‌شکل صریح و روشن‌تری به وجود خواهند آمد. فرآیند تفکیک مشتریان به‌شکل کارآمدتری اجرایی خواهد شد و کانال‌های فروش و فرصت‌های رقابتی برتر به‌شکل دقیقی شناسایی خواهند شد.
* تحلیل کامل بزرگ داده‌ها باعث حذف چه چالش‌هایی می‌شود؟
زمانی که فرآیند تحلیل بزرگ داده‌ها به‌شکل درست و کاملی انجام شود، صرفه‌جویی قابل ملاحظه‌ای در هزینه‌ها به وجود خواهد آورد، این تضمین ایجاد می‌شود که وظایف دقیقاً به سرانجام برسند، به سازمان‌ها اجازه می‌دهند سامانه‌های تحلیلی را به‌سادگی پیاده‌سازی کنند، فقدان نبود بانک‌های اطلاعاتی در ارتباط با تحلیل داده‌ها را برطرف خواهند کرد و درنهایت تخصص‌های بی‌مورد از کسب ‌و کارها حذف خواهند شد. 
* بزرگ ‌داده‌ها بسیاری از مشکلات مرسوم صنعت بهداشت و درمان را برطرف می‌کنند؟
صنعت بهداشت ‌و درمان یکی از بزرگ‌ترین صنایعی است که روزانه حجم بسیار زیادی از داده‌ها را تولید می‌کند. زمانی که بزرگ داده‌ها به‌ شکل گسترده در این صنعت به کار گرفته شوند، باعث خواهند شد تا سامانه‌های پشتیبان‌گیر اخذ تصمیمات بالینی به وجود آیند. ویژگی‌های بیماران مورد تحلیل قرار گیرند، عملکرد پزشکان مورد تحلیل قرار گیرند، ارزش‌گذاری کمی و کیفی پرسنل به‌شکل ساده‌تری انجام شوند، الگوهای رفتاری بیمار و حتی همراه بیماران قابل تحلیل و پیش‌بینی باشند و با تحلیل معیارهای عمومی راهکارهایی برای بهبود سلامت عمومی ارائه شوند. 
* بزرگ ‌داده‌ها به بهبود خدمات عمومی منجر خواهند شد؟ 
ورود بزرگ داده‌ها به بخش عمومی به‌معنای شناسایی نیازها، بهبود عملکرد، سفارشی‌سازی فرآیندها برای عرضه محصولات و سرویس‌های مناسب، اتخاذ تصمیمات از طریق سامانه‌های خودکار به‌منظور کم کردن مخاطره‌ها در زمینه عرضه محصولات جدید و سرویس‌ها خواهد بود. مهم‌تر آنکه به‌شکل شفاف و روشنی داده‌های وابسته به یکدیگر و در دسترس را آشکار می‌سازند. (بخش عمومی در هر کشوری بر مبنای قوانین آن کشور تعریف می‌شود، در حالت کلی بخش عمومی برخاسته از اقتصاد و قوانین هر کشور است.)
* خرده‌فروشی‌ها از طریق تحلیل‌های ارائه شده از سوی بزرگ ‌داده‌ها می‌توانند وضعیت خود را بهبود بخشند؟
ورود بزرگ داده‌ها به حوزه خرده‌فروشی‌ها به‌معنای تحلیل دقیق رفتار مشتریان، بهینه‌سازی قیمت‌ها، ایجاد تنوع قیمت‌گذاری، طراحی بهترین الگوهای تبلیغاتی، توسعه عملکردها، بهینه‌سازی کارهای ورودی، بهینه‌سازی فعالیت‌های مرتبط با تدارکات و توزیع و همچنین ورود دقیق به حوزه‌های مبتنی بر وب خواهد بود.
در حالی که بزرگ داده‌ها مزیت‌های بسیاری را برای کسب ‌و کارها به همراه می‌آورند، اما هنوز هم بسیاری از شرکت‌ها در زمینه تجزیه و تحلیل داده‌ها با مشکلات مختلفی روبه‌رو هستند. مهم‌ترین مشکلی که پیش روی شرکت‌ها قرار دارد، در ارتباط با خود فرآیند تحلیل است. به‌واسطه آنکه برای تحلیل بزرگ داده‌ها به صدها سرور قدرتمند نیاز است که این سرورها باید نرم‌افزارهای این حوزه را به‌شکل موازی مورد استفاده قرار دهند. اما این مشکل در مقایسه با بینش‌های جدیدی که بزرگ داده‌ها در اختیار شرکت‌ها قرار می‌دهد و به آن‌ها اجازه می‌دهد تصمیمات خود را به‌شکل کاملاً بهینه‌ای اتخاذ کنند خیلی نمود نمی‌کند. (شکل 3)
* بزرگ داده‌ها چگونه باعث بهبود کمی و کیفی می‌شود؟
واقعیت این است که امروزه رفتار مشتریان با گذشته متفاوت و سخت‌گیرتر از قبل شده‌ است. اگر به نظریات و گفت‌وگوهای مشتریان در شبکه‌های اجتماعی دقت کرده باشید، مشاهده می‌کنید که مشتریان پیش از خرید یک محصول ابتدا گزینه‌های مختلف را مورد بررسی قرار می‌دهند. امروزه مشتریان انتظار دارند پس از آنکه محصولی را از شرکتی خریداری کردند، به‌طور کاملاً خاص و اختصاصی با آن‌ها رفتار شود. اما چگونه می‌توانیم چنین کاری انجام دهیم؟ 

بزرگ‌داده‌ها به شما اجازه می‌دهند زمانی که درخواست یا حتی شکایتی را از یک مشتری دریافت کردید، درخواست یا شکایت و اطلاعات مربوط به یک محصول را مورد بررسی قرار دهید. پس از تحلیل درست این دو عامل قادر خواهید بود بر فرآیند مدیریت و ارزش‌آفرینی برای مشتری متمرکز شوید. برای دستیابی به چنین بینشی مجبورید از بزرگ‌ داده‌ها به‌منظور تعامل هرچه بهتر با مشتریان استفاده کنید، جالب آنکه در بعضی موارد این کار را باید به‌صورت بی‌درنگ انجام دهید. مزیت قابل توجه دیگری که بزرگ داده‌ها در اختیار شما قرار می‌دهند این است که به شما اجازه می‌دهند فرآیند بازطراحی دومرتبه محصولات و سرویس‌ها را به‌منظور دستیابی به فروش و سود بیشتر به‌شکل دقیقی مدیریت کنید. 

شکل 3- 90 درصد از داده‌های حال حاضر جهان تنها ظرف دو سال اخیر به وجود آمده‌اند. برآورد شده است تا سال 2020 این رقم به 40 هزار اگزابایت برسد. 

مطلب پیشنهادی

رویای دیروز، واقعیت امروز

پیش‌پردازش‌ها و تبدیل داده‌ها، رمز موفقیت اینترنت اشیا

اطمینان (کیفیت داده‌ها)، تغییرپذیری (ناسازگاری که اغلب میان داده‌ها مشاهده می‌شود)، پیچیدگی (دریافت داده‌ها از منابع مختلف)، صحت، اعتبار، نمایش، ارزش و نوسان از دیگر ویژگی‌های مهم و البته دردسرآفرین داده‌ها هستند

بزرگ داده‌ها، کلید دستیابی برنامه‌های کاربردی به بازار 100 میلیارد دلاری 

بازار نرم‌افزارهای کاربردی این پتانسیل را دارد تا سال 2020 به رشد 100 میلیارد دلاری دست پیدا کند. (شکل 4) اما برای دستیابی به چنین ارزشی در گام اول باید بتوانید داده‌ها را به بهترین شکل ممکن تحلیل کند. تولیدکنندگان برنامه‌های کاربردی برای آنکه موفق شوند به چنین تحلیل دقیق و مؤثری دست پیدا کنند، باید از هوش داده‌ای به‌عنوان کلیدی برای خلق محصولات باکیفیت‌تر استفاده کنند. شرکت‌هایی که موفق شوند کانال‌های مربوط به تحلیل بزرگ داده‌ها و تحلیل‌های مربوط به آن‌ها را در شرکت خود پیاد‌ه‌سازی کنند، در مرحله بعد به‌خوبی به این بینش مهم دست پیدا خواهند کرد که نرم‌افزارهای کاربردی آن‌ها از سوی کاربران چگونه مورد استفاده قرار می‌گیرد و بر مبنای چه عواملی می‌توان مشتریان ثابت و تأثیرگذاری را به وجود آورد. در همین ارتباط دوازده شرکت تولیدکننده برنامه‌ها و ابزارهای کاربردی که از بزرگ داده‌ها برای برقراری تعامل بهتر با مشتریان خود استفاده کرده‌اند مورد ارزیابی قرار گرفتند. این ارزیابی نشان داد این شرکت‌ها با اتکا بر اهرم بزرگ داده‌ها موفق شده‌اند به میزان 35 درصد تعامل مشتریان با برنامه‌های کاربردی خود را استحکام بخشند. رویکردی که درنهایت به میزان 20 درصد حجم درآمدهای این شرکت‌ها را افزایش داده است. 

شکل 4- بازار نرم‌افزارهای کاربردی به‌لطف بزرگ داده‌ها تا سال 2020 به رقم 100 میلیارد دلار خواهد رسید.

نقش فضای سایبری در زمینه تولید بزرگ داده‌ها نباید از یاد برود

نقش وب در زمینه تولید بزرگ‌ها حائز اهمیت است. شما با تحلیل پیام‌ها و فعالیت کاربران در شبکه‌های اجتماعی می‌توانید هوش کاربران را درک و از این منظر برای ارائه تبلیغات هوشمندانه‌تر، راه‌اندازی کمپین‌های بازاریابی دقیق‌تر و دستیابی به ظرفیت‌های از پیش تعیین شده در استراتژی‌های خود استفاده کنید. با تحلیل الگوهای رفتاری مشتریان و الگوهای خرید و حتی واکنش‌های احساساتی کاربران به‌راحتی می‌توانید به طرح‌های از پیش برنده دست پیدا کنید. جالب آنکه از داده‌های مربوط به شبکه‌های اجتماعی می‌توان به‌منظور شناسایی رفتارهای مخاطره‌آمیز و شناسایی کاربران خلافکار نیز استفاده کرد. 

بزرگ داده‌ها، کلید موفقیت اینترنت اشیا

نفوذ روزافزون و تصاعدی گجت‌های اینترنت اشیا به حوزه‌های تجاری و خانگی تعجب بسیاری از کارشناسان را به همراه داشته است. این رشد روزافزون تولید روزافزون داده‌ها را نیز به همراه داشته است. در نتیجه اگر بگوییم اینترنت اشیا و بزرگ داده‌ها در بسیاری از زمینه‌ها وجه مشترکی با یکدیگر دارند، اغراق نکرده‌ایم. اما اینترنت اشیا زمانی به اهداف از پیش تعیین شده خود دست پیدا می‌کند که موفق شود داده‌های تولید شده از سوی حسگرها را به‌شکل مطلوبی مورد تحلیل قرار دهد. در همین ارتباط شرکت جنرال الکتریک پژوهشی در این زمینه انجام داده و نقش راهبری بزرگ داده‌ها در حوزه تجارت و همچنین هم‌گرایی بزرگ داده‌ها و اینترنت اشیا را مورد بررسی قرار داده است. بر اساس پژوهش انجام شده از سوی این شرکت هم‌گرایی این دو فناوری با یکدیگر باعث شده است تا چشم‌انداز رقابتی صنایع به‌شکل کاملاً بنیادی دست‌خوش تغییرات اساسی شود. نزدیک به 89 درصد از شرکت‌کنندگان در این پژوهش بر این باورند تنها سازمان‌هایی در آینده موفق خواهند شد در گردونه رقابت باقی بمانند که برنامه‌های راهبردی درستی را در زمینه تحلیل بزرگ داده‌ها تدوین کرده باشند. این برنامه‌های راهبردی باعث خواهند شد تا بسیاری از شرکت‌‌های فعال در حوزه «داده‌ در قالب سرویس» (DaaS) به فکر نو‌آوری‌های جالب توجهی در وب باشند. 

تعامل اینترنت اشیا و مشتریان

ذات اینترنت اشیا به گونه‌ای است که با درخواست‌ها و برنامه‌هایی که از سوی کاربران مورد استفاده قرار می‌گیرد در تعامل مستقیم قرار دارد. این تعامل مستقیم باعث شده است تا رفتار مشتریان تحت تأثیر این فناوری قرار گیرد. دیوید مک‌لاچلن از شرکت تحلیلگر اینترنت اشیا در این ارتباط گفته است: «شرکت‌هایی که در زمینه تولید کالاهای مصرفی به فعالیت اشتغال دارند و از بزرگ داده‌ها برای تحلیل رفتار مشتریان خود استفاده کرده‌اند، موفق شده‌اند چشم‌اندازهای خوبی را برای خود ترسیم کنند، به ‌طوری که در مقطع فعلی داده‌کاوی به یکی از کارآمدترین ابزارهای مورد استفاده از سوی شرکت‌های سنت‌گرایی تبدیل شده است که تا پیش از این هیچ‌گونه ارتباطی با بزرگ داده‌ها نداشتند.» 

مطلب پیشنهادی

فارستر به‌ابعاد استفاده از IoT در زندگی بشر می‌پردازد

اینترنت اشیا با این روش‌ها، ارزش کسب‌وکارها را چندبرابر می‌کند

سایت وایرد در مقاله‌ای به این نکته اشاره کرده است که اینترنت اشیا صنعتی اکنون به یکی از حقایق ملموس زندگی ما تبدیل شده است. در حالی که اینترنت اشیا مرسوم بر رفتار مصرف‌کننده تأکید دارد و به او اعلام می‌دارد وسیله مصرفی او همچون یخچال یا ماشین لباس‌شویی چه زمانی به سرویس نیاز دارد یا به شما اجازه می‌دهد از طریق گوشی هوشمند خود گجت‌های اینترنت اشیا را از راه دور کنترل کنید و در یک کلام زندگی ایده‌آل و راحت‌تری داشته باشید. اما در مقابل اینترنت اشیا صنعتی به‌دنبال آن است تا از طریق نظارت مستمر بر همه چیز و فراهم آوردن شرایط ایمن دنیای مطلوب و به دور از مشکلات را بر پایه تحلیل داده‌ها ایجاد کند. تعامل اینترنت اشیا و بزرگ داده‌ها در صنعتی همچون ماشین‌سازی باعث شده است تا این صنعت به‌سمت یک بازار 19 تریلیون دلاری در حرکت باشد. شرکت سیسکو در این ارتباط گفته است: «دنیای بزرگ داده‌ها در چند سال آینده شاهد ورود ماشین‌های خودران و متصل به اینترنتی خواهد بود که نیاز مبرمی به داده‌کاوی و تحلیل داده‌ها دارند. این تحلیل‌های هوشمندانه است که برای شما ارزش‌آفرینی واقعی ایجاد کرده است یا هدفی که به‌دنبال آن هستید را در اختیارتان قرار می‌دهد.»

دنیای بزرگ داده‌ها در چند سال آینده شاهد ورود ماشین‌های خودران و متصل به اینترنتی خواهد بود که نیاز مبرمی به داده‌کاوی و تحلیل داده‌ها دارند. این تحلیل‌های هوشمندانه است که برای شما ارزش‌آفرینی واقعی ایجاد کرده است یا هدفی که به‌دنبال آن هستید را در اختیارتان قرار می‌دهد

تحلیل و مدیریت داده‌ها چالش برانگیز است

در حالی که هر دو حوزه بزرگ داده‌ها و اینترنت اشیا بوم بسیار بزرگی را پیش روی همه صنایع قرار داده‌اند، اما واقعیت این است که مدیریت داده‌ها چالش‌های جدیدی را برای کسب ‌و کارها به وجود آورده است. چالش‌هایی که در صورت مدیریت درست، ناب‌ترین فرصت‌ها را پیش روی آن‌ها قرار می‌دهند. معین خان مدیر اجرایی بخش بازاریابی AT&T در این ارتباط گفته است: «بزرگ‌ترین چالش پیش روی اینترنت اشیا در ارتباط با مدیریت داده‌ها است. اینکه داده‌های بااهمیت چه داده‌هایی هستند، چه داده‌هایی باید به‌سرعت انتقال پیدا کنند، چه داده‌هایی را می‌توان برای مدت زمان مدیدی ذخیره‌سازی کرد و چه اطلاعاتی بی‌اهمیت هستند به یک فرآیند داده‌کاوی و تحلیل دقیق نیاز دارند. در حالی که این موضوع خود حائز اهمیت است، اما مسئله مهم‌تر در ارتباط با سخت‌افزار یا نرم‌افزاری است که باید از سوی سازمان‌ها برای این منظور به کار گرفته شوند. شما تنها زمانی موفق می‌شوید به چنین چشم‌انداز‌هایی دست پیدا کنید که بتوانید به سخت‌افزار مورد نیاز دست پیدا کنید.»