فهرست مطالب
مقدمه
چکیده
Big Data چیست؟
همه چیز در باره داده‌های عظیم یا BIG DATA
Big Data چیست و چرا اهمیت دارد؟
Big Data تعریف می -شود
چرا Big Data باید برای شما مهم باشد؟
راهکارهای پایگاه‌داده در سال 2015
چالش های حوزه کلان داده
تحلیل و مدیریت داده های عظیم (Big data)
کاربردهای داده های بزرگ
کاربرد در بخش دولتی
کاربرد در بخش خصوصی
تحلیل داده های عظیم
Big Data برای Windows Azure
محور داده های عظیم
رشد ۲۸ درصدی سرمایه‌گذاری صنعت جهانی مخابرات روی کلان داده‌ها
دلیل استفاده از داده ی عظیم
روش های استفاده از داده ی عظیم
پایگاه های داده ایBig data
معماری در داده ی عظیم
استفاده از «کلان داده» برای ایجاد تحولی عظیم در آموزش
آموزش منطبق با نیازهای دانشجو در دانشگاه ایالتی آریزونا
تربیت متخصصان کار با «کلان داده» در چین
مفهوم BIG DATA
استراتژی پس‌کاوی
آژانس امنیت ملی آمریکا و بیگ دیتا
گوگل و یاهو، یاوران بیگ دیتایی NSA
توان تحلیلی بالای اکیومولو
دسته‌بندی اطلاعات در دسته‌های کوچک‌تر
فن‌آوری داده های عظیم(big data) جهان را تغییر می‌دهد
وقتی اخلاق و قانون، هر دو زیر پا گذاشته می‌شود
آیا بیگ دیتا برای NSA فقط مصرف داخلی دارد؟
توانایی دانلود و آپلود افکار عمومی
منابع و مآخذ
مقدمه:
آنچه امروز به‌نام «داده بزرگ» خوانده می‌شود روزی به‌سادگی «داده» نامیده خواهد شد. داده بزرگ یک نیاز آنی نیست، بلکه در واقع مرحله جدیدی در تحولات مدیریت داده‌هاست. داده بزرگ روشی برای تعریف رشد تصاعدی داده‌هاست که همه در تلاشند با آن سازگار شوند و راهی است برای برجسته ساختن فرصتهای جدید در جهت استخراج معنا از آن داده‌ها با استفاده از فناوری نوپدید.
داده بزرگ چند تعریف مختلف دارد. در این بحث، شرکت گارتنر (Gartner) به‌درستی داده بزرگ را به این عنوان تعریف می‌کند که: “داراییهای اطلاعاتی با حجم بالا، شتاب بالا، و یا تنوع بالا که نیازمند اشکال جدید پردازشی است که تصمیم‌گیری پیشرفته، کشف بینش و بهینه‌سازی فرایند را امکانپذیر سازد.” داده بزرگ با استفاده از فناوری جدید به چالشهای حجمهای عظیم داده، پردازش چابکانه مجموعه‌های بسیار بزرگ داده‌ها و یا مدیریت مجازی انواع گوناگون داده‌ها پاسخ می‌دهد.
چرا داده بزرگ در این زمان خاص سر براورده است؟ ریشه اصلی در شبکه گسترده جهانی است. در شبکه جهانی دیگر تنها با هزاران بهره‌بردار نرم‌افزار کاربردی سرویس‌دهنده/ سرویس‌گیرنده که از سیستمهای مدیریت پایگاه داده رابطه‌ای (RDBMS) نیرو می‌گیرند، سروکار نداریم. نرم‌افزارهای کاربردی مبتنی بر شبکه جهانی آزادانه در دسترس همه سرویس‌گیرندگان در سراسر جهان قرار دارد. میلیونها بهره‌بردار به‌طور همزمان از طریق کنش با نرم‌افزارهای کاربردی، داده ایجاد می‌کنند.
چنین سطحی از فعالیت نیازمند سیستمهای بسیار تنظیم‌پذیر است تا بهره‌برداران بتوانند کار خود را انجام دهند و آغازی است برای جنبش سیستمهای مدیریت پایگاه داده گسترده (NoSQL) که مستلزم تحلیل مجموعه داده‌های بسیار گسترده و نیمه‌سازمند است تا حساب کند که چگونه می‌توان تجربه بهره‌بردار را بهینه و رفتار را اقتصادی ساخت. این رویکرد زمینه را برای آغاز چارچوبهای نرم‌افزاری منبع باز و تحول پایگاه داده‌های تحلیلی به کمک پردازش موازی انبوه (MPP) و مجموعه جدید ابزار هوشمندی تجاری (BI) فراهم ساخت.
در همین زمان، نرخ رشد داده‌ها به افزایش خود ادامه می‌دهد. امروزه، داده‌های صفحات مشاهده‌شده در اینترنت، رویدادهای سیستم، و دیگر منابع وابسته به فناوریِ محوری که ما به آنها اتکا داریم، بیشتر داده‌های جدید و نیمه‌سازمند را که سوخت پردازش داده‌های بزرگ را فراهم می‌سازند، تامین می‌کنند. در آینده، دستگاه‌های همراه و شناسه اینترنتی اشیا (IOT) که از طریق شناسه فرکانس رادیویی (RFID) و دیگر حسابگرها، به ما امکان می‌دهند امواج عظیم داده‌های جدید را از سیستمهای تولیدی، زیرساختهای حمل‌ونقل، تجهیزات طبی و هرگونه داستان از یک صنعت خاص را که می‌توان تصور کرد، جمع‌آوری و تحلیل کنیم.
بنابراین ارزش دارد که از نزدیک اولین نرم‌افزارهای کاربردی مبتنی بر داده‌های بزرگ را به‌تدریج که پدیدار می‌شوند، زیر نظر بگیریم. فناوریهای نوپدید که امروز با داده‌های بزرگ همراه می‌شوند به‌عنوان محصولات استاندارد مدیریت داده‌ها برای عهده‌دار شدن انفجار آینده داده‌ها قلمداد خواهند شد.
چکیده:
با ورود به عصر اطلاعات و ارتباطات و آغاز استفاده از داده ها و اطلاعات به عنوان سرمایه های اصلی در حرکت علمی، اقتصادی، اجتماعی و فرهنگی جوامع، سازمان ها و شرکت های مختلف و توسعه مشارکت افراد در جهان اینترنت و ارتباطات شبکه ای در دنیا، دغدغه ای بروز پیدا کرد که از جنس همین داده هایی بود که همه روز و با سرعت وحشتناک در دنیا و در عرصه های مختلفی که فناوری اطلاعات ورود پیدا کرده بود، تولید می شود و آن اینکه چگونه این حجم بزرگ و متنوع داده ها و اطلاعات را با توجه به ساختار هایی که در فضای فناوری اطلاعات وجود دارد، می توان مدیریت، کنترل و پردازش کرد و از آن در جهت بهبود ساختارها و سودآوری بیشتر بهره جست؟
از سال 2012 به بعد در هر روز بیش از هزار پتا بایت (1000 Pebibyte معادل 1,000,000,000,000,000,000 بایت) داده تولید می شود که به دنبال خود مستلزم ذخیره سازی، تحلیل، جستجوها، تمیزکاری داده ها، اشتراک ها و ... در داده هاست که باید در حوزه مختلف انجام شود.
این موضوع باعث شده است که پژوهشگران و دانشمندان به دنبال ایجاد ساختارها، متدلوژی ها، روش ها و رویکردهای جدیدی برای مدیریت، کنترل و پردازش این حجم از داده ها باشند که این تلاش ها در ذیل سایه «داده های بزرگ» مطرح شده است.
Big Data چیست؟
داده های بزرگ یا عظیم داده ترجمه اصطلاح Big Data می باشد که معمولا به مجمعه از داده ها اطلاق می شود که اندازه آنها فراتر از حدی است که با نرم افزارهای معمول بتوان آنها را در یک زمان معقول اخذ، دقیق سازی، مدیریت و پردازش کرد. مفهوم «اندازه» در داده های بزرگ بطور مستمر در حال تغییر است و به مرور بزرگتر می شود.
داده های بزرگ (Big Data) مجموعه از تکنیک ها و تاکتیک هایی است که نیازمند شکل جدیدی از یکپارچگی هستند تا بتوانند ارزش های بزرگی را که در مجموعه های بزرگ، وسیع، پیچیده و متنوع داده پنهان شده اند، آشکار سازند.
از این رو با رشد روز افزون داده ها و نیاز به بهره برداری و تحلیل از این داده ها، بکارگیری زیرساخت های Big Data از اهمیت ویژه ای برخوردار شده است. این شرکت نیز در سال های اخیر با درک این موضوع، توانسته است گام های موثری در راستای تسلط به این حوزه بردارد و افتخار دارد که یکی از موسسات پیشرو در این زمینه در کشور باشد
همه چیز در باره داده‌های عظیم یا BIG DATA
اصل و بنیاد تعریف بیگ دیتا (Big Data) تعریفی اقتصادی است. بیگ دیتا از نظر لغوی به‌معنای «داده بزرگ» است و با تجزیه و تحلیل آن می‌توان، «الگوهای پنهان»، «همبستگی‌های ناشناخته» و سایر اطلاعات مفید را استخراج کرد. در عالم اقتصاد، داشتن چنین تحلیلی می‌تواند منجر به «مزیت نسبی» و جلب سود اقتصادی شود و بازاریابی موثرتر، از جمله برون‌دادهای این فرآیند تلقی می‌شود. در بیگ دیتا عموما با داده‌هایی سر و کار داریم که حجم آنها بیشتر از ظرفیت نرم‌افزارهای عادی است و بنابراین، فرآیند تحلیل، فرآیندی مشکل است. بنابراین در این پروسه، حجم عظیمی از اطلاعات تفکیک نشده و ساختار نیافته در اختیار قرار می‌گیرد که ساختاربندی و کشف الگوها از دل آنها کاری دشوار محسوب می‌شود.