الـ Big data أو البيانات الضخمة هي مزيج من البيانات المنظمة وشبه المنظمة وغير المهيكلة التي تم جمعها من قبل المؤسسات والتي يمكن استخراجها للحصول
على المعلومات واستخدامها في مشاريع التعلم الآلي والنمذجة التنبؤية وتطبيقات التحليلات المتقدمة الأخرى.
أصبحت الأنظمة التي تعالج وتخزن الـ Big data مكونًا شائعًا لهياكل إدارة البيانات في المؤسسات. غالبًا ما تتميز البيانات الضخمة بـ 3Vs: الحجم الكبير للبيانات
في العديد من البيئات ، والتنوع الكبير في أنواع البيانات المخزنة في أنظمة البيانات الضخمة والسرعة التي يتم بها إنشاء البيانات وجمعها ومعالجتها. تم تحديد هذه
الخصائص لأول مرة من قبل دوج لاني ، ثم محلل في Meta Group Inc. ، في عام 2001 ؛ قامت شركة Gartner بنشرها بعد أن استحوذت على Meta
Group في عام 2005. وفي الآونة الأخيرة ، تمت إضافة العديد من Vs الأخرى إلى أوصاف مختلفة للبيانات الضخمة ، بما في ذلك الدقة والقيمة والتنوع.
ما هي الـ Big data ؟
البيانات الضخمة Big data هي مصطلح يصف الحجم الكبير من البيانات – المنظمة وغير المنظمة – التي تغمر الشركة على أساس يومي. لكن ليس حجم البيانات هو
المهم. ما تفعله المؤسسات بالبيانات هو المهم. يمكن تحليل البيانات الضخمة للحصول على رؤى تؤدي إلى قرارات أفضل وتحركات أعمال إستراتيجية.
أصبح استخدام البيانات الضخمة Big data أمرًا شائعًا هذه الأيام من قبل الشركات لتتفوق على نظيراتها في الأداء. في معظم الصناعات ، سيستخدم المنافسون
الحاليون والوافدون الجدد على حد سواء الاستراتيجيات الناتجة عن البيانات التي تم تحليلها للمنافسة والابتكار والحصول على القيمة.
تساعد الـ Big data المؤسسات على خلق فرص نمو جديدة وفئات جديدة تمامًا من الشركات يمكنها دمج وتحليل بيانات الصناعة. هذه الشركات لديها معلومات وافرة
عن المنتجات والخدمات والمشترين والموردين وتفضيلات المستهلك التي يمكن التقاطها وتحليلها.
في حين أن مصطلح الـ Big data هو مصطلح جديد نسبيًا ، إلا أن عملية جمع وتخزين كميات كبيرة من المعلومات للتحليل النهائي أصبحت قديمة. اكتسب هذا
المفهوم زخمًا في أوائل العقد الأول من القرن الحادي والعشرين عندما أوضح المحلل الصناعي دوج لاني التعريف السائد الآن للبيانات الضخمة على أنها الثلاثة مقابل:
الحجم:
تجمع المنظمات البيانات من مجموعة متنوعة من المصادر ، بما في ذلك المعاملات التجارية ووسائل التواصل الاجتماعي والمعلومات من أجهزة الاستشعار أو البيانات
من جهاز إلى آخر. في الماضي ، كان التخزين يمثل مشكلة – لكن التقنيات الجديدة (مثل Hadoop) خففت من العبء. يرتبط اسم “البيانات الضخمة” بحد ذاته بحجم
هائل. يلعب حجم البيانات دورًا مهمًا للغاية في تحديد القيمة من البيانات. أيضًا ، ما إذا كان يمكن اعتبار بيانات معينة بالفعل بيانات كبيرة أم لا ، فهذا يعتمد على حجم
البيانات. ومن ثم ، فإن “الحجم” هو إحدى السمات التي يجب مراعاتها أثناء التعامل مع الـ Big data .
السرعة:
تتدفق البيانات بسرعة غير مسبوقة ويجب التعامل معها في الوقت المناسب. تعمل علامات RFID وأجهزة الاستشعار والقياس الذكي على زيادة الحاجة إلى التعامل مع السيول من البيانات في الوقت الفعلي تقريبًا.
يشير مصطلح “السرعة” إلى سرعة توليد البيانات. مدى سرعة إنشاء البيانات ومعالجتها لتلبية المتطلبات ، يحدد الإمكانات الحقيقية في البيانات.
تتعامل سرعة البيانات الكبيرة مع السرعة التي تتدفق بها البيانات من مصادر مثل العمليات التجارية وسجلات التطبيقات والشبكات ومواقع الوسائط الاجتماعية وأجهزة الاستشعار والأجهزة المحمولة وما إلى ذلك. تدفق البيانات هائل ومستمر.
التنوع:
تأتي البيانات بجميع أنواع التنسيقات – بدءًا من مجموعات البيانات المهيكلة (يمكن رؤية الأمثلة هنا وهنا وهنا) والبيانات الرقمية في قواعد البيانات التقليدية إلى
المستندات النصية غير المنظمة والبريد الإلكتروني والفيديو والصوت وبيانات مؤشر الأسهم والمعاملات المالية. يشير التنوع إلى مصادر غير متجانسة وطبيعة البيانات
، سواء كانت منظمة أو غير منظمة. خلال الأيام السابقة ، كانت جداول البيانات وقواعد البيانات هي المصادر الوحيدة للبيانات التي نظرت فيها معظم التطبيقات. في
أيامنا هذه ، يتم أيضًا مراعاة البيانات في شكل رسائل بريد إلكتروني وصور ومقاطع فيديو وأجهزة مراقبة وملفات PDF والصوت وما إلى ذلك في تطبيقات التحليل.
يطرح هذا التنوع من البيانات غير المهيكلة بعض المشكلات المتعلقة بالتخزين والتعدين وتحليل البيانات.
ما هي فوائد الـ Big data ؟
1- استخدام البيانات الضخمة يخفض التكاليف
تتناول مقالة Tech Cocktail الأخيرة كيفية قيام Twiddy & Company Realtors بخفض تكاليفها بنسبة 15٪. قارنت الشركة رسوم الصيانة للمقاولين بمتوسط بائعيها الآخرين. من خلال هذه العملية ، حددت الشركة وألغت أخطاء معالجة الفواتير وجداول الخدمة الآلية.
2- استخدام الـ Big data يزيد من كفاءتك
يزيد استخدام أدوات التكنولوجيا الرقمية من كفاءة عملك. من خلال استخدام أدوات مثل خرائط Google و Google Earth ووسائل التواصل الاجتماعي ، يمكنك القيام بالعديد من المهام مباشرة على مكتبك دون تحمل نفقات السفر. توفر هذه الأدوات قدرًا كبيرًا من الوقت أيضًا.
3- استخدام الـ Big data يحسن أسعارك
استخدم أداة ذكاء الأعمال لتقييم أموالك ، والتي يمكن أن تعطيك صورة أوضح عن موقف عملك.
4- يمكنك التنافس مع الشركات الكبرى
يتيح لك استخدام نفس الأدوات التي توفرها الشركات الكبرى أن تكون في نفس الملعب. يصبح عملك أكثر تعقيدًا من خلال الاستفادة من الأدوات المتاحة لاستخدامك.
5- يسمح لك بالتركيز على التفضيلات المحلية
يجب أن تركز الشركات الصغيرة على البيئة المحلية التي تلبي احتياجاتها. تسمح لك البيانات الضخمة بتكبير إبداءات الإعجاب / عدم الإعجاب والتفضيلات الخاصة بعميلك المحلي بشكل أكبر. عندما يتعرف نشاطك التجاري على تفضيلات عملائك مقترنة بلمسة شخصية ، ستتمتع بميزة على منافسيك.
6- يساعدك استخدام الـ Big data على زيادة المبيعات
تكشف البصمات الرقمية التي نتركها وراءنا عن قدر كبير من التبصر في تفضيلات التسوق لدينا ومعتقداتنا وما إلى ذلك. تتيح هذه البيانات للشركات تصميم منتجاتها وخدماتها وفقًا لما يريده العميل بالضبط. تُترك بصمة رقمية عندما يتصفح عملاؤك عبر الإنترنت وينشرون على قنوات التواصل الاجتماعي.
7- يضمن لك استخدام البيانات الضخمة تعيين الموظفين المناسبين
يمكن لشركات التوظيف فحص السير الذاتية للمرشح وملفات LinkedIn الشخصية بحثًا عن الكلمات الرئيسية التي تتطابق مع الوصف الوظيفي. لم تعد عملية
التوظيف تعتمد على الشكل الذي يبدو عليه المرشح على الورق وكيف يُنظر إليه شخصيًا.
تشير صحة البيانات إلى درجة اليقين في مجموعات البيانات. يمكن أن تتسبب البيانات الأولية غير المؤكدة التي تم جمعها من مصادر متعددة – مثل منصات الوسائط
الاجتماعية وصفحات الويب – في حدوث مشكلات خطيرة في جودة البيانات قد يكون من الصعب تحديدها. على سبيل المثال ، قد تتمكن الشركة التي تجمع مجموعات
من البيانات الضخمة من مئات المصادر من تحديد البيانات غير الدقيقة ، لكن محلليها يحتاجون إلى معلومات نسب البيانات لتتبع مكان تخزين البيانات حتى يتمكنوا من
تصحيح المشكلات.
تؤدي البيانات السيئة إلى تحليل غير دقيق وقد تقوض قيمة تحليلات الأعمال لأنها يمكن أن تتسبب في عدم ثقة المديرين التنفيذيين في البيانات ككل. يجب حساب كمية
البيانات غير المؤكدة في المؤسسة قبل استخدامها في تطبيقات تحليلات البيانات الضخمة. تحتاج فرق تكنولوجيا المعلومات والتحليلات أيضًا إلى التأكد من أن لديهم
بيانات دقيقة كافية متاحة لتحقيق نتائج صحيحة.
يضيف بعض علماء البيانات أيضًا قيمة إلى قائمة خصائص البيانات الضخمة. كما هو موضح أعلاه ، ليست كل البيانات التي تم جمعها لها قيمة عمل حقيقية ، ويمكن أن
يؤدي استخدام البيانات غير الدقيقة إلى إضعاف الرؤى التي توفرها تطبيقات التحليلات. من الأهمية بمكان أن تستخدم المؤسسات ممارسات مثل تنقية البيانات وتأكيد أن
البيانات تتعلق بقضايا الأعمال ذات الصلة قبل استخدامها في مشروع تحليلات البيانات الضخمة.
غالبًا ما ينطبق التغير أيضًا على مجموعات البيانات الضخمة ، والتي تكون أقل اتساقًا من بيانات المعاملات التقليدية وقد يكون لها معانٍ متعددة أو يتم تنسيقها بطرق
مختلفة من مصدر بيانات إلى آخر – وهي عوامل تزيد من تعقيد الجهود المبذولة لمعالجة البيانات وتحليلها. بعض الناس ينسبون المزيد من Vs إلى البيانات الضخمة ؛
أنشأ علماء البيانات والاستشاريون قوائم مختلفة تتراوح بين سبعة و 10 مقابل.
من أين تأتي الـ Big data ؟
تأتي الـ Big data من مصادر مختلفة لا تعد ولا تحصى ، مثل أنظمة المعاملات التجارية ، وقواعد بيانات العملاء ، والسجلات الطبية ، وسجلات النقر على الإنترنت
، وتطبيقات الهاتف المحمول ، والشبكات الاجتماعية ، ومستودعات البحث العلمي ، والبيانات التي يتم إنشاؤها آليًا ، وأجهزة استشعار البيانات في الوقت الفعلي
المستخدمة في إنترنت الأشياء ( IoT) البيئات. قد يتم ترك البيانات في شكلها الأولي في أنظمة البيانات الضخمة أو معالجتها مسبقًا باستخدام أدوات التنقيب عن البيانات
أو برنامج إعداد البيانات بحيث تكون جاهزة لاستخدامات تحليلية معينة.
باستخدام بيانات العملاء كمثال ، تشمل الفروع المختلفة للتحليلات التي يمكن إجراؤها بالمعلومات الموجودة في مجموعات البيانات الضخمة ما يلي:
– التحليل المقارن:
يشمل فحص مقاييس سلوك المستخدم ومراقبة مشاركة العملاء في الوقت الفعلي من أجل مقارنة منتجات الشركة وخدماتها وسلطة العلامة التجارية مع تلك الخاصة بمنافستها.
– الاستماع إلى وسائل التواصل الاجتماعي:
هذه معلومات حول ما يقوله الناس على وسائل التواصل الاجتماعي حول عمل أو منتج معين يتجاوز ما يمكن تقديمه في استطلاع أو استطلاع. يمكن استخدام هذه
البيانات للمساعدة في تحديد الجماهير المستهدفة للحملات التسويقية من خلال مراقبة النشاط المحيط بموضوعات محددة عبر مصادر مختلفة.
– تحليل التسويق:
يشمل المعلومات التي يمكن استخدامها لجعل الترويج للمنتجات والخدمات والمبادرات الجديدة أكثر استنارة وابتكارًا.
– رضا العملاء وتحليل المشاعر:
يمكن أن تكشف جميع المعلومات التي تم جمعها عن شعور العملاء تجاه الشركة أو العلامة التجارية ، في حالة ظهور أي مشكلات محتملة ، وكيف يمكن الحفاظ على ولاء العلامة التجارية وكيف يمكن تحسين جهود خدمة العملاء.
كيف يتم حفظ وتخزين الـ Big data ؟
تفرض الحاجة إلى التعامل مع سرعة الـ Big data مطالب فريدة على البنية التحتية للحوسبة الأساسية. يمكن للقوة الحاسوبية المطلوبة لمعالجة كميات ضخمة وأنواع
مختلفة من البيانات أن تطغى على خادم واحد أو مجموعة خوادم. يجب على المنظمات تطبيق قدرة معالجة كافية على مهام البيانات الضخمة من أجل تحقيق السرعة
المطلوبة. من المحتمل أن يتطلب ذلك مئات أو آلاف الخوادم التي يمكنها توزيع أعمال المعالجة والعمل بشكل تعاوني في بنية مجمعة ، غالبًا ما تعتمد على تقنيات مثل
Hadoop و Apache Spark.
يمثل تحقيق هذه السرعة بطريقة فعالة من حيث التكلفة تحديًا أيضًا. يتحفظ العديد من قادة المؤسسات على الاستثمار في خادم واسع النطاق والبنية التحتية للتخزين لدعم
أعباء عمل الـ Big data ، لا سيما تلك التي لا تعمل على مدار الساعة طوال أيام الأسبوع. نتيجة لذلك ، أصبحت الحوسبة السحابية العامة الآن وسيلة أساسية
لاستضافة أنظمة الـ Big data . يمكن لمزود السحابة العامة تخزين بيتابايت من البيانات وزيادة العدد المطلوب من الخوادم لفترة كافية لإكمال مشروع تحليلات
البيانات الضخمة. يدفع العمل فقط مقابل وقت التخزين والحساب المستخدم فعليًا ، ويمكن إيقاف تشغيل مثيلات السحابة حتى يتم الاحتياج إليها مرة أخرى.
لتحسين مستويات الخدمة بشكل أكبر ، يقدم مقدمو الخدمات السحابية العامة إمكانات البيانات الضخمة من خلال الخدمات المدارة التي تشمل ما يلي:
– Amazon EMR (المعروف سابقًا باسم Elastic MapReduce)
– برنامج Microsoft Azure HDInsight
– جوجل كلاود داتابروك
– في البيئات السحابية ، يمكن تخزين البيانات الضخمة في ما يلي:
– نظام الملفات الموزعة Hadoop (HDFS) ؛
– تخزين كائنات سحابية منخفضة التكلفة ، مثل Amazon Simple Storage Service (S3) ؛
– قواعد بيانات NoSQL. و
– قواعد البيانات العلائقية.
بالنسبة للمؤسسات التي ترغب في نشر أنظمة البيانات الضخمة المحلية ، فإن تقنيات Apache مفتوحة المصدر شائعة الاستخدام بالإضافة إلى Hadoop و Spark تشمل ما يلي:
– YARN ، مدير الموارد المدمج في Hadoop وجدولة الوظائف ، والذي يرمز إلى Yet Another Resource Negotiator ، ولكنه يُعرف عمومًا بالاختصار وحده ؛
– إطار عمل برمجة MapReduce ، وهو أيضًا مكون أساسي لـ – Hadoop ؛
– كافكا ، منصة رسائل وتدفق بيانات من تطبيق إلى تطبيق ؛
– قاعدة بيانات HBase ؛ و
– محركات استعلام SQL-on-Hadoop ، مثل Drill و Hive و Impala و Presto.
يمكن للمستخدمين تثبيت إصدارات مفتوحة المصدر من التقنيات بأنفسهم أو اللجوء إلى منصات البيانات الضخمة التجارية التي تقدمها Cloudera ، والتي اندمجت مع منافستها السابقة Hortonworks في يناير 2019 ، أو Hewlett Packard Enterprise (HPE) ، التي اشترت أصول مورِّد البيانات الضخمة MapR Technologies في أغسطس 2019. يتم أيضًا دعم منصات Cloudera و MapR في المساحة السحابية.
تحديات الـ Big data
إلى جانب سعة المعالجة وقضايا التكلفة ، يعد تصميم بنية البيانات الضخمة تحديًا شائعًا آخر للمستخدمين. يجب أن تكون أنظمة البيانات الضخمة مُصممة وفقًا
للاحتياجات الخاصة للمؤسسة ، وهو تعهد DIY يتطلب من فرق تكنولوجيا المعلومات ومطوري التطبيقات تجميع مجموعة من الأدوات من جميع التقنيات المتاحة.
يتطلب نشر وإدارة أنظمة البيانات الضخمة أيضًا مهارات جديدة مقارنة بالمهارات التي يمتلكها مسؤولو قواعد البيانات (DBA) والمطورون الذين يركزون على
البرامج العلائقية.
يمكن تخفيف هاتين المشكلتين باستخدام خدمة سحابية مُدارة ، ولكن يتعين على مديري تكنولوجيا المعلومات مراقبة استخدام السحابة عن كثب للتأكد من عدم خروج
التكاليف عن السيطرة. أيضًا ، غالبًا ما يكون ترحيل مجموعات البيانات المحلية ومعالجة أعباء العمل إلى السحابة عملية معقدة للمؤسسات.
يعد جعل البيانات في أنظمة الـ Big data في متناول علماء البيانات والمحللين الآخرين تحديًا أيضًا ، لا سيما في البيئات الموزعة التي تتضمن مزيجًا من الأنظمة
الأساسية المختلفة ومخازن البيانات. لمساعدة المحللين في العثور على البيانات ذات الصلة ، تعمل فرق تكنولوجيا المعلومات والتحليلات بشكل متزايد على إنشاء
كتالوجات البيانات التي تتضمن إدارة البيانات الوصفية ووظائف نسب البيانات. يجب أيضًا أن تكون جودة البيانات وإدارة البيانات من الأولويات لضمان أن تكون
مجموعات البيانات الضخمة نظيفة ومتسقة ومستخدمة بشكل صحيح.
قوانين وتشريعات الـ Big data
لسنوات عديدة ، كانت لدى الشركات قيود قليلة على البيانات التي تجمعها من عملائها. ومع ذلك ، مع زيادة جمع واستخدام البيانات الضخمة ، ازداد سوء استخدام
البيانات. يطالب المواطنون المهتمون الذين عانوا من سوء التعامل مع بياناتهم الشخصية أو وقعوا ضحايا لخرق البيانات بقوانين تتعلق بشفافية جمع البيانات وخصوصية
بيانات المستهلك.
أدى الاحتجاج بشأن انتهاكات الخصوصية الشخصية إلى قيام الاتحاد الأوروبي بتمرير اللائحة العامة لحماية البياناتGDPR ، والتي دخلت حيز التنفيذ في مايو
2018 ؛ إنه يحد من أنواع البيانات التي يمكن للمؤسسات جمعها ويتطلب موافقة التمكين من الأفراد أو الامتثال لأسباب قانونية محددة أخرى لجمع البيانات الشخصية.
يتضمن القانون العام لحماية البيانات GDPR أيضًا حقًا في النسيان ، والذي يتيح لسكان الاتحاد الأوروبي مطالبة الشركات بحذف بياناتهم.
على الرغم من عدم وجود قوانين فيدرالية مماثلة في الولايات المتحدة ، يهدف قانون خصوصية المستهلك في كاليفورنيا CCPA إلى منح سكان كاليفورنيا مزيدًا من
التحكم في جمع واستخدام معلوماتهم الشخصية من قبل الشركات. تم توقيع قانون CCPA ليصبح قانونًا في عام 2018 ومن المقرر أن يدخل حيز التنفيذ في 1 يناير
2020. بالإضافة إلى ذلك ، يقوم المسؤولون الحكوميون في الولايات المتحدة بالتحقيق في ممارسات معالجة البيانات ، وتحديداً بين الشركات التي تجمع بيانات المستهلك وتبيعها إلى شركات أخرى للاستخدام غير المعروف .
الـ Big data وحياتنا اليومية
تلعب البيانات دورًا بارزًا في العالم لدرجة أنه من المستحيل تحديد جميع الطرق التي تؤثر بها البيانات الضخمة على حياتك الشخصية. يتم جمع الكثير من البيانات كل
يوم لدرجة أننا نشير الآن إلى هذه المجموعات الضخمة على أنها بيانات ضخمة. الآن أكثر من أي وقت مضى ، يجب أن تعرف كيف يتم جمع البيانات الضخمة وفهم
بعض تأثيرات الـ Big data في حياتك الشخصية.
حدثت التغييرات في كيفية جمع البيانات الضخمة بسرعة كبيرة بحيث أصبحت البيانات الضخمة أكثر انتشارًا في الحياة اليومية مما قد تعتقد. تقوم الشركات والمؤسسات
بجمع المعلومات حول جماهيرها المستهدفة. إنهم يعرفون ما تشاهده وما تقرأه وما تشتريه.
يؤثر هذا الوصول إلى البيانات الرئيسية والمخصصة بعد ذلك على تجربتك اليومية في بعض أهم مجالات الحياة وأكثرها شيوعًا. ضع في اعتبارك الطرق التالية لاستخدام البيانات الضخمة في حياتك اليومية:
الموسيقى والعروض والأفلام
إحدى الطرق الأكثر وضوحًا والشخصية التي تؤثر بها البيانات الضخمة على حياتك الشخصية هي من خلال وسائل الترفيه والوسائط التي تستهلكها. يتضمن ذلك خدمات بث الموسيقى بالإضافة إلى منصات التلفزيون والأفلام.
أحدث البث ثورة في صناعة الموسيقى ، ويستخدم معظم الناس واحدًا أو أكثر من خدمات بث الموسيقى الأكثر شيوعًا. تعتمد شركات مثل Spotify و Pandora
بشكل كبير على البيانات الضخمة ، وتتبع الموسيقى التي تختارها وترغب في إعادة توجيه تجربتك في الوقت الفعلي. تضفي Pandora طابعًا شخصيًا على تجربة
المستخدم من خلال مشروع الجينوم الموسيقي الخاص بها ، والذي تصفه بأنه “التحليل الأكثر شمولاً للموسيقى على الإطلاق”. يقدم Spotify للمستخدمين قائمة تشغيل
أسبوعية ومخصصة ويميزها بصورة المستخدم.
تعمل أشكال الترفيه الأخرى من نفس قواعد اللعبة ، والتي تشمل معظم خدمات بث الأفلام والتلفزيون. نظرًا لأن العديد من هذه الشركات تقوم الآن أيضًا بإنشاء المحتوى
الخاص بها ، فإنها تستخدم أيضًا البيانات التي تجمعها منك لتحديد نوع المحتوى الذي تريد إنتاجه. في عام 2016 ، قادت البيانات الضخمة Netflix إلى إنشاء المزيد
من المحتوى الأصلي مثل نجاحها Stranger Things ، مما ساهم في إحداث تغيير كبير في اتجاه الشركة وفي تجربتك مع نتفليكس.
الرعاية الصحية والخدمات الطبية
تعد الرعاية الصحية مجالًا آخر يسهل فيه تتبع آثار البيانات الضخمة في حياتك الشخصية. لقد أدى جمع المعلومات الجماعية وتطبيقها إلى تغيير العديد من مجالات صناعة الرعاية الصحية ، بما في ذلك:
تتبع السجلات الشخصية والأنماط الصحية والاحتفاظ بها ،
التنبؤ بانتقال الأمراض والأوبئة ،
بروتوكولات العلاج والعلاجات المحتملة ،
تتبع وتحسين نوعية أنماط الحياة ، و
الخصوصية والأمن
ربما لاحظت أن المزيد والمزيد من سجلاتك الطبية تتم رقمنتها. يمكن أن يؤثر استخدام البيانات الإلكترونية على حياتك من ناحيتين مهمتين. أولاً ، يمكّن الأطباء
والمستشفيات والعيادات من تتبع تاريخك بكفاءة أكبر وتقديم العلاج الذي تحتاجه. ومع ذلك ، يتم أيضًا تحليل بياناتك جنبًا إلى جنب مع التاريخ الصحي للعديد من
الأشخاص الآخرين لتمكين المهنيين الطبيين من تتبع الأمراض وتحديد فعالية العلاجات وغير ذلك الكثير.
قد تساهم أيضًا في أحد أمثلة البيانات الضخمة في الرعاية الصحية بطريقة فورية. هل تتعقب تمارينك أو جوانب أخرى من صحتك الشخصية من خلال جهاز يمكن
ارتداؤه مثل Fitbit أو من خلال التطبيقات الموجودة على هاتفك؟ إذا كان الأمر كذلك ، فإن معلوماتك تساعد المهنيين على تتبع الاتجاهات الصحية المهمة التي تؤثر
على البحث والتقدم الطبي.
التسوق
يعتمد معظم تجار التجزئة الرئيسيين الآن بشكل كبير على البيانات الضخمة لتشكيل ليس فقط أعمالهم الأمامية ولكن أيضًا لتوجيه جهودهم التسويقية. إذا كنت تتسوق عبر
الإنترنت بانتظام ، فإن تأثيرات البيانات الضخمة في حياتك الشخصية تشمل بالتأكيد كلاً من التغيير في الإعلانات التي تراها وفي تجربة التسوق الفعلية.
يجمع تجار التجزئة عبر الإنترنت الآن معلومات من نشاطك على أجهزة الكمبيوتر والهواتف الذكية والأجهزة الأخرى التي تتصل بشبكة الويب العالمية. تقوم الشركات
بعد ذلك بتحليل بياناتك واستخدامها لتقييم اهتماماتك وتفضيلاتك ووضع توقعات حول ما قد تشتريه في المستقبل. يؤثر هذا على كل من تكتيكاتهم الإعلانية وما تراه عند التسوق.
يود معظمنا الاعتقاد بأننا لم نتأثر بهذه الأساليب ، ولكن ضع في اعتبارك: هل سبق لك شراء عنصر لم تبحث عنه ولكنه ظهر على موقع كنت تتسوق فيه؟ إذا كان الأمر كذلك ، فهذا تذكير آخر بكيفية تأثير استخدام البيانات الضخمة على حياتك.
عند إجراء عملية شراء على موقع مثل Amazon ، تتم مقارنة هذه المعلومات بمجموعة من البيانات حول المستهلكين الآخرين الذين اشتروا نفس العنصر. تسمح هذه
المقارنات لبائع التجزئة بعمل تنبؤات حول العناصر الأخرى التي قد تهمك. ستظهر هذه العناصر بعد ذلك كاقتراحات بعدة طرق أثناء تصفحك لمواقع بائعي التجزئة.
السفر والمواصلات
لقد تغيرت الطرق التي نتحرك بها حول مدننا والعالم بشكل كبير في السنوات الأخيرة. العديد من هذه التغييرات مدفوعة بأمثلة من البيانات الضخمة التي تخلق حلولاً أكثر كفاءة لاحتياجات السفر والنقل ، بما في ذلك:
- تطوير برامج GPS والخرائط الذكية ،
- تسلسل أفضل لإشارات المرور ،
- التطورات في كيفية إدارة السفر الجوي وبيعه ،
- التنبؤ بحركة المرور والتخطيط ،
- تشغيل أكثر كفاءة لأنظمة النقل الجماعي ، و
- جمع بيانات السيارات على متن المركبة
منذ اللحظة التي تدير فيها المفتاح في الإشعال ، من المحتمل أنك تواجه عدة طرق تؤثر البيانات الضخمة على حياتك الشخصية. تحتوي معظم السيارات التي تم إنتاجها
في العقد الماضي أو نحو ذلك على تقنية ذكية مصممة لمراقبة حالة السيارة وتتبع الأميال واستهلاك الوقود وتحسين تجربة القيادة الخاصة بك بطرق أخرى. يتم جمع هذه
البيانات أيضًا لمساعدة صناعة السيارات على الاستمرار في صنع سيارات أكثر كفاءة وموثوقية.
من المحتمل أنك لم تفتح خريطة فعلية في السيارة منذ سنوات ، إن وجدت. ما كان يومًا ما جزءًا عاديًا من تجربة رحلة برية ، تم الآن نقله إما إلى أنظمة GPS مدمجة أو
برامج خرائط ذكية على الهواتف. لم تعد مضطرًا إلى التخمين حول المدة التي ستستغرقها رحلتك ، أو موعد وصولك ، أو ظروف المرور التي قد تواجهها. وبالطبع ،
يتم جمع بيانات السفر الخاصة بك للمساعدة في تحسين دقة هذه الأنظمة للجميع.
أحدثت الـ Big data أيضًا ثورة في صناعة الطيران على جميع المستويات تقريبًا. من اللحظة التي تبدأ فيها البحث عن تذكرة ، تبدأ رحلة عبر أمثلة متعددة للبيانات
الضخمة قيد الاستخدام. يتم تحديد الأسعار من خلال جمع البيانات وتحليلها آليًا ، ويتم إنشاء الجداول الزمنية بناءً على التنبؤات التي يتم إجراؤها من خلال جمع البيانات
الضخمة. وبالطبع ، تتعقب شركات الطيران عدد المرات التي تسافر فيها ، وما تفضل أن تشربه ، وغيرها من المعلومات لتخصيص تجربتك.
السياسات العامة
تستخدم الوكالات العامة أيضًا هذه الاتجاهات في جمع البيانات ، مما يوفر تذكيرًا آخر بأن البيانات الضخمة أكثر انتشارًا في الحياة اليومية مما قد تعتقد. تتحول إدارات
الشرطة والإطفاء وجميع مستويات الحكومة إلى البيانات الضخمة للمساعدة في تطوير وتنفيذ سياسات وإجراءات جديدة.
تعمل إدارات الشرطة ووكالات إنفاذ القانون في جميع أنحاء العالم بشكل متزايد لتكون استباقية بدلاً من مجرد الرد على الجريمة بعد وقوعها. تتعقب شبكات الكمبيوتر
والكاميرات والأجهزة المحمولة الحوادث في الوقت الفعلي بحيث يمكن إرسال الشرطة بشكل أكثر كفاءة وفعالية. كما تعتمد جهود إنفاذ القانون الأكبر مثل الحملات
لوقف الإرهاب على جمع وفحص البيانات ذات الصلة على الصعيد العالمي.
تأخذ خدمات الإطفاء والمستجيبون الآخرون للطوارئ مسارًا مشابهًا. تساعد مخزونات البيانات التي تم جمعها من المصادر الحكومية وأنظمة المراقبة وتتبع المركبات
في حالات الطوارئ وأجهزة الكشف عن الحرائق والدخان إدارات الإطفاء على الاستعداد للاستجابة بشكل أسرع وأكثر فعالية لحالات الطوارئ. كما أنهم أصبحوا أكثر
استباقية حيث أصبحوا قادرين على تحديد المناطق الأكثر خطورة ، وإجراء عمليات التفتيش وفحوصات السلامة ، والتوصية بإجراءات وقائية أفضل.
هذان مثالان فقط على استخدام البيانات الضخمة يوضحان الطرق التي تحاول بها وكالات الخدمة العامة وصناع السياسات تحسين الكفاءة والدقة.
الأخبار والمعلومات
بغض النظر عن المصادر التي تعتمد عليها في التغطية الإخبارية ، فإن تجربتك تتأثر بأمثلة متعددة من البيانات الضخمة في العمل. من التقارير المبكرة وجمع الأخبار
من خلال توصيل الأخبار وحتى التعليقات التي قد تدلي بها على وسائل التواصل الاجتماعي ، فإن البيانات الضخمة موجودة في كل مكان في دورة الأخبار.
يستخدم الصحفيون أكثر فأكثر وسائل التواصل الاجتماعي في جمع المعلومات التي تشكل تقاريرهم الإخبارية. تعد تطبيقات مثل Twitter شائعة جدًا لدرجة أنه غالبًا
ما يتم الإبلاغ عنها من قبل المستخدمين العاديين في غضون ثوانٍ. يمكن للمراسلين الذين يعدون القصص الإخبارية استخدام ميزات البحث على هذه الأنظمة الأساسية
لعزل المشاركات التي يتم نشرها في فترات زمنية ومناطق جغرافية معينة.
بالطبع ، أحد التأثيرات الأخرى ذات الصلة بالبيانات الضخمة في حياتك الشخصية هو الطريقة التي تتلقى بها الأخبار. تملأ الاتجاهات في البيانات الضخمة الجداول
الزمنية لوسائل الإعلام المختلفة بقصص تم تحديدها على أنها ذات أهمية أعلى أو ذات أهمية خاصة بالنسبة لك. تحدد عمليات البيانات الآلية أكثر الأخبار التي يتم
الحديث عنها وغالبًا ما تدفعها إلى مقدمة كل من مجمعي الأخبار ومواقع الوسائط الاجتماعية.
التعليم والتوظيف
تؤثر الـ Big data أيضًا على اثنين من المجالات الأساسية التي ستشكل مستقبلك: التعليم وعمليات التوظيف. تأخذ عمليات القبول في الكلية وممارسات التوظيف إشارات من جمع واستخدام البيانات الضخمة.
تعتمد العديد من الكليات والجامعات الآن على البرامج الإحصائية المصممة لتحديد وجذب الطلاب الذين يمكّنون المؤسسات من تحقيق الأهداف الداخلية. على سبيل
المثال ، تستفيد المدارس من ارتفاع معدلات الالتحاق بين الطلاب المقبولين ومن معدلات التخرج المحسنة. غالبًا ما تتضمن قرارات القبول العمل مع البيانات المصممة
للتنبؤ بالنجاح لكل من الطلاب والمؤسسات التعليمية.
يعمل أرباب العمل أيضًا على الاستفادة من البيانات لتحسين عمليات التوظيف. غالبًا ما يعتمدون على الخدمات التي تجمع كميات كبيرة من البيانات لتحديد المرشحين
الأكثر احتمالية للملاءمة والتفوق في وظائف معينة. تتضمن بعض أمثلة البيانات الضخمة في هذه العمليات ما يلي:
– تعليم
– تاريخ العمل
– لغة
– عينات العمل العام
– السلوك على وسائل التواصل الاجتماعي
الذكاء الاصطناعي
قد تقرأ مصطلح “الذكاء الاصطناعي” وتميل إلى تخيل مشهد من فيلم خيال علمي. ومع ذلك ، لم يعد الذكاء الاصطناعي AIمجرد قوة متخيلة في المستقبل. من المحتمل أنك تتفاعل مع شكل من أشكال الذكاء الاصطناعي على أساس منتظم.
من بين الأمثلة الأكثر وضوحًا للذكاء الاصطناعي في حياتك اليومية هو برنامج الدردشة الآلي. تعتمد روبوتات الدردشة على أمثلة متعددة للبيانات الضخمة وتقوم بأتمتة
تجربتك في تحديد موقع معلومات محددة للغاية. نظرًا لدمج البيانات الضخمة والذكاء الاصطناعي في عمل روبوتات المحادثة ، فإن هذه الروبوتات قادرة على “التعلم”
وتحسين قدرتها باستمرار على تخصيص تجربتك (المصدر).
بشكل عام ، هناك علاقة تكافلية بين البيانات الضخمة والذكاء الاصطناعي. تعمل البيانات الضخمة على تعزيز التحسينات في الذكاء الاصطناعي ، وبالتالي ، يعمل
الذكاء الاصطناعي على تحسين الرؤى التي نجمعها من البيانات الضخمة بعدة طرق:
– تقوم منظمة العفو الدولية بإنشاء طرق جديدة لتحليل البيانات ،
– يساعد الذكاء الاصطناعي في جعل تحليلات البيانات أقل كثافة في العمل ،
– يتطلب الذكاء الاصطناعي توجيهًا بشريًا ، وهو تذكير مهم في عصر البيانات الضخمة ،
– يمكن استخدام الذكاء الاصطناعي للتخفيف من مشاكل البيانات الشائعة ، و
– يساعد الذكاء الاصطناعي في أن تصبح تحليلات البيانات أكثر تنبؤية وتعليمية
هذه التأثيرات للذكاء الاصطناعي مهمة. طالما أن هناك العديد من الطرق التي تؤثر بها البيانات الضخمة على حياتك الشخصية ، فإنك تستفيد من قدرة الذكاء الاصطناعي على إنشاء استخدامات أفضل لتلك البيانات.
الخلاصة
والآن بعد أن أصبحت لديك هذه المعرفة، انطلق وابدأ في الترويج لمتجرك!
حيث بالطبع لا تكفي هذه المقال وحدها لكي تبدا.
فإذا كنت تبحث عن تدريب عملي مكثف ياخذ بيدك خطوة بخطوة من الصفر و حتي اطلاق مشروعك التجاري الناجح عل الانترنت انضم اليوم الي البرنامج التدريبي المتكمامل للتسويق الالكتروني و التجارة الالكتروني و هو البرنامج التدريبي الاشهر و الافضل في العالم العربي.
