Big data: Porovnání verzí
m |
m (Doladění hesla) |
||
| Řádek 1: | Řádek 1: | ||
| − | |||
'''Big data''' pojem, nejčastěji vyskytující se v oblasti Informačních technologií (ICT), který označuje takové množství dat, které není možné v reálném čase zpracovat na běžně dostupném hardwarovém a softwarovém vybavení. | '''Big data''' pojem, nejčastěji vyskytující se v oblasti Informačních technologií (ICT), který označuje takové množství dat, které není možné v reálném čase zpracovat na běžně dostupném hardwarovém a softwarovém vybavení. | ||
| − | + | ||
== Rozdělení == | == Rozdělení == | ||
| − | Big Data se definují několika dimenzemi | + | Big Data se definují několika dimenzemi: |
| − | '''První dimenzí je objem (volume).''' | + | *'''První dimenzí je objem (volume).''' |
To jsou data, co se nepohybují, ale narůstají obrovským tempem. Bylo již zmíněno v úvodu práce, že tempo růstu objemu dat je rychlejší každým rokem, a do roku 2020 bude ze současných 8000 exabajtů až 35000 exabajtů dat na světě. | To jsou data, co se nepohybují, ale narůstají obrovským tempem. Bylo již zmíněno v úvodu práce, že tempo růstu objemu dat je rychlejší každým rokem, a do roku 2020 bude ze současných 8000 exabajtů až 35000 exabajtů dat na světě. | ||
| − | '''Druhou dimenzí je rychlost (velocity).''' | + | *'''Druhou dimenzí je rychlost (velocity).''' |
Míněna je rychlost dat a jejich pohybu, vytváření, hromadění a zpracování. Streamovaná data s milisekundovou odezvou, real-time komunikační odezvy a informace. | Míněna je rychlost dat a jejich pohybu, vytváření, hromadění a zpracování. Streamovaná data s milisekundovou odezvou, real-time komunikační odezvy a informace. | ||
| − | '''Třetí dimenze je typ (variety).''' | + | *'''Třetí dimenze je typ (variety).''' |
Data v mnoha různých formách. Strukturovaná, nestrukturovaná, textová a multimediální. | Data v mnoha různých formách. Strukturovaná, nestrukturovaná, textová a multimediální. | ||
| − | '''Čtvrtá dimenze je věrohodnost (veracity).''' | + | *'''Čtvrtá dimenze je věrohodnost (veracity).''' |
Tuto dimenzi přidala společnost IBM pro lepší a přesnější definování Big Data. Nejistá data jsou z důvodů nekonzistence, věrohodnosti či neúplnosti. Při analyzování veškerých dat kolem nás musíme s určitou mírou nevěrohodnosti počítat. V některých zdrojích je jako čtvrtá dimenze uváděna hodnota (value), ve smyslu hodnoty pro podnik a lepší byznys modely. <ref>MACEK, Jáchym Praha. <i>Big Data, jejich skladování a možnosti využití</i>. Praha, 2014.</ref> | Tuto dimenzi přidala společnost IBM pro lepší a přesnější definování Big Data. Nejistá data jsou z důvodů nekonzistence, věrohodnosti či neúplnosti. Při analyzování veškerých dat kolem nás musíme s určitou mírou nevěrohodnosti počítat. V některých zdrojích je jako čtvrtá dimenze uváděna hodnota (value), ve smyslu hodnoty pro podnik a lepší byznys modely. <ref>MACEK, Jáchym Praha. <i>Big Data, jejich skladování a možnosti využití</i>. Praha, 2014.</ref> | ||
| − | + | ''Firma [http://www.sas.com/cs_cz/home.html SAS], která se správou velkoobjemových dat zabývá, přidává ještě další složku a tou je: | |
| − | Firma [http://www.sas.com/cs_cz/home.html SAS], která se správou velkoobjemových dat zabývá, přidává ještě další složku a tou je: | + | '' |
| − | + | *'''Pátá dimenze - složitost (complexity).''' | |
| − | |||
| − | '''Pátá dimenze - složitost (complexity).''' | ||
Dnešní data pocházejí z mnoha zdrojů. Provázání, porovnání, sloučení, vyčištění a transformace dat ve všech systémech je stále náročnějším úkolem. Je velmi důležité spojit a korelovat vztahy, hierarchii a početné vazby mezi daty, jinak nad svými daty rychle ztratíte kontrolu.<ref><i>What Is Big Data? | SAS</i> [online]. [cit. 2015-11-9]. Dostupné z: http://www.sas.com/cs_cz/insights/big-data/what-is-big-data.html</ref> | Dnešní data pocházejí z mnoha zdrojů. Provázání, porovnání, sloučení, vyčištění a transformace dat ve všech systémech je stále náročnějším úkolem. Je velmi důležité spojit a korelovat vztahy, hierarchii a početné vazby mezi daty, jinak nad svými daty rychle ztratíte kontrolu.<ref><i>What Is Big Data? | SAS</i> [online]. [cit. 2015-11-9]. Dostupné z: http://www.sas.com/cs_cz/insights/big-data/what-is-big-data.html</ref> | ||
| Řádek 32: | Řádek 29: | ||
Big data se uchovávají v tzv. [[Datový sklad|Datových skladech]] (anglicky Data Warehouse), toto slovní spojení použil poprvé [[William H. Inmon]]<ref>INMON, William H a Chuck KELLEY. <i>Rdb/VMS, developing the data warehouse</i>. Boston: QED Pub. Group, c1993, xxiv, 225 p.</ref> | Big data se uchovávají v tzv. [[Datový sklad|Datových skladech]] (anglicky Data Warehouse), toto slovní spojení použil poprvé [[William H. Inmon]]<ref>INMON, William H a Chuck KELLEY. <i>Rdb/VMS, developing the data warehouse</i>. Boston: QED Pub. Group, c1993, xxiv, 225 p.</ref> | ||
| − | Podle [[Česká terminologická databáze knihovnictví a informační vědy|TDKIV]] je | + | Podle [[Česká terminologická databáze knihovnictví a informační vědy|TDKIV]]<ref>Česká terminologická databáze knihovnictví a informační vědy</ref> je datový sklad vnímán jako Databáze optimalizovaná pro dotazy, analýzy dat a tvorbu sestav. Vytváří se přenosem, transformací a často též agregací primárních dat z provozních systémů a z externích zdrojů a jejich integrováním do jednotné datové základny. Struktura datového skladu je založena zpravidla na dvou typech objektů - tabulkách faktů a tabulkách dimenzí (např. čas, místo), z nichž lze vytvářet vícerozměrné objekty (kostky). Uložená data lze využívat prostřednictvím dotazování, reportingu, OLAP (on-line analytické zpracování), dolování dat, vizualizace dat.<ref>KUČEROVÁ, Helena. Datový sklad. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2015-11-25]. Dostupné z: http://aleph.nkp.cz/F/?func=direct&doc_number=000000389&local_base=KTD.</ref> |
| − | + | == Zdroje == | |
| Řádek 45: | Řádek 42: | ||
=== Externí odkazy === | === Externí odkazy === | ||
| − | *[http://info.sks.cz/www/zavprace/soubory/82110.pdf Datové sklady a možnosti analýzy a reportování dat ve výuce] | + | *[http://info.sks.cz/www/zavprace/soubory/82110.pdf Datové sklady a možnosti analýzy a reportování dat ve výuce][cit. 2015-11-25]. |
=== Klíčová slova === | === Klíčová slova === | ||
Verze z 26. 11. 2015, 18:19
Big data pojem, nejčastěji vyskytující se v oblasti Informačních technologií (ICT), který označuje takové množství dat, které není možné v reálném čase zpracovat na běžně dostupném hardwarovém a softwarovém vybavení.
Rozdělení
Big Data se definují několika dimenzemi:
- První dimenzí je objem (volume).
To jsou data, co se nepohybují, ale narůstají obrovským tempem. Bylo již zmíněno v úvodu práce, že tempo růstu objemu dat je rychlejší každým rokem, a do roku 2020 bude ze současných 8000 exabajtů až 35000 exabajtů dat na světě.
- Druhou dimenzí je rychlost (velocity).
Míněna je rychlost dat a jejich pohybu, vytváření, hromadění a zpracování. Streamovaná data s milisekundovou odezvou, real-time komunikační odezvy a informace.
- Třetí dimenze je typ (variety).
Data v mnoha různých formách. Strukturovaná, nestrukturovaná, textová a multimediální.
- Čtvrtá dimenze je věrohodnost (veracity).
Tuto dimenzi přidala společnost IBM pro lepší a přesnější definování Big Data. Nejistá data jsou z důvodů nekonzistence, věrohodnosti či neúplnosti. Při analyzování veškerých dat kolem nás musíme s určitou mírou nevěrohodnosti počítat. V některých zdrojích je jako čtvrtá dimenze uváděna hodnota (value), ve smyslu hodnoty pro podnik a lepší byznys modely. [1]
Firma SAS, která se správou velkoobjemových dat zabývá, přidává ještě další složku a tou je:
- Pátá dimenze - složitost (complexity).
Dnešní data pocházejí z mnoha zdrojů. Provázání, porovnání, sloučení, vyčištění a transformace dat ve všech systémech je stále náročnějším úkolem. Je velmi důležité spojit a korelovat vztahy, hierarchii a početné vazby mezi daty, jinak nad svými daty rychle ztratíte kontrolu.[2]
Uchovávání
Big data se uchovávají v tzv. Datových skladech (anglicky Data Warehouse), toto slovní spojení použil poprvé William H. Inmon[3]
Podle TDKIV[4] je datový sklad vnímán jako Databáze optimalizovaná pro dotazy, analýzy dat a tvorbu sestav. Vytváří se přenosem, transformací a často též agregací primárních dat z provozních systémů a z externích zdrojů a jejich integrováním do jednotné datové základny. Struktura datového skladu je založena zpravidla na dvou typech objektů - tabulkách faktů a tabulkách dimenzí (např. čas, místo), z nichž lze vytvářet vícerozměrné objekty (kostky). Uložená data lze využívat prostřednictvím dotazování, reportingu, OLAP (on-line analytické zpracování), dolování dat, vizualizace dat.[5]
Zdroje
- ↑ MACEK, Jáchym Praha. Big Data, jejich skladování a možnosti využití. Praha, 2014.
- ↑ What Is Big Data? | SAS [online]. [cit. 2015-11-9]. Dostupné z: http://www.sas.com/cs_cz/insights/big-data/what-is-big-data.html
- ↑ INMON, William H a Chuck KELLEY. Rdb/VMS, developing the data warehouse. Boston: QED Pub. Group, c1993, xxiv, 225 p.
- ↑ Česká terminologická databáze knihovnictví a informační vědy
- ↑ KUČEROVÁ, Helena. Datový sklad. In: KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV) [online]. Praha : Národní knihovna ČR, 2003- [cit. 2015-11-25]. Dostupné z: http://aleph.nkp.cz/F/?func=direct&doc_number=000000389&local_base=KTD.
Externí odkazy
- Datové sklady a možnosti analýzy a reportování dat ve výuce[cit. 2015-11-25].
Klíčová slova
Big data, Datový sklad, Data Warehouse, Databáze
Text je dostupný pod licencí Creative Commons Uveďte autora 3.0 Česko při dodržení případných autorských práv a dalších podmínek
© 2013 ISSN: 2336-5897
