Big social data. Definice big social data, pozitivní a negativní aspekty big social data, rizika a zneužitelnost big social data: Porovnání verzí

 
(Není zobrazeno 69 mezilehlých verzí od 2 dalších uživatelů.)
Řádek 1: Řádek 1:
'''Big social data''' jsou typem [[big data|velkých dat]], která se vztahují k lidem nebo popisují jejich chování a interakce v digitálním prostředí. Jedná se o velká (tzn. velkoobjemová, vysokorychlostní, různorodá nebo vysoce sémantická) data, která jsou generována technologicky zprostředkovanými sociálními interakcemi a akcemi v digitální sféře.<br>
+
[[Soubor:Big Bang Data exhibit at CCCB 18.JPG|250px|náhled|Výstava Big Bang Data v Barceloně]]
 +
'''Big social data''' jsou typem [[big data|velkých dat]], která se vztahují k lidem nebo popisují jejich chování a interakce v digitálním prostředí. Jedná se o velká (tzn. velkoobjemová, vysokorychlostní, různorodá nebo vysoce sémantická) [[data|data]], která jsou generována technologicky zprostředkovanými sociálními interakcemi a akcemi v digitální sféře. Tyto data není možné v reálném čase zpracovat na běžně dostupném [[Hardware|hardwarovém]] a [[Software|softwarovém]] vybavení.<br>
 
<br>
 
<br>
Sociální média a sítě se staly významnými producenty velkých dat. Produkují jak data obsahová (statusy, tweety, fotografie, atp.), tak i různé druhy formalizovaných informací, které mohou vyjadřovat různé sociální jednání či postoje.<br>
+
Hlavními producenty velkých dat jsou [[Sociální média|sociální média]] a [[Sociální síť|sociální sítě]]. Produkují jak data obsahová (statusy, tweety, fotografie, atp.), tak i různé druhy formalizovaných [[Informace|informací]], které mohou vyjadřovat různé sociální jednání či postoje.<br>
 
<br>
 
<br>
Analýzy big social data nám umožňují k velmi rozsáhlým záznamům o lidském chování jak do hloubky, tak do šířky, a tak v sobě kombinuje výsledky kvalitativních i kvantitativních výzkumů. Čiré množství a náplň těchto dat otevírá spoustu možností pro jejich využití a analýzu pro osobní, komerční či sociální účely.<ref>OLSHANNIKOVA, Ekaterina, Thomas OLSSON, Jukka HUHTAMÄKI a Hannu KÄRKKÄINEN, 2017. Conceptualizing Big Social Data. Journal of Big Data [online]. 4(3) [cit. 2021-02-19]. Dostupné z: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-017-0063-x</ref><ref>ŠLERKA, Josef. Big Social Data. Slideshare [online]. 21. 12. 2015 [cit. 2021-02-21]. Dostupné z: https://www.slideshare.net/josefslerka/big-social-data</ref>
+
Analýza big social data nám umožňuje přístup k velmi rozsáhlým záznamům o lidském chování jak do hloubky, tak do šířky. Čiré množství a náplň těchto dat otevírá spoustu možností pro jejich využití a analýzu pro osobní, komerční či sociální účely.<ref>OLSHANNIKOVA, Ekaterina, Thomas OLSSON, Jukka HUHTAMÄKI a Hannu KÄRKKÄINEN, 2017. Conceptualizing Big Social Data. Journal of Big Data [online]. 4(3) [cit. 2021-02-19]. Dostupné z: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-017-0063-x</ref><ref>ŠLERKA, Josef. Big Social Data. Slideshare [online]. 21. 12. 2015 [cit. 2021-02-21]. Dostupné z: https://www.slideshare.net/josefslerka/big-social-data</ref>
 +
 
 +
== Dimenze big social dat==
 +
Big data je možné rozdělit na několik dimenzí. <ref>GANDOMI, Amir; HAIDER, Murtaza. Beyond the hype: Big data concepts, methods, and analytics.| International journal of information management, 2015, 35.2: 137-144.</ref>
 +
* '''Objem (Volume)''' - První dimenze odkazuje na množství dat, které je generováno za sekundu. Každým rokem je tempo růstu objemu dat vyšší.
 +
 
 +
* '''Rychlost (Velocity)''' -  Druhou dimenzí je míněna rychlost pohybu přímaných a distribuovaných dat. 
 +
 
 +
* '''Různorodost (Variety)''' - Data jsou dělena na více druhů. Mohou být strukturovaná, nestrukturovaná, textová a multimediální.
 +
 
 +
* '''Věrohodnost (Veracity)''' - Čtvrtá dimenze byla přidána společnosti [[IBM]] za účelem zlepšení definice big dat. 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.
 +
 
 +
* '''Složitost a Variability (Complexity, Variability)''' - 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.
 +
 
 +
== Uchování big social dat ==
 +
Big data se uchovávají v tzv. [[Datový sklad|Datových skladech]] (anglicky Data Warehouse). Toto slovní spojení bylo poprvé použito [[Osobní počítač|počítačovým]] vědcem [[William H. Inmon|William H. Inmonem]].<ref>INMON, William H a Chuck KELLEY. <i>Rdb/VMS, developing the data warehouse</i>. Boston: QED Pub. Group, c1993, xxiv, 225 p.</ref>
 +
 
 +
TDKIV definuje datový sklad 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>
  
 
== Pozitivní aspekty ==
 
== Pozitivní aspekty ==
==Sociální vědy==
+
 
==Marketing==
+
===Sociální vědy===
Big social data jsou užitečných nástrojem pro společnosti za účelem lepšího poznání své klientely a tím přizpůsobit své reklamní kampaně, či je přímo směrovat na cílené skupiny. Využitelná jsou i po spuštění marketingové kampaně v podobě sledování interakcí klientův reálném čase, budoucí predikce v zájmech klientů či vyhodnocování úspěšností kampaní. <ref>7 Ways How to Use Big Data in Social Media, © 2006-2021. ByteAnt [online]. [cit. 2021-02-21]. Dostupné z: https://www.byteant.com/blog/7-ways-how-to-use-big-data-in-social-media/</ref>
+
Analýza big social data může být použita jako velice užitečný nástroj v rámci výzkumů v kontextu sociálních věd. Osobní data se stala významnými pomůckami hlavně z hlediska výzkumu politiky, společnosti a veřejného mínění. Rozsah možností jejich využití je opravdu široký, od snižování kriminality, přes zlepšování zdravotních služeb, až po celkový management měst. Tato data otevírají nový potenciál a přináší nový směr pohledu na lidské chování s možností zkoumání velkých vzorků najednou.<ref>Big data and social science: a practical guide to methods and tools, 2017. Boca Raton ; London ; New York: CRC Press Taylor & Francis Group. ISBN 9781498751407.</ref>
 +
===Marketing===
 +
Big social data jsou užitečných nástrojem pro společnosti za účelem lepšího poznání své klientely a tím přizpůsobit své [[Reklama|reklamní]] kampaně, či je přímo zobrazovat pouze uživatelům z cílené skupiny. Využitelná jsou i po spuštění marketingové kampaně v podobě sledování interakcí klientů v reálném čase, budoucí predikce v zájmech klientů či vyhodnocování úspěšností kampaní. <ref>7 Ways How to Use Big Data in Social Media, © 2006-2021. ByteAnt [online]. [cit. 2021-02-21]. Dostupné z: https://www.byteant.com/blog/7-ways-how-to-use-big-data-in-social-media/</ref>
 +
===Umělá inteligence===
 +
Big social data také napomáhají ve vylepšování [[Umělá inteligence|umělé inteligence]] skrz tzv. [[Strojové učení|strojové učení]]. Čím více dat je posíláno skrz tyto modely, tím více se toho systém učí a zlepšuje se. Z big social data mohou mít užitek například chatboti - programy ke komunikaci s lidmi. Ti se mohou z lidských interakcí učit, jak odpovídat a jak na nějaká věci reagovat.<ref>KH, Ryan, © 2008–2021. Big Data Leads To An Impressive Array of Chatbots In Customer Service. SmartDataCollective [online]. [cit. 2021-02-25]. Dostupné z: https://www.smartdatacollective.com/big-data-leads-to-impressive-array-of-chatbots-in-customer-service/</ref>
 +
===Analýza polohových dat v boji proti koronaviru===
 +
Big social data se používají i v boji proti koronaviru v podobě sdílení polohy. V březnu 2020 přidala firma [https://www.seznam.cz/ Seznam.cz] do své aplikace Mapy.cz možnost dobrovolného sdílení polohy za účelem boje proti šíření koronaviru. Pokud některý z uživatelů onemocní a nahlásí tuto informaci do aplikace, další uživatelé, kteří s ním přišli do styku, dostanou upozornění na rizikový kontakt a mohou tak včas jednat, aby onemocnění případně nešířili dál.<ref>Mapy.cz, © 1996–2021. Seznam [online]. Seznam. cz [cit. 2021-02-25]. Dostupné z: https://napoveda.seznam.cz/cz/mapy/mapy.cz-covid-19-sdilim-polohu</ref>
 +
===Prospěch uživatelů===
 +
Z big social dat nemusí mít prospěch pouze pro společnosti. Uplatnění těchto dat je možno nalézt i v každodenním životě uživatelů. Například na zábavních webových platformách (např. Netflix, [[YouTube]], Spotify) získávají uživatelé díky datům o nich kustomizovaná doporučení dalšího obsahu. Stejně tak jsou uživatelům doporučovány produkty v reklamních panelech na základě předchozích nákupů či vyhledávání.<ref>Eight Ways Big Data Affects Your Personal Life, © 2021. Michigan Tech Online Degree Programs [online]. Michigan Technological University [cit. 2021-02-21]. Dostupné z: https://onlinedegrees.mtu.edu/news/ways-big-data-affects-your-personal-life</ref>
 
== Negativní aspekty ==
 
== Negativní aspekty ==
  
 +
===Náročnost zpracování dat===
 +
Analýza big social dat může být náročná na finanční, lidské i technické zdroje. Data potřebují být někde uchována, je tedy třeba pro ně zřídit nějaké úložiště. Množství těchto dat není strukturováno a je tedy náročné je zpracovat a získat z nich hodnotné informace. K využití plného potenciálu musí být data analyzovány v průběhu delší doby, nehodí se tedy pro použití při kratších projektech.<ref>Advantages of Big Data | Disadvantages of Big Data, 2012. RF Wireless World [online]. RF & Wireless Vendors and Resources [cit. 2021-02-21]. Dostupné z: https://www.rfwireless-world.com/Terminology/Advantages-and-Disadvantages-of-Big-Data.html</ref>
 +
===Neetické používání===
 +
Kvůli citlivému obsahu big social dat je nutné dodržovat určité etické zásady při jejich používání. Jako příklad neetického používání můžeme uvést kontroverzní systém sociálního kreditu připravovaný Čínskou lidovou republikou. Ta plánuje hodnocení obyvatel na základě různých aspektů jejich ekonomického a společenského chování za pomoci nových technologií a práce s velkými daty. To může být širokou veřejností považováno za neetické. V tomto případě by mohlo dojít k postupnému rozvrstvení společnosti do několika úrovní a případnému rozvoji korupce.<ref>Systém sociálního kreditu, 2001-. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation [cit. 2021-02-21]. Dostupné z: https://cs.wikipedia.org/wiki/Syst%C3%A9m_soci%C3%A1ln%C3%ADho_kreditu</ref>
 +
===Nelegální získávání a šíření dat===
 +
V roce 2018 vyplaval na povrch skandál firem [[Facebook]] a Cambridge Analytica. Facebook porušil zákon o ochraně dat, tím že firmě Cambridge Analytica poskytl přístup k informacím až 87 miliónů uživatelů bez jejich souhlasu. Způsob, kterým Cambridge Analytica data shromažďovala, bylo skrze kvízovou aplikaci "This Is Your Digital Life", do které se uživatelé přihlašovali přes login Facebooku a tím otevřeli přístup k osobním datům jich i jejich přátel. Data byla shromažďována za účelem použití pro politickou propagaci (konkrétně Cambridge Analytica poskytovala analytickou asistenci v kampani Teda Cruze a Donalda Trumpa, spekulováno je také o zásahu do referendu o Brexitu).<ref>Facebook–Cambridge Analytica data scandal, 2001-. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation [cit. 2021-02-26]. Dostupné z: https://en.wikipedia.org/wiki/Facebook%E2%80%93Cambridge_Analytica_data_scandal</ref>
 
== Rizika a zneužitelnost ==
 
== Rizika a zneužitelnost ==
 +
===Zneužití dat===
 +
Citlivé osobní informace jsou častým cílem [[Hackerství|hackerů]] a kyberútočníků. Phishing, bankovní či pojistné podvody jsou typickými příklady, jak mohou být big social data nebezpečně zneužita kriminálními organizacemi. Zneužita mohou být big social data ale také jinými způsoby, jako například šířením cílených [[fake news|Hoax]] za účelem ovlivnění ideí či vyvolání strachu (např. ovlivnění voleb).<ref name="hill"/>
 +
===Nesprávné zacházení s daty===
 +
Big social data nejsou ohrožena pouze těmi, kteří se je cíleně snaží zneužít. Risk existuje i v nechtěném zneužití. Lidské předsudky, špatné praktiky v datové analýze i špatná kvalita dat mohou vést ke špatným závěrům. A jelikož je datová věda relativně novým oborem, je obtížné předpovědět, jaké bude mít špatné zacházení s daty dopady.<ref name="hill"/>
 +
 +
===Zabezpečení dat===
 +
Big social data mohou obsahovat tolik citlivých informací o osobě, že mohou znamenat velké riziko narušení [[Informační soukromí|soukromí]]. Proto je důležité, aby byla náležitě chráněna. S větším sběrem dat je složitější i nákladnější jejich bezpečné uchovávání. Společnosti jsou zavázány k ochraně těchto dat (zajištěna velkými potenciálními pokutami), ale rostoucí množství [[Kybernetické útoky, cyber war|kybernetických útoků]] značí, že je nutné se tomu věnovat více. <ref name="hill">HILLIER, Will. Is Big Data Dangerous? CareerFoundry [online]. 7. 8. 2020 [cit. 2021-02-21]. Dostupné z: https://careerfoundry.com/en/blog/data-analytics/is-big-data-dangerous/</ref>
  
  
Řádek 20: Řádek 59:
  
 
===Související články===
 
===Související články===
[[Big data ]]
+
[[Big data ]]</br>
 
+
[[Data]]</br>
[[Problematika velkých dat. Big data. ]]
+
[[Metody dobývání znalostí z databází (data mining)]]</br>
 +
[[Sociální síť]]</br>
 +
[[Problematika velkých dat. Big data.]]</br>
 +
[[Vizualizace informací]]</br>
  
 
===Klíčová slova===
 
===Klíčová slova===
data, big data, big social data, velká data
+
*Data, big data, big social data, velká data, datový sklad, databáze
  
 
[[Kategorie:Státnicové otázky UISK]]
 
[[Kategorie:Státnicové otázky UISK]]

Aktuální verze z 14. 9. 2021, 11:03

Výstava Big Bang Data v Barceloně

Big social data jsou typem velkých dat, která se vztahují k lidem nebo popisují jejich chování a interakce v digitálním prostředí. Jedná se o velká (tzn. velkoobjemová, vysokorychlostní, různorodá nebo vysoce sémantická) data, která jsou generována technologicky zprostředkovanými sociálními interakcemi a akcemi v digitální sféře. Tyto data není možné v reálném čase zpracovat na běžně dostupném hardwarovém a softwarovém vybavení.

Hlavními producenty velkých dat jsou sociální média a sociální sítě. Produkují jak data obsahová (statusy, tweety, fotografie, atp.), tak i různé druhy formalizovaných informací, které mohou vyjadřovat různé sociální jednání či postoje.

Analýza big social data nám umožňuje přístup k velmi rozsáhlým záznamům o lidském chování jak do hloubky, tak do šířky. Čiré množství a náplň těchto dat otevírá spoustu možností pro jejich využití a analýzu pro osobní, komerční či sociální účely.[1][2]

Dimenze big social dat

Big data je možné rozdělit na několik dimenzí. [3]

  • Objem (Volume) - První dimenze odkazuje na množství dat, které je generováno za sekundu. Každým rokem je tempo růstu objemu dat vyšší.
  • Rychlost (Velocity) - Druhou dimenzí je míněna rychlost pohybu přímaných a distribuovaných dat.
  • Různorodost (Variety) - Data jsou dělena na více druhů. Mohou být strukturovaná, nestrukturovaná, textová a multimediální.
  • Věrohodnost (Veracity) - Čtvrtá dimenze byla přidána společnosti IBM za účelem zlepšení definice big dat. 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.
  • Složitost a Variability (Complexity, Variability) - 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.

Uchování big social dat

Big data se uchovávají v tzv. Datových skladech (anglicky Data Warehouse). Toto slovní spojení bylo poprvé použito počítačovým vědcem William H. Inmonem.[4]

TDKIV definuje datový sklad 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]

Pozitivní aspekty

Sociální vědy

Analýza big social data může být použita jako velice užitečný nástroj v rámci výzkumů v kontextu sociálních věd. Osobní data se stala významnými pomůckami hlavně z hlediska výzkumu politiky, společnosti a veřejného mínění. Rozsah možností jejich využití je opravdu široký, od snižování kriminality, přes zlepšování zdravotních služeb, až po celkový management měst. Tato data otevírají nový potenciál a přináší nový směr pohledu na lidské chování s možností zkoumání velkých vzorků najednou.[6]

Marketing

Big social data jsou užitečných nástrojem pro společnosti za účelem lepšího poznání své klientely a tím přizpůsobit své reklamní kampaně, či je přímo zobrazovat pouze uživatelům z cílené skupiny. Využitelná jsou i po spuštění marketingové kampaně v podobě sledování interakcí klientů v reálném čase, budoucí predikce v zájmech klientů či vyhodnocování úspěšností kampaní. [7]

Umělá inteligence

Big social data také napomáhají ve vylepšování umělé inteligence skrz tzv. strojové učení. Čím více dat je posíláno skrz tyto modely, tím více se toho systém učí a zlepšuje se. Z big social data mohou mít užitek například chatboti - programy ke komunikaci s lidmi. Ti se mohou z lidských interakcí učit, jak odpovídat a jak na nějaká věci reagovat.[8]

Analýza polohových dat v boji proti koronaviru

Big social data se používají i v boji proti koronaviru v podobě sdílení polohy. V březnu 2020 přidala firma Seznam.cz do své aplikace Mapy.cz možnost dobrovolného sdílení polohy za účelem boje proti šíření koronaviru. Pokud některý z uživatelů onemocní a nahlásí tuto informaci do aplikace, další uživatelé, kteří s ním přišli do styku, dostanou upozornění na rizikový kontakt a mohou tak včas jednat, aby onemocnění případně nešířili dál.[9]

Prospěch uživatelů

Z big social dat nemusí mít prospěch pouze pro společnosti. Uplatnění těchto dat je možno nalézt i v každodenním životě uživatelů. Například na zábavních webových platformách (např. Netflix, YouTube, Spotify) získávají uživatelé díky datům o nich kustomizovaná doporučení dalšího obsahu. Stejně tak jsou uživatelům doporučovány produkty v reklamních panelech na základě předchozích nákupů či vyhledávání.[10]

Negativní aspekty

Náročnost zpracování dat

Analýza big social dat může být náročná na finanční, lidské i technické zdroje. Data potřebují být někde uchována, je tedy třeba pro ně zřídit nějaké úložiště. Množství těchto dat není strukturováno a je tedy náročné je zpracovat a získat z nich hodnotné informace. K využití plného potenciálu musí být data analyzovány v průběhu delší doby, nehodí se tedy pro použití při kratších projektech.[11]

Neetické používání

Kvůli citlivému obsahu big social dat je nutné dodržovat určité etické zásady při jejich používání. Jako příklad neetického používání můžeme uvést kontroverzní systém sociálního kreditu připravovaný Čínskou lidovou republikou. Ta plánuje hodnocení obyvatel na základě různých aspektů jejich ekonomického a společenského chování za pomoci nových technologií a práce s velkými daty. To může být širokou veřejností považováno za neetické. V tomto případě by mohlo dojít k postupnému rozvrstvení společnosti do několika úrovní a případnému rozvoji korupce.[12]

Nelegální získávání a šíření dat

V roce 2018 vyplaval na povrch skandál firem Facebook a Cambridge Analytica. Facebook porušil zákon o ochraně dat, tím že firmě Cambridge Analytica poskytl přístup k informacím až 87 miliónů uživatelů bez jejich souhlasu. Způsob, kterým Cambridge Analytica data shromažďovala, bylo skrze kvízovou aplikaci "This Is Your Digital Life", do které se uživatelé přihlašovali přes login Facebooku a tím otevřeli přístup k osobním datům jich i jejich přátel. Data byla shromažďována za účelem použití pro politickou propagaci (konkrétně Cambridge Analytica poskytovala analytickou asistenci v kampani Teda Cruze a Donalda Trumpa, spekulováno je také o zásahu do referendu o Brexitu).[13]

Rizika a zneužitelnost

Zneužití dat

Citlivé osobní informace jsou častým cílem hackerů a kyberútočníků. Phishing, bankovní či pojistné podvody jsou typickými příklady, jak mohou být big social data nebezpečně zneužita kriminálními organizacemi. Zneužita mohou být big social data ale také jinými způsoby, jako například šířením cílených Hoax za účelem ovlivnění ideí či vyvolání strachu (např. ovlivnění voleb).[14]

Nesprávné zacházení s daty

Big social data nejsou ohrožena pouze těmi, kteří se je cíleně snaží zneužít. Risk existuje i v nechtěném zneužití. Lidské předsudky, špatné praktiky v datové analýze i špatná kvalita dat mohou vést ke špatným závěrům. A jelikož je datová věda relativně novým oborem, je obtížné předpovědět, jaké bude mít špatné zacházení s daty dopady.[14]

Zabezpečení dat

Big social data mohou obsahovat tolik citlivých informací o osobě, že mohou znamenat velké riziko narušení soukromí. Proto je důležité, aby byla náležitě chráněna. S větším sběrem dat je složitější i nákladnější jejich bezpečné uchovávání. Společnosti jsou zavázány k ochraně těchto dat (zajištěna velkými potenciálními pokutami), ale rostoucí množství kybernetických útoků značí, že je nutné se tomu věnovat více. [14]


Odkazy

Reference

  1. OLSHANNIKOVA, Ekaterina, Thomas OLSSON, Jukka HUHTAMÄKI a Hannu KÄRKKÄINEN, 2017. Conceptualizing Big Social Data. Journal of Big Data [online]. 4(3) [cit. 2021-02-19]. Dostupné z: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-017-0063-x
  2. ŠLERKA, Josef. Big Social Data. Slideshare [online]. 21. 12. 2015 [cit. 2021-02-21]. Dostupné z: https://www.slideshare.net/josefslerka/big-social-data
  3. GANDOMI, Amir; HAIDER, Murtaza. Beyond the hype: Big data concepts, methods, and analytics.| International journal of information management, 2015, 35.2: 137-144.
  4. INMON, William H a Chuck KELLEY. Rdb/VMS, developing the data warehouse. Boston: QED Pub. Group, c1993, xxiv, 225 p.
  5. 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.
  6. Big data and social science: a practical guide to methods and tools, 2017. Boca Raton ; London ; New York: CRC Press Taylor & Francis Group. ISBN 9781498751407.
  7. 7 Ways How to Use Big Data in Social Media, © 2006-2021. ByteAnt [online]. [cit. 2021-02-21]. Dostupné z: https://www.byteant.com/blog/7-ways-how-to-use-big-data-in-social-media/
  8. KH, Ryan, © 2008–2021. Big Data Leads To An Impressive Array of Chatbots In Customer Service. SmartDataCollective [online]. [cit. 2021-02-25]. Dostupné z: https://www.smartdatacollective.com/big-data-leads-to-impressive-array-of-chatbots-in-customer-service/
  9. Mapy.cz, © 1996–2021. Seznam [online]. Seznam. cz [cit. 2021-02-25]. Dostupné z: https://napoveda.seznam.cz/cz/mapy/mapy.cz-covid-19-sdilim-polohu
  10. Eight Ways Big Data Affects Your Personal Life, © 2021. Michigan Tech Online Degree Programs [online]. Michigan Technological University [cit. 2021-02-21]. Dostupné z: https://onlinedegrees.mtu.edu/news/ways-big-data-affects-your-personal-life
  11. Advantages of Big Data | Disadvantages of Big Data, 2012. RF Wireless World [online]. RF & Wireless Vendors and Resources [cit. 2021-02-21]. Dostupné z: https://www.rfwireless-world.com/Terminology/Advantages-and-Disadvantages-of-Big-Data.html
  12. Systém sociálního kreditu, 2001-. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation [cit. 2021-02-21]. Dostupné z: https://cs.wikipedia.org/wiki/Syst%C3%A9m_soci%C3%A1ln%C3%ADho_kreditu
  13. Facebook–Cambridge Analytica data scandal, 2001-. In: Wikipedia: the free encyclopedia [online]. San Francisco (CA): Wikimedia Foundation [cit. 2021-02-26]. Dostupné z: https://en.wikipedia.org/wiki/Facebook%E2%80%93Cambridge_Analytica_data_scandal
  14. 14,0 14,1 14,2 HILLIER, Will. Is Big Data Dangerous? CareerFoundry [online]. 7. 8. 2020 [cit. 2021-02-21]. Dostupné z: https://careerfoundry.com/en/blog/data-analytics/is-big-data-dangerous/

Související články

Big data
Data
Metody dobývání znalostí z databází (data mining)
Sociální síť
Problematika velkých dat. Big data.
Vizualizace informací

Klíčová slova

  • Data, big data, big social data, velká data, datový sklad, databáze