დიდი მონაცემები
66 languages
- Afrikaans
- azərbaycanca
- Bahasa Indonesia
- Bahasa Melayu
- bosanski
- català
- čeština
- Cymraeg
- dansk
- Deutsch
- eesti
- English
- español
- Esperanto
- euskara
- français
- galego
- hrvatski
- Ido
- íslenska
- italiano
- latviešu
- lietuvių
- magyar
- Nederlands
- norsk bokmål
- oʻzbekcha / ўзбекча
- polski
- português
- română
- Runa Simi
- Simple English
- slovenščina
- suomi
- svenska
- Tiếng Việt
- Türkçe
- Ελληνικά
- беларуская
- български
- қазақша
- монгол
- русский
- српски / srpski
- татарча / tatarça
- українська
- հայերեն
- עברית
- اردو
- العربية
- فارسی
- کوردی
- मैथिली
- हिन्दी
- অসমীয়া
- বাংলা
- தமிழ்
- తెలుగు
- മലയാളം
- සිංහල
- ไทย
- 한국어
- 中文
- 吴语
- 日本語
- 粵語
From WikiRecord, the encyclopedia of everything · from the Georgian Wikipedia
დიდი მონაცემები (ინგლ. Big data) — პირველ რიგში, გულისხმობს მონაცემთა ერთობლიობას, რომლებიც ძალიან ბევრია ან რთულია ტრადიციული მონაცემთა დამუშავების პროგრამული უზრუნველყოფის მიერ დასამუშავებლად. მონაცემები, რომლებიც შეიცავს მრავალ ჩანაწერს (სტრიქონს), უფრო მეტი სტატისტიკური ძალის მქონეა, იმ დროს, როცა უფრო მაღალი სირთულის მონაცემებმა (მეტი ატრიბუტი ან სვეტი) შეიძლება გამოიწვიოს არასწორი დამუშავების უფრო მაღალი მაჩვენებელი.[1]
დიდ მონაცემბთა ანალიზის სირთულეები მოიცავს მონაცემების შეგროვებას, მის შენახვას, ანალიზს, ძიებას, გაზიარებას, გადაცემას, ვიზუალიზაციას, მოთხოვნის დასმას, განახლებას, ინფორმაციის კონფიდენციალურობას და მონაცემთა წყაროებს. დიდი მონაცემები თავდაპირველად ასოცირდებოდა სამ ძირითად კონცეფციასთან: მოცულობა, მრავალფეროვნება და სიჩქარე.
დიდი მონაცემების ანალიზმა, რომელსაც მხოლოდ მოცულობა, სიჩქარე და მრავალფეროვნება ახასიათებს, შერჩევის დროს შეიძლება სირთულეები შექმნას. ამიტომ, დაემატა მეოთხე კონცეფცია — სანდოობა, რომელიც მონაცემთა სანდოობის დონეს ეხება.[2] დიდი მონაცემების სანდოობის უზრუნველსაყოფად ჩასატარებელ ექსპერტიზაში საკმარისი ინვესტიციების გარეშე, მონაცემთა მოცულობამ და მრავალფეროვნებამ შეიძლება გამოიწვიოს ხარჯები და რისკები, რომლებიც აღემატება ორგანიზაციის შესაძლებლობას, შექმნას და ამოიღოს დიდი მონაცემებიდან რაიმე ღირებული.[3]
ტერმინი „დიდი მონაცემები“ 1990-იანი წლებიდან გამოიყენება, ზოგიერთი ამ ტერმინის პოპულარიზაციას ამერიკელ ინფორმატიკოსს, ჯონ მეშის მიაწერს.[4] დიდი მონაცემები, როგორც წესი, მოიცავს მონაცემთა ნაკრებებს, რომელთა ზომები აღემატება ჩვეულებრივ გამოყენებული პროგრამული ინსტრუმენტების შესაძლებლობას შეინახონ, მართონ და დაამუშაონ მონაცემები დასაშვებ დროში. დიდი მონაცემების ფილოსოფია მოიცავს არასტრუქტურირებულ, ნახევრად სტრუქტურირებულ და სტრუქტურირებულ მონაცემებს. თუმცა, ძირითადი აქცენტი არასტრუქტურირებულ მონაცემებზეა გაკეთებული. დიდი მონაცემების „ზომა“ მუდმივად იცვლება. 2012 წლის მონაცემებით, ის რამდენიმე ათეული ტერაბაიტიდან მრავალ ზეტაბაიტამდე მერყეობს. დიდი მონაცემები მოითხოვს ტექნიკისა და ტექნოლოგიების ერთობლიობას ინტეგრაციის ახალი ფორმებით, რათა მრავალფეროვანი, რთული და მასიური მასშტაბის მონაცემთა ნაკრებებიდან მიიღოს საჭირო ინფორმაცია. ცვალებადობა ხშირად განიხილება დიდი მონაცემების დამატებით თვისებად.[5]
ლიტერატურა
- Hilbert, M (2016), "Big Data for Development: A Review of Promises and Challenges", Development Policy Review 34 (1): 135–74, ; free access, დაარქივებული 21 April 2021 საიტზე Wayback Machine.
- Snijders, C.; Matzat, U.; Reips, U.-D. (2012). „'Big Data': Big gaps of knowledge in the field of Internet“. International Journal of Internet Science. 7: 1–5. დაარქივებულია ორიგინალიდან — 23 November 2019. ციტირების თარიღი: 13 April 2013.
რესურსები ინტერნეტში
შეგიძლიათ იხილოთ მედიაფაილები თემაზე „დიდი მონაცემები“ ვიკისაწყობში.- Big Data: The Management Revolution. Harvard Business Review. October 2012.
სქოლიო
- ↑ Breur, Tom (July 2016). "Statistical Power Analysis and the contemporary "crisis" in social sciences". - Journal of Marketing Analytics. 4 (2–3). London, England: Palgrave Macmillan: 61–65. doi:10.1057/s41270-016-0001-3. ISSN 2050-3318
- ↑ Scholz, Tobias M. (2017), "Theoretical Framework", Big Data in Organizations and the Role of Human Resource Management, A Complex Systems Theory-Based Conceptualization, Peter Lang AG, pp. 9–82, ISBN 978-3-631-71890-2, retrieved 27 November 2025
- ↑ Cappa, Francesco; Oriani, Raffaele; Peruffo, Enzo; McCarthy, Ian (2021). "Big Data for Creating and Capturing Value in the Digitalized Environment: Unpacking the Effects of Volume, Variety, and Veracity on Firm Performance". — Journal of Product Innovation Management. 38 (1): 49–67. doi:10.1111/jpim.12545. ISSN 0737-6782. S2CID 225209179
- ↑ John R. Mashey (25 April 1998). "Big Data… and the Next Wave of InfraStress". (PDF)
- ↑ Ibrahim; Targio Hashem, Abaker; Yaqoob, Ibrar; Badrul Anuar, Nor; Mokhtar, Salimah; Gani, Abdullah; Ullah Khan, Samee (2015). "big data" on cloud computing: Review and open research issues". Information Systems. 47: 98–115 e.