o Big data

Big data to termin odnoszący się do dużych, zmiennych i różnorodnych zbiorów danych, których przetwarzanie i analiza jest trudna, ale jednocześnie wartościowa, ponieważ może prowadzić do zdobycia nowej wiedzy.

• Volume: Duże ilości danych, często mierzone w terabajtach lub petabajtach.
• Velocity: Szybki przepływ danych, co wymaga szybkiego przetwarzania.
• Variety: Różnorodność danych, obejmujących różne formaty, typy i źródła.
• Veracity: Jakość i wiarygodność danych, które mogą być niekompletne, błędne lub niespójne.

• Dane z internetu: Dane z sieci społecznościowych, stron internetowych, blogów, forów itp.
• Dane z urządzeń mobilnych: Dane z telefonów komórkowych, tabletów, smartwatchów itp.
• Dane z czujników: Dane z czujników temperatury, wilgotności, ruchu, dźwięku itp.
• Dane finansowe: Dane transakcyjne, dane rynkowe, dane giełdowe itp.
• Dane medyczne: Dane pacjentów, wyniki badań, dane genetyczne itp.

• Marketing: Analiza zachowań klientów, personalizacja ofert, targetowanie reklam.
• Finanse: Wykrywanie oszustw finansowych, analiza ryzyka inwestycyjnego, zarządzanie portfelem inwestycyjnym.
• Zdrowie: Analiza danych medycznych, rozwój nowych leków, personalizacja opieki zdrowotnej.
• Produkcja: Optymalizacja procesów produkcyjnych, zarządzanie łańcuchem dostaw, kontrola jakości.
• Transport: Optymalizacja tras, zarządzanie ruchem, prognozowanie zapotrzebowania na transport.

• Hadoop: Platforma do przetwarzania rozproszonych danych.
• Spark: Silnik przetwarzania danych in-memory.
• NoSQL: Bazy danych nie relacyjne, które mogą obsługiwać duże ilości danych o różnorodnej strukturze.
• Machine learning: Algorytmy uczenia maszynowego, które pozwalają na automatyczne odkrywanie wzorców w danych.
• Data mining: Proces odkrywania ukrytych wzorców i zależności w danych.

• Przechowywanie: Zbieranie i przechowywanie dużych ilości danych może być kosztowne i wymaga odpowiedniej infrastruktury.
• Przetwarzanie: Analiza dużych zbiorów danych wymaga wydajnych narzędzi i technologii.
• Jakość danych: Dane mogą być niekompletne, błędne lub niespójne, co utrudnia ich analizę.
• Bezpieczeństwo: Ochrona danych osobowych i poufnych informacji jest kluczowa.
• Interpretacja: Wyciąganie właściwych wniosków z dużych zbiorów danych może być trudne.z