4 Missverständnisse über "Big Data" können Sie aufhören zu glauben (Op-Ed)
Ist Dan Hogan, Gründer, President und CEO von Nashville, Tennessee-basierte Medalogix, ein Medizintechnik Unternehmen, Analytik und Workflows zu Hause Gesundheitsdienstleister. Hogan trug dieses Artikels Leben Wissenschaft Experten stimmen: Op-Ed & Einblicke.
Big-Data ist ein heißes Thema in den letzten fünf Jahren oder so geworden, aber es hat Einblicke seit Hunderten von Jahren. Zum Beispiel die erste US-Volkszählung erfolgte im Jahre 1790, die Strickwarenfabrik Hollerith-Maschine entstand in den späten 1880er Jahren und 1944 Fremont Fahrer war bereits Vorstellungsvermögen, dass der Yale Library mehr als 200 Millionen Bände bis 2040 hätte.
Gibt es viele Ansätze, die big-Data, aber die meisten Zentrum rund um die technische Fähigkeit zu erfassen, Aggregat und Prozess ein großes Volumen, Geschwindigkeit und Vielfalt der Daten, wie im Weißen Haus Bericht 2014 "Big Data: Beschlagnahme Möglichkeiten, Erhaltung Werte." Und ein Bericht von 2012 International Data Corp. geschätzt, dass das digitale Universum um den Faktor 300 von 2005 bis 2020, Herstellung von 40 Billionen GB an Daten bis 2020 wachsen wird. Aber obwohl Daten häufiger als je zuvor – und die Nutzung von big Data ist häufiger als je zuvor – es gibt noch einige Missverständnisse über big Data und seine Auswirkungen. [Was ist Big Data?]
Irrtum #1: Big Data ist von Natur aus wertvolle.
Daten hat keinen Eigenwert. Um wertvolle Daten zu machen, muss es sortiert, verarbeitet und verteilt werden. Die meisten predictive Analytics Unternehmen beschäftigen Datenanalysten, genau das zu tun. Diese Wissenschaftler Keulen durch riesige Mengen an Daten, um festzustellen, was wertvoll ist und erstellt Algorithmen, um diese Informationen herauszuziehen.
Bei Datenanalysten der Informationen durchforsten, um festzustellen, was relevant ist, müssen sie zunächst eine Hypothese, dass die Suche zu führen. Z. B. prognostiziert Medalogix Technologie, welche Patienten sind besonders gefährdet für Krankenhaus Rückübernahme, so zieht es Datenpunkte, wie eine Krankenpflege Pflegefachpersonal stärken und Schwächen, nützliche Prädiktoren zu isolieren und beseitigt überflüssige Informationen. Wir beginnen mit big Data aber Analytics verwenden, um die Nadeln zu finden und werfen den Rest der Heuhaufen. [Big Data und die Grippe: wie Wikipedia Influenza verfolgen kann]
Irrtum #2: Big Data führt immer wieder zu großen Veränderungen.
Eigenständig ist big-Data nicht strafbar, selbst nachdem ein Datenwissenschaftler wertvolle Informationen identifiziert. Nützliche Technologie enthält Schritte, mit denen ein Benutzer Einblicke aus Daten, Änderungen oder Verbesserungen vorzunehmen. Mit unserem obigen Beispiel tut einfach Identifizierung der Patienten mit einem Risiko der Rückübernahme nichts, um diesen Patienten Ergebnisse zu verbessern; Ärzte müssen diese Informationen verwenden, um die Pflege anzupassen. Alle big-Data-Technologien müssen Prozesse zu erstellen, so dass jemand die Informationen nehmen und umsetzen kann – ansonsten ist das Ergebnis nur Informationen.
Irrtum #3: Big Data ist unbedingt wertvoller als wenig Daten.
Big-Data alle Aufmerksamkeit bekommt, aber wenig Daten effektiver sein können. "Wenig Daten" ist einfach ein kleiner Datensatz. Die Beziehung zwischen den zwei Arten von Daten ist ähnlich wie Quantität versus Qualität. Wir alle wissen, mehr ist nicht immer besser, vor allem, wenn es nicht alle qualitativ hochwertigen. Obwohl big-Data eine riesige Menge an Informationen hat, die Qualität dieser Informationen möglicherweise nicht immer, was jemand sucht, und vieles davon hat organisiert und sortiert Analyseparameter angepasst werden. Mit wenig Daten sind die Informationen oft mehr kontrollierte, saubere und einzigartig, so dass es noch wertvoller.
Irrtum #4: Big Data ist nur für große Unternehmen.
Big-Data-Technologien sind nicht mehr unerschwinglich. Unternehmen aus den Fortune 500 verwenden große Daten. Es ist nicht nur für bestimmte Branchen, entweder; gibt es big-Data-Technologien ausgerichtet, fast jede Branche, da die meisten Organisationen, auch kleineren, enorme Datenmengen produzieren. Eines der wichtigsten Schlussfolgerungen aus einem Bericht von 2011 McKinsey Global Institute genannt "Big Data: die nächste Herausforderung für Produktivität, Innovation und Wettbewerb" war dies: "die Nutzung von big Data wird eine wichtige Grundlage für Wettbewerb und Wachstum für einzelne Unternehmen." Der Bericht fand frühe Beispiele von big Data in jedem Sektor geprüft, — und das war im Jahr 2011. Denken Sie an wie die Reichweite von big Data und Technologie seitdem erweitert hat.
Big-Data ist nicht so kompliziert, wie die meisten Leute denken. Sicher, die meisten von uns werden nie verstehen, die Algorithmen, die es möglich machen, aber Sie große Daten in Ihrem täglichen Leben verwenden, ohne es zu merken. Wie denken Sie Pandora wählt Ihren nächsten Song oder Netflix wählt Ihre empfohlene Sendungen und Filme? Das heißt, es ist wichtig zu bedenken, dass nicht alles, was Sie über big Data hören wahr ist. Stellen Sie sicher, dass Sie nicht fallen, Narr, einer der big-Data Mythen.
Alle Experten stimmen Fragen und Debatten zu folgen – und werden Sie Teil der Diskussion – auf Facebook, Twitter und Google +. Die Meinungen sind die des Autors und spiegeln nicht unbedingt die Meinung des Herausgebers. Diese Version des Artikels erschien ursprünglich am Leben Wissenschaft.