21-ე საუკუნე წარმოადგენს ე.წ. BigData (დიდი მოცულობის) მონაცემების საუკუნეს. სხვადასხვა წყაროდან მომავალი ინფორმაცია იზრდება შემაშფოთებელი სისწრაფით. მონაცემები, რომლებსაც მიაკუთვნებენ BigData-ს შეიძლება წარმოიქმნას ორი გზით: ადამიანის ან/და კომპიუტერის მიერ. მონაცემთა შეფასების არსებული სისტემების მიხედვით მონაცემთა მთლიანი მოცულობის 80% არის ნაწილობრივ სტრუქტურირებული ან საერთოდ არაა სტრუქტურირებული.
BigData არის ტერმინი, რომელიც დაკავშირებულია მონაცემთა იმდენად დიდ ნაკრებთან, რომ მათი დამუშავება მონაცემების დამუშავების ტრადიციული საშუალებების გამოყენებით არის შეუძლებელი. მონაცემთა დამუშავების პრობლემა გულისხმობს მონაცემთა მოპოვებას, შენახვას, ანალიზს, ძებნას, გაზიარებას, გადაცემას, ვიზუალიზაციას, მოთხოვნას, განახლებას, ინფორმაციის დაცულობას და ა.შ.
დიდი მოცულობის მონაცემების მიღება ხდება ძალიან სწრაფად და მომენტალურად იცვლება, ამიტომ პროგრამული უზრუნველყოფის შემმუშავებლებმა ოპერატიულად უნდა შექმნან შესაბამისი დანართი, რომელსაც შეეძლება აქტუალური ბიზნეს-ამოცანების გადაწყვეტა.
დიდი მოცულობის მონაცემების შენახვისა და დამუშავების ტექნოლოგიური ინფრასტრუქტურა მოიცავს რამდენიმე ეტაპს. კერძოდ, ასეთი სახის მონაცემების დასამუშავებლად შეიქმნა მონაცემთა მეცნიერება (Data science), რომელიც მონაცემთა დასამუშავებლად იყენებს შემდეგ თანმიმდევრულ ნაბიჯებს:
- კვლევის მიზნის დანიშნულება;
- მონაცემთა შეგროვება;
- მონაცემთა მომზადება;
- მონაცემთა გამოკვლევა;
- მონაცემთა მოდელირება;
- წარმოდგენა და ავტომაზიცია.
პოპულარულია გამოთქმა, რომ „მონაცემები ახალი ნავთობია”, რომელთა მოპოვება და დამუშავება ხორციელდება მონაცემთა მეცნიერის მიერ. ასე რომ, მონაცემების დამუშავება და სწორად გამოყენება დიდი ხანია, ბიზნესის წარმოების ისეთივე სტანდარტული ნაწილი გახდა, როგორც, მაგალითად, ადამიანური რესურსების მართვა.
| უკან |
