2021-yil 25-noyabr 2021-yil

Аннотация:
 Эта статья посвящена методам анализа больших объемов данных, 
которые являются основой новых знаний и больших доходов в цифровой экономике.
Abstract:
 This article is devoted to the methods of analyzing large amounts of data that are 
the basis of new knowledge and great income in the digital economy.
Ўзбекистон Президенти Ш.Мирзиёевнинг рақамли технологиялар тўғри-
сида айтган қуйидаги гапларини келтириш ўринлидир:...“шу боис, рақамли 
иқтисодиётга фаол ўтиш-келгуси 5 йилдаги энг устувор вазифаларимиздан бири 
бўлади. Рақамли технологиялар нафақат маҳсулот ва хизматлар сифатини оши-
ради, ортиқча харажатларни камайтиради. Шу билан бирга, мени жуда қаттиқ 
ташвишга соладиган ва безовта қиладиган энг оғир иллат - коррупция балосини 
йўқотишда ҳам улар самарали воситадир”.
«Рақамли Ўзбекистон - 2030» Стратегиясини амалга ошириш дастури дои-
расида Ўзбекистон Республикаси Президентининг 17.02.2021 йилда «Сунъий 
интеллект технологияларини жадал жорий этиш учун шарт-шароитлар яратиш 
чора-тадбирлари тўғрисида»ги қарори қабул қилинди. Президент томонидан 
бу қарорларни қабул қилиниши албатта республикамизда рақамли иқтисодиёт-
ни жадал суръатлар билан ривожлантириш вазифаларига ва уларни амалга оши-
ришга қаратилганлиги билан катта аҳамиятга эгадир.
Катта ҳажмдаги маълумотлар (Big Data) рақамли иқтисодиётни ривожлан-
тиришнинг асосий технологияларидан ҳисобланади. AКШ ҳукумaти кaттa мaъ-
лумoтлaрни “кeлaжaкнинг янги нефти”, рaқaмли иктисoдиётнинг “валютаси”, 
ҳукумат учун янa бир муҳим мaнбa экaнлигигa ишoнч билдиришмоқда. Қишлoк 
xўжaлиги дaвридaги eр, ишчи кучи кaби, сaнoaт дaвридaги тexнoлoгиялaр ва 
кaпитaл каби, рaкaмли иқтисoдиёт дaвридa мaълумoтлар ҳaл қилувчи ишлaб 

---

140
чиқaриш oмилигa aйлaнди. Иқтисодиётни ривoжлaниши учун мaълумoтлaр 
тaлaб қилувчи иннoвaциялар илмий вa тexнoлoгик ишлaнмaлaргa, иқтисoдий 
ҳaмжaмиятгa ҳамда хaётнинг бaрчa сoҳaлaригa кириб бoрaди, мaмлaкaтдa ин-
нoвaциялaрнинг aсoсий йунaлишигa aйлaнaди.
Катта ҳажмдаги маълумотлар (Big Data) - бу 2000-чи йилнинг охирлари-
да пайдо бўлган ва анъанавий маълумотлар базасини бошқариш тизимлари ва 
Business Intelligence синфи ечимларига муқобил, ҳамда дастурий воситалар би-
лан самарали ишлов бериш мумкин бўлган улкан ҳажмдаги, хилма-хилликдаги, 
тузилмали ва тузилмасиз маълумотларнинг белгиланиши хисобланади.
IBS компанияси таҳлилчилари “бутун дунё маълумотлари ҳажми”ни қуйида-
ги миқдорлар билан баҳолашмоқда:
2003 йил - 5 эксабайт маълумотлар (1 эб = 1 млрд гигабайт)
2008 йил- 0,18 зеттабайт (1 зб = 1024 эксабайт)
2015 йил- 6,5 зеттабайтдан ортиқ
2020 йил - 40-44 зеттабайт (прогноз)
2025 йил - бу хажм яна 10 мартага ошади.
Катта ҳажмдаги маълумотларни
 
таҳлил қилишнинг қуйидаги усулларини 
келтириш мумкин:
Data Mining (маълумотларни “қазиб олиш”, маълумотларни интеллектуал 
тахлил қилиш) усуллари – маълумотлардаги қабул қилиш учун зарур бўлган, ил-
гари номаълум бўлган, аҳамиятсиз, лекин амалий фойдали билимларни аниқлаш 
усуллари тўпламидир. Бундай усуллар тўплами, жумладан, ассоциатив қоидалар-
га ўқитиш (association rule learning), таснифлаш (тоифаларга бўлиш), кластерли 
таҳлил, регрессион таҳлил, хатоликларни аниқлаш, таҳлил қилиш ва бошқаларни 
ўз ичига олади.
Big data – бу турли хилдаги маълумотларнинг катта тўплами хисобланади. 
Улардан фойдаланишда самара келтириши учун улардаги қандайдир фойдали 
қонуниятларни топиш керак, масалан ўхшашликлар, фарқлар, умумий тоифалар 
ва бошқалар. Бундай қонуниятларни излаш жараёни Data mining - маълумотлар-
ни “қазиб олиш” ёки маълумотларни интеллектуал таҳлил қилиш деб аталади.
Катта ҳажмдаги маълумотлардан турли технологиялар, масалан ечимлар 
дарахтини қўллашга асосланган таснифлаш, моделлаштириш ва прогнозлаш 
усуллари, нейрон тармоқлари, генетик алгоритмлар ва бошқа методлар ёрдами-
да янги фойдали маълумотларни “қазиб олиш” мумкин. Маълумотларни “қазиб 
олиш” усулларига статистик усуллар хам киради.
Компанияларнинг маълумотлар билан боғлиқ кўпгина вазифаларини ҳал қи-
лишда Data mining дан фойдаланилади. Масалан, регрессион таҳлил ёрдамида ри-
скларни баҳолаш, кластерлаш ёрдамида мижозларни сегментлаш ҳамда, ассоциа-
цияларни маълумотларга талабини аниқлашни башорат қилиш мумкин ва ҳоказо.
Краудсорсинг - меҳнат муносабатларига аъзо бўлмасдан ишни амалга оши-
радиган ноаниқ шахслар томонидан маълумотларни таснифлаш ва бойитиш ҳи-
собланади.
 
Одатда катта ҳажмдаги маълумотлар (Big Data)нинг таҳлили билан 

---

141
компьютерлар шуғулланади, баъзида бу ишларни инсонларга ҳам юклатилади. 
Бу мақсадларни амалга ошириш учун краудсорсинг мавжуд, яъни қандайдир 
муаммоли масалаларни ечиш учун инсонлар гурухини жалб қилишдир. Фараз 
қилайлик, бизда катта ҳажмдаги қайта ишланмаган маълумотлар мавжуд. Маса-
лан, дўконларнинг сотув тўғрисидаги ёзувлари, кўпинча товарлар тўғрисидаги 
маълумотлар хатолар билан ёки қисқача ёзилади. Агарда қўйилган масала бир 
марталик бўлса ва уни ечиш учун мураккаб сунъий интеллект тизимини яратиш 
маънога эга бўлмаса краудсорсингдан фойдаланиш мақул хисобланади. Агар катта 
хажмдаги маълумотларни хар доим таҳлил қилиб туриш зарур бўлса, у ҳолда Data 
Mining ёки машинали ўқитишга асосланган тизим краудсорсингга қараганда ар-
зонга тушади. Бундан ташқари математик усулларга, масалан статистика ёки ими-
тацион моделлаштиришга асосланган мураккаб таҳлиллар билан компьютерларда 
иш бажариш осон амалга оширилади 
Маълумотларни аралаштириш ва интеграция қилиш (data fusion and 
integration) - чуқур таҳлил ўтказиш мақсадида турли хил манбалардан олинган 
маълумотларни бирлаштиришга имкон берувчи техникалар тўплами (масалан, 
сигналларни рақамли қайта ишлаш, табиий тилларни қайта ишлаш ва бошқалар).
Юқорида таъкидлаб ўтилганидек, Big data билан ишлаш турли манбалар-
дан турли хилдаги маълумотларни йиғиш билан боғлиқ. Бу маълумотлар билан 
ишлаш учун уларни битта қилиб йиғиш керак. Уларни битта базага ташлаш мум-
кин эмас, яъни турли манбалар турли форматдаги ва турли параметрлар билан 
маълумотлар бериши мумкин. Бу пайтда маълумотларни аралаштириш ва инте-
грация қилиш, яъни турли хилдаги маълумотларни бир кўринишга олиб келиш 
қўл келади. 
Статистик таҳлил - вақтли қаторларни таҳлил қилиш, A/B – тестдан ўтка-
зиш (A/B testing, split testing - маркетинг тадқиқот усули; ундан фойдаланганда 
элементларнинг назорат гуруҳи бир ёки бир нечта кўрсаткичлари ўзгарган тест 
гуруҳлари тўплами билан таққосланади, яъни бу ўзгаришларнинг қайси бири 
мақсадли кўрсаткични яхшилаганини аниқлаш учун
). 
Статистиканинг моҳияти 
шундаки, маълумотларни тўплаш, уни маълум бир мезонлар бўйича ҳисоблаш ва 
маълум бир натижага, одатда фоизларда эришишдир. Статистика муаммолари-
дан бири - кичик танлашлардаги ишончсиз натижалардир. Мисол учун, 20000 
та инсонлардан 15000 таси компания хизмат кўрсатишидан норози бўлган, ле-
кин компания фақат 100 тасини сўров қилган ва танловга 80 та содиқ мижоз-
лар тушган. Бундан келиб чиқадики, сўров қилинганларнинг 80%и кўрсатилган 
хизматлардан қаноатланяпти, бу эса ҳақиқатга тўғри келмайди. Катта ҳажмдаги 
маълумотлар статистикани янада ишончли қилишга ёрдам беради. Қанча кўп 
маълумот йиғилган бўлса, натижа шунча аниқ бўлади. Агар 100 та мижоз ўрнига 
10000 та сўров қилинса сўров натижаларини ишончли деб ҳисоблаш мумкин.
Аниқ статистик натижаларни олиш учун турли усуллардан фойдаланилади. 
Мана улардан баъзилари:
- оддий кўринишдаги фоиз муносабатларини ҳисоблаш.

---

142
- маълумотларнинг ўртача қийматларини ҳисоблаш.
- муносабатларни аниқлашга ва баъзи маълумотлар ўзгарганда бошқаларга 
қандай таъсир қилишини ифодалаб берувчи корреляцион таҳлил усули.
- вақт ўтиши билан маълумотлар ўзгаришининг интенсивлиги ва частота-
сини бахоловчи динамик қаторлар усули.
Статистик таҳлил кўпинча бошқа технологияларнинг бир қисми сифатида 
ишлатилади - масалан, у имитацион моделлаштириш ёки прогнозли таҳлил учун 
зарур. Аналитик маълумотларни визуаллаштириш- натижаларни олиш, таҳлил 
қилиш ҳамда дастлабки маълумотлар сифатида фойдаланиш учун интерактив 
имкониятлар ва анимациялардан фойдаланган ҳолда маълумотларни расмлар, 
диаграммалар шаклида тақдим этишдир. Таҳлилнинг муҳим натижаларини энг 
қулай шаклда тақдим этиш имконини берувчи катта маълумотларни таҳлил қи-
лишнинг жуда муҳим босқичидир.
Таҳлил натижаларини баҳолаш ва ундан фойдаланиш осон бўлиши учун Вig 
data билан ишлашда маълумотларни визуаллаштиришдан фойдаланилади. Яъни 
уларни графиклар, диаграммалар, гистограммалар, 3D- моделлари, хариталар ва 
пиктограммалар кўринишида ифодаланади.
Одатда визуаллаштириш - бу таҳлил натижаларини намойиш этишни бошқа 
кўринишда амалга оширишнинг якуний босқичидир. Мисол учун, нарх ўзгари-
шига қараб савдонинг ўзгаришини кўрсатадиган имитацион моделини қуриш 
ва унинг натижасини график шаклида чиқариш. Ёки ҳудудларни турли ранглар-
да ифодалаб, ҳудудлардаги савдони солиштириш ва бу маълумотларни харитада 
визуаллаштириш. Айтиш мумкинки, катта маълумoтлар мeҳнат ва капитал рe-
сурслари билан бир қатoрда барча рeсурсларни самарали кўпайтириш манбаи 
бўлади. Катта маълумoтлардан фoйдаланиш корхона ва кoмпанияларнинг рақo-
батда устунликка эришишига ҳамда ўсишига асoс бўлади. Катта ҳажмдаги маъ-
лумoтларни таҳлил қилиш мeҳнат унумдoрлиги янги тўлқинининг асoси бўлади. 
Корхоналарда ва компанияларда катта ҳажмдаги маълумотлар технологиялари-
дан самарали фойдаланиш учун ахборот тизимини ягона рақамли платформага 
ўтказиш зарур