|
MUHAMMAD AL-XORAZMIY NOMIDAGI TOSHKENT AXBOROT TEXNOLOGIYALARI URGANCH FILIALI
XAITBAYEV AZIZBEK PIRNAZAROVICH
KATTA HAJMLI MA’LUMOTLARNING XAVFSIZLIGI TA’MINLANGANLIK DARAJASINI BAHOLASH USULLARINI ISHLAB CHIQISH
5330300-AXBOROT XAVFSIZLIGI MUTAXASSISLIGI BO’YICHA
XORAZM-2022
MUNDARIJA
KIRISH 1
I.Katta hajmli ma’lumotlar va uning xususiyatlari 4
1.1 Katta hajmli ma’lumotlarning kelib chiqishi 5
1.2 Katta hajmli ma’lumotlarning turlari va turkumlari
1.3 katta hajmli ma’lumotlar arxitekturasi
II.Katta hajmli ma’lumotlar bilan ishlash texnologiyalari
2.1 Katta hajmli ma’lumotlar sinf usullari yoki chuqur tahlil
2.2 Katta ma'lumotlardan foydalanish
2.3 Katta ma’lumotlarga asoslangan yechimlar
III.Katta hajmli ma’lumotlar xavfsizlik tamoyillari
3.1 Katta ma'lumotlar xavfsizligi muammolari
3.2 Katta ma'lumotlar xavfsizligiga ko'p qirrali yondashuv
3.4 Katta maʼlumotlar xavfsizligi va tendentsiyalarini navigatsiya qilish
3.4 Katta ma'lumotlar xavfsizligi bo'yicha amaliyotlar
IV. Xulosa
I . Kirish
Hozirgi kunda deyarli har bir harakatimiz o'z izini qoldiradi. Biz har doim internetga kirganimizda, qidiruv moduli bilan jihozlangan smartfonlarimizni uzatganimizda, do'stlarimiz bilan ijtimoiy tarmoqlar yoki chatlar orqali gaplashganimizda va hokazo ma'lumotlarni yaratamiz. Bundan tashqari, mashina tomonidan yaratilgan ma'lumotlarning miqdori ham tez o'sib bormoqda. Ma'lumotlar bizning aqlli uy qurilmalarimiz bir-biri bilan yoki ularning uy serverlari bilan aloqa qilganda yaratiladi va tarqatiladi. Zavod va fabrikalardagi sanoat uskunalari tobora ko'proq ma'lumotlarni to'playdigan va uzatuvchi sensorlar bilan jihozlangan.
"Katta ma'lumotlar" atamasi ushbu ma'lumotlarning barchasini to'plash va ulardan keng doiradagi, shu jumladan biznesda o'z foydamiz uchun foydalanish qobiliyatini anglatadi.
Hammasi raqamli asrning boshidan beri biz yaratgan ma'lumotlar hajmining portlashi bilan boshlandi. Bu ko'p jihatdan kompyuterlar, Internet va atrofimizdagi dunyodan ma'lumotlarni "o'zlashtira oladigan" texnologiyalarning rivojlanishi bilan bog'liq. Ma'lumotlarning o'zi yangi ixtiro emas. Kompyuterlar va ma'lumotlar bazalari davridan oldin ham biz qog'oz tranzaksiya yozuvlari, mijozlar yozuvlari va ma'lumotlar bo'lgan arxiv fayllaridan foydalanganmiz. Kompyuterlar, ayniqsa elektron jadvallar va ma'lumotlar bazalari bizga ma'lumotlarni keng miqyosda saqlash va tartibga solishni osonlashtirdi. To'satdan sichqonchani bir marta bosish bilan ma'lumotlar paydo bo'ldi.
Biroq, biz asl jadvallar va ma'lumotlar bazalaridan uzoq yo'lni bosib o'tdik. Bugun, har ikki kunda, biz boshidan 2000 yilgacha olganimizdek ko'p ma'lumot yaratamiz. To'g'ri, har ikki kunda. Va biz yaratadigan ma'lumotlar miqdori tez o'sishda davom etmoqda; 2020 yilga kelib, mavjud raqamli ma'lumotlar miqdori taxminan 5 zettabaytdan 20 zettabaytgacha oshadi.
Big Data printsipi asosida ishlaydi: ma'lum bir mavzu yoki hodisa haqida qanchalik ko'p bilsangiz, shunchalik ishonchli yangi tushunchaga erisha olasiz va kelajakda nima bo'lishini bashorat qila olasiz. Ko'proq ma'lumotlar nuqtalarini solishtirish avval yashiringan munosabatlarni yaratadi va bu munosabatlar bizga o'rganish va yaxshiroq qarorlar qabul qilish imkonini beradi. Bu ko'pincha biz to'plashimiz mumkin bo'lgan ma'lumotlardan modellar yaratishni o'z ichiga olgan jarayon orqali amalga oshiriladi va keyin har safar ma'lumotlar nuqtalarining qiymatlarini moslashtiradigan va ular bizning natijalarimizga qanday ta'sir qilishini kuzatadigan simulyatsiyani ishga tushiradi. Bu jarayon avtomatlashtirilgan – zamonaviy analitik texnologiyalar millionlab ushbu simulyatsiyalarni amalga oshiradi va ular ustida ishlayotgan muammoni hal qilishga yordam beradigan model yoki g‘oyani topmaguncha barcha mumkin bo‘lgan o‘zgaruvchilarni moslashtiradi.
Yaqin vaqtgacha ma'lumotlar faqat elektron jadvallar yoki ma'lumotlar bazalari bilan cheklangan edi - va hamma narsa juda tartibli va tartibli edi. Qator va ustunlarga osonlikcha tartibga solinib bo'lmaydigan har qanday narsa bilan ishlash juda qiyin deb hisoblangan va e'tiborga olinmagan. Biroq, saqlash va tahlil qilish sohasidagi yutuqlar biz har xil turdagi katta hajmdagi ma'lumotlarni olishimiz, saqlashimiz va qayta ishlashimiz mumkinligini anglatadi. Natijada, bugungi kunda "ma'lumotlar" ma'lumotlar bazasidan tortib fotosuratlar, videolar, ovozli yozuvlar, yozma matnlar va sensor ma'lumotlarigacha bo'lgan hamma narsani anglatishi mumkin.
Bu chalkash ma'lumotlarni tushunish uchun Big Dat-ga asoslangan loyihalar ko'pincha sun'iy intellekt va mashinani o'rganishdan foydalangan holda ilg'or tahlillardan foydalanadi. Kompyuterlarni aniq ma'lumotlar nima ekanligini aniqlashga o'rgatish orqali, masalan, naqshni aniqlash yoki tabiiy tilni qayta ishlash orqali biz ularga modellarni o'zimizdan ko'ra tezroq va ishonchliroq aniqlashga o'rgatishimiz mumkin.
Big Data bizga misli ko'rilmagan tushunchalar va imkoniyatlar beradi, ammo u hal qilinishi kerak bo'lgan muammolar va savollarni ham ko'taradi:
Ma'lumotlar konfidensialligi - Bugungi kunda biz yaratadigan Katta ma'lumotlar shaxsiy hayotimiz haqida juda ko'p ma'lumotlarni o'z ichiga oladi, ularning maxfiyligiga biz to'liq huquqqa egamiz. Borgan sari bizdan oshkor qiladigan shaxsiy maʼlumotlar miqdori va Big Data ilovalari va xizmatlari taqdim etayotgan qulayliklar oʻrtasidagi muvozanatni topish talab qilinmoqda.
Ma'lumotlarni himoya qilish - agar biz kimdir ma'lum bir maqsadda bizning ma'lumotlarimizga ega ekanligidan mamnun bo'lsak ham, ma'lumotlarimiz xavfsizligi va xavfsizligini ularga ishonishimiz mumkinmi?
Ma'lumotlarga nisbatan diskriminatsiya - barcha ma'lumotlar ma'lum bo'lganda, odamlarni shaxsiy hayotidan olingan ma'lumotlarga asoslanib kamsitish qabul qilinadimi? Biz kimdan qarz olishi mumkinligini aniqlash uchun kredit ballaridan foydalanamiz va sug'urta ham ma'lumotlarga bog'liq. Biz batafsilroq tahlil qilish va baholashni kutishimiz kerak, ammo bu resurslari kamroq va ma'lumotlarga kirish imkoniyati cheklangan odamlarning hayotini murakkablashtirmasligi uchun ehtiyot bo'lish kerak.
Ushbu vazifalarni bajarish Katta sanalarning muhim qismidir va ular bunday ma'lumotlardan foydalanmoqchi bo'lgan tashkilotlar tomonidan hal qilinishi kerak. Buni qilmaslik biznesni nafaqat obro'si, balki yuridik va moliyaviy tomondan ham zaiflashishi mumkin.
Ma'lumotlar bizning dunyomiz va hayotimizni misli ko'rilmagan tezlikda o'zgartirmoqda. Agar Big-Data bugun bularning barchasiga qodir bo'lsa, ertaga nimaga qodir bo'lishini tasavvur qiling. Biz uchun mavjud bo'lgan ma'lumotlar miqdori oshadi va tahlil texnologiyasi yanada rivojlangan bo'ladi.
Korxonalar uchun Big Dat-ni qo'llash qobiliyati kelgusi yillarda tobora muhim ahamiyat kasb etadi. Faqat ma'lumotlarga strategik aktiv sifatida qaraydigan kompaniyalar omon qoladi va rivojlanadi. Ushbu inqilobni e'tiborsiz qoldiradiganlar ortda qolish xavfi bor.
Katta ma'lumotlar- bu nafaqat ma'lumotlarning o'zi, balki ularni qayta ishlash va foydalanish texnologiyalari, katta massivlarda kerakli ma'lumotlarni topish usullari. Katta ma'lumotlar muammosi o'nlab yillar davomida turli xil ma'lumotlarni to'playdigan har qanday tizimlar uchun ochiq va muhim bo'lib qolmoqda.
Bu atama ibora bilan bog'liq "Hajm, tezlik, xilma-xillik"- katta ma'lumotlar bilan ishlash tamoyillari. Bu to'g'ridan-to'g'ri ma'lumotlar miqdori, ishlov berish tezligi va turli xil ma'lumotlar massivda saqlanadi. Yaqinda uchta asosiy tamoyilga yana biri qo'shila boshlandi - Qiymat degani ma'lumotlarning qiymati... Ya'ni, u nazariy yoki amaliy jihatdan foydali va zarur bo'lishi kerak, bu uni saqlash va qayta ishlash xarajatlarini oqlaydi.
Ijtimoiy media odatiy katta ma'lumot manbasiga misol bo'ladi - har bir profil yoki ochiq sahifa tuzilmagan ma'lumotlar okeanidagi kichik bir tomchidir. Bundan tashqari, ma'lum bir profilda saqlangan ma'lumotlarning miqdoridan qat'i nazar, foydalanuvchilarning har biri bilan o'zaro aloqa imkon qadar tezroq bo'lishi kerak.
Katta ma'lumotlar inson hayotining deyarli barcha sohalarida doimiy ravishda to'planadi. Bunga odamlarning o'zaro ta'siri yoki hisoblash bilan bog'liq har qanday sanoat kiradi. Bular ijtimoiy media, tibbiyot va bank, shuningdek, kundalik hisob-kitoblarning ko'plab natijalarini oladigan qurilma tizimlari. Masalan, astronomik kuzatishlar, meteorologik ma'lumotlar va Yerni zondlash qurilmalaridan olingan ma'lumotlar.
Haqiqiy vaqtda barcha turdagi kuzatuv tizimlaridan ma'lumotlar ham ma'lum bir kompaniyaning serverlariga boradi. Televidenie va radioeshittirishlar, uyali aloqa operatorlarining qo'ng'iroqlar bazalari - har bir shaxsning ular bilan o'zaro aloqasi minimal, ammo jami bu ma'lumotlarning barchasi katta ma'lumotlarga aylanadi.
Katta ma'lumotlar texnologiyalari tadqiqot va ishlanmalar va tijoratning ajralmas qismiga aylandi. Bundan tashqari, ular davlat boshqaruvi sohasini egallashni boshladilar - va hamma joyda axborotni saqlash va manipulyatsiya qilishning yanada samarali tizimlarini joriy etish talab etiladi.
Dunyoda raqamlangan ma'lumotlar hajmi #ekponent bo'yicha o'sib bormoqda. IBS kompaniyasining ma'lumotlariga qaraganda, 2003-yilda 5 eksabayt(1 eksabayt - 1 milliard gigabayt) ma'lumot yig'ilgan ekan. 2008-yilda u 0.18 zettabayt(1 zettabayt = 1024 eksabayt) gacha, 2011-yilga kelib 1.76 zettabayt, 2013-yilda 4.4 zettabaytgacha yetibdi. 2015-yilning mayida dunyoda yig'ilgan raqamlanga ma'lumotlar hajmi 6.5 zettabaytdan oshib ketibdi. 2020-yilga kelib insoniyat 40-44 zettabayt raqamli ma'lumot hosil qilar ekan.
IBS mutaxassislarining fikriga ko'ra, 2013-yilda yig'ilgan ma'lumotlar massivining atiga 1.5%i qandaydiy axborot qiymatiga ega bo'lgan ekan. Baxtga qarshi, hozir dunyoda katta ma'lumotlarni qayta ishlash texnologiyalari bo'lib, ular yordamida juda katta ma'lumotlar massividan insonlarga kerak, qiziq bo'lgan, foydali ma'lumotlarni ajratib olish mumkin bo'ladi.
Ushbu maqolada Big Data(katta ma'lumotlar)ning 8 eng asosiy atamalari va ular haqida qisqacha tushunchalar beriladi.
Big data(katta ma'lumotlar) - juda katta hajmdagi bir jinsli bo'lmagan va tez tushadigan raqamli ma'lumotlar bo'lib, ularni odatiy usullar bilan qayta ishlab bo'lmaydi. Ba'zi hollarda, katta ma'lumotlar tushunchasi bilan birga shu ma'lumotlarni qayta ishlash ham tushuniladi. Asosan, analiz obyekti katta ma'lumotlar deb ataladi.
Big data atamasi 2008-yilda dunyoga kelgan. Nature jurnali muharriri Klifford Linch dunyo ma'lumotlar hajmining juda tez sur'atda o'sishiga bag'ishlangan maxsus sonida big data atamasini qo'llagan. Biroq, katta ma'lumotlar avval ham bo'lgan. Mutaxassislarning fikricha, kuniga 100 gb dan ko'p ma'lumot tushadigan oqimlarga big data deb aytilar ekan.
Katta ma'lumotlarni analiz qilish, inson his etish imkoniyatidan tashqarida bo'lgan qonuniylatlarni aniqlashda yordam beradi. Bu esa kundalik hayotimizdagi barcha sohalar, hukumatni boshqarish, tibbiyot, telekommunikatsiya, moliya, transport, ishlab chiqarish va boshqa sohalarni yanada yaxshilash, ularning imkoniyatlarini oshirish, muommolarga muqobil yechimlar izlab topish imkonini yaratadi.
Data lake(ma'lumotlar ko'li) - qayta ishlanmagan katta ma'lumotlar ombori.
"Ko'l" har xil manbalardan kelgan, har xil formatda bo'lgan ma'lumotlarni saqlaydi. Bu esa odatiy relatsion ma'lumotlar omborida ma'lumotlarni aniq struktura asosida saqlashdan ko'ra arzonroqqa tushadi. Ma'lumotlar ko'li, ma'lumotlarni boshlang'ich holatida analiz qilish imkonini beradi. Bundan tashqari, "ko'l"lardan bir vaqtni o'zida bir nechta ishchilar foydalanishlari mumkin.
Data science(ma'lumotlar haqidagi fan) - analiz muommolarini , ma'lumotlarni qayta ishlash va ularni raqamli ko'rinishda taqdim etishni o'rganadigan fan.
Bu atama dunyoga kelgan vaqt 1974-yil hisoblanadi. O'sha yili Daniyalik informatik, Peter Naur "A Basic Principle of Data Science" nomli kitobini chop ettirgan.
2010-yillar boshida katta ma'lumotlarni tarqalishi natijasida bu yo'nalish juda foydali va kelajagi bor biznesga aylandi. Va o'shandi katta ma'lumotlar bilan ishlaydigan mutaxassislarga talab juda oshib ketdi.
Data science tushunchasiga ma'lumotlar omborini loyihalash va raqamlangan ma'lumotlarni qayta ishlashning barcha metodlari kiradi. Ko'plab mutaxassislar fikricha, aynan data science big dataning biznes nuqtai nazaridan hozirgi zamonoviy o'rindoshi hisoblanadi.
Data mining(ma'lumotlarni topish) - biron qonuniyatni topish maqsadida ma'lumotlarni intellektual analiz qilishga aytiladi. Isroillik matematik Grigoriy Pyatetskiy-Shapiro 1989-yilda bu atamani fanga kiritgan.
Texnologiyalar, avvalari noma'lum va foydali bo'lgan qayta ishlanmagan(hom) ma'lumotlarni topish jarayoniga data mining(ma'lumotlarni topish) deyiladi. Data mining metodlari ma'lumotlar ombori, statistika va sun'iy intellekt tutashgan nuqtada joylashadi.
Machine learning(mashinali o'qitish) - o'zi o'rganadigan dasturlar yaratish amaliyoti va nazariyasi, sun'iy intellektning katta qismi.
Dasturchilar o'z algoritmlariga xususiy hollarda umumiy qonuniyatlarni aniqlashni o'rgatishadi. Natijada, kompyuter, inson avvaldan ko'rsatib o'tgan buyruqlaridan emas, balki, o'z shaxsiy malakasidan kelib chiqib qaror qabul qiladi. Bunday o'qitishning juda ko'p metodlari data mining'ga oid bo'lishi mumkin.
Mashinali o'qitishga birinchi tarifni 1959-yilda amerikalik informatik Artur Samuel bergan. U sun'iy intellekt elementlariga ega bo'lgan shashka o'yini, dunyoda birinchi o'zi o'rganadigan dasturni yaratgan.
Deep learning(chuqur o'qitish) - yanada murakkab va yanada mustaqil bo'lgan o'zi o'qidigan dasturlar yaratadigan mashinali o'qitish turi. Oddiy mashinali o'qitish hollarida boshqariladigan malaka yordamida kompyuter bilimlarni aniqlab oladi: dasturchi algoritmga ma'lum misollarni ko'rsatadi, xatolarni qo'lda to'g'rilaydi. Deep learningda esa, tizim o'zi o'z funksiyalarini loyihalaydi, ko'p darajali hisob-kitoblar amalga oshiradi va atrof-muhit haqida xulosalar qiladi.
Odatda chuqur o'qitishni neyron tarmoqlarga tadbiq qilishadi. Bu texnologiya asosan rasmlarni qayta ishlashda, nutqni tanishda, neyromashina tarjima, farmatsevtikadagi hisoblashlarda va boshqa zamonaviy texnologiyalarda qo'llaniladi. Asosan Google, facebook va Baidu tomonidan loyihalarga tadbir qilinadi.
Sun'iy neyron tarmog'i - oddiy protsessorlar(sun'iy neyronlar) birlashtirilgan tizimi bo'lib, insonning nerv tizimini imitatsiya qiladi. Bunday struktura evaziga, neyron tarmoqlari dasturlanmaydi, ular o'qitishadi. Huddi haqiqiy neyronlar kabi, protsessorlar signallarni oddiygina qabul qilishadi va boshqa protsessorlarga o'zatishadi. Shu bilan birga, boshqa butun tizim algoritmlar bajara olmaydigan murakkab topshiriqlarni bajaradi.
1943-yilda amerikalik olimlar Uorren Makkalok va Uolter Pittslar sun'iy neyron tarmog'i tushunchasini fanga kiritishgan.
Business intelligence(biznes-analitika) - aniq strukturaga ega bo'lmagan juda katta hajmdagi ma'lumotlarni qayta ishlash natijasida muqobil biznes yechimlar izlashga aytiladi.
Effektiv biznes-analitika ichki va tashqi ma'lumotlarni analiz qiladi - ham bozor axborotlarini, ham mijoz-kompaniyaning hisobotlarini hisobga oladi. Bu biznesni butunlay tushunishga yordam beradi, shu bilan birga, strategik va operatsion qarorlar qabul qilishga zamin yaratadi(mahsulot narxini aniqlashda, kompaniya rivojlanishining asosiy yo'nalishlarini belgilab olishda).
Bu atama 1958-yilda IBM taqdiqotchisi Xans Piter Lun maqolasida birinchi bo'lib ko'rsatilgan. 1996-yilda axborot texnologiyalari bozorini o'rganishga asoslangan Gartner analitik agentligi business intelligence tarkibiga data mining metodikasini ham qo'shgan.
Big Data texnologiyalarini bozorga va zamonaviy hayotga faol joriy etish, dunyoning taniqli kompaniyalari dunyoning deyarli har bir burchagida o'z mijozlariga ega bo'lganlaridan foydalanishni boshlaganidan keyin boshlandi.
Bu Facebook va Google, IBM. Kabi ijtimoiy gigantlar, shuningdek Master Card, VISA va Bank of America singari moliyaviy tuzilmalardir.
Masalan, IBM davom etayotgan kassa operatsiyalariga katta ma'lumotlar usullarini qo'llaydi. Ularning yordami bilan 15 foizga ko'proq soxta bitimlar aniqlandi, bu esa himoyalangan mablag'lar miqdorini 60 foizga oshirish imkonini berdi. Shuningdek, tizimning noto'g'ri signallari bilan bog'liq muammolar hal qilindi - ularning soni yarmidan ko'piga kamaytirildi.
VISA shu kabi yoki boshqa operatsiyani amalga oshirish uchun qilingan firibgarliklarni kuzatib, Big Data-dan foydalangan. Buning yordamida ular har yili 2 milliard dollardan ko'proq mablag'ni tejashga imkon beradi.
Germaniya Mehnat vazirligi ishsizlik bo'yicha nafaqa berish bo'yicha katta ma'lumot tizimini joriy etish orqali xarajatlarni 10 milliard evroga kamaytirishga muvaffaq bo'ldi. Shu bilan birga, fuqarolarning beshdan biri bu imtiyozlarni hech qanday sababsiz olayotganligi aniqlandi.
Big Data o'yin sanoatini qo'ldan boy bermadi. Shunday qilib, World of Tanks-ning ishlab chiquvchilari barcha o'yinchilar haqida ma'lumotni o'rganishdi va ularning faoliyatining mavjud ko'rsatkichlarini solishtirishdi. Bu kelajakda o'yinchilarning ketishini taxmin qilishda yordam berdi - qilingan taxminlarga asoslanib, tashkilot vakillari foydalanuvchilar bilan yanada samarali aloqada bo'lishdi.
Taniqli yirik ma'lumotlar tashkilotlariga HSBC, Nasdaq, Coca-Cola, Starbucks va AT&T kiradi.
Katta ma'lumotlarning eng katta muammosi - uni qayta ishlashning narxi. Bunga qimmatbaho uskunalar va katta miqdordagi ma'lumotlarga xizmat ko'rsatadigan malakali mutaxassislarning ish haqi xarajatlari ham kirishi mumkin. Shubhasiz, uskunalar doimiy ravishda yangilanib turilishi kerak, shunda u ma'lumotlarning ko'payishi bilan minimal ish qobiliyatini yo'qotmaydi.
Ikkinchi muammo yana qayta ishlanishi kerak bo'lgan juda ko'p ma'lumotlar bilan bog'liq. Agar, masalan, tadqiqot 2-3 emas, balki ko'p sonli natijalarni beradigan bo'lsa, ob'ektiv bo'lib qolish va umumiy ma'lumot oqimidan faqat hodisaning holatiga real ta'sir ko'rsatadigan narsalarni tanlash juda qiyin.
Katta ma'lumotlarning maxfiyligi muammosi. Ko'pgina mijozlarning xizmatlari onlayn ma'lumotlardan foydalanishga o'tishlari sababli, kiber jinoyatchilar uchun boshqa maqsadga aylanish juda oson. Hatto biron bir onlayn tranzaksiya qilmasdan shaxsiy ma'lumotlarni oddiy saqlash ham bulutli saqlash mijozlari uchun nomaqbul oqibatlarga olib kelishi mumkin.
Axborotni yo'qotish muammosi. Ehtiyot choralar oddiy bitta ma'lumotni zaxiralash bilan cheklanmaydi, lekin kamida 2-3 ta zaxira nusxasini talab qiladi. Biroq, hajmning o'sishi bilan, zaxira bilan bog'liq qiyinchiliklar kuchaymoqda - va IT-mutaxassislari ushbu muammoning maqbul echimini topishga harakat qilmoqdalar.
- Landshaft kengaytirilishi - ma'lumotlar massivlari juda katta bo'lishi mumkin va bu katta ma'lumotlarni qayta ishlash tizimining dinamik ravishda kengayib borishi kerakligini anglatadi.
- Xatolarga bardoshlik - uskunaning ba'zi elementlari ishdan chiqsa ham, butun tizim ishlashi kerak.
- ma'lumotlarning joylashuvi. Katta taqsimlangan tizimlarda ma'lumotlar odatda juda ko'p sonli mashinalarda tarqatiladi. Ammo, iloji boricha va resurslarni tejash maqsadida ma'lumotlar ko'pincha o'sha serverda saqlanadi.
Uchala tamoyilning barqaror ishlashi va shunga mos ravishda katta ma'lumotlarni saqlash va qayta ishlashning yuqori samaradorligi uchun, masalan, blockchain kabi yangi katta texnologiyalar kerak.
Big Data doirasi doimiy ravishda kengayib bormoqda:
- Katta ma'lumotlardan tibbiyotda foydalanish mumkin. Shunday qilib, bemorga tashxisni nafaqat tibbiy tarix ma'lumotlari asosida, balki boshqa shifokorlar tajribasi, bemorning yashash joyining ekologik holati to'g'risidagi ma'lumotlar va boshqa ko'plab omillarni hisobga olgan holda aniqlash mumkin.
- Katta ma'lumot texnologiyalaridan uchuvchisiz transport vositalarining harakatini tashkil qilish uchun foydalanish mumkin.
- Katta hajmdagi ma'lumotlarni qayta ishlash paytida fotosuratlar va video materiallardagi yuzlarni tanib olish mumkin.
- Big Data texnologiyalaridan chakana sotuvchilar foydalanishlari mumkin - savdo kompaniyalari o'zlarining reklama kampaniyalarini samarali sozlash uchun ijtimoiy tarmoqlardan ma'lumotlar qatoridan faol foydalanishlari mumkin, ular ma'lum bir iste'molchilar segmentiga maksimal darajada yo'naltirilishi mumkin.
- Ushbu texnologiya saylovoldi tashviqotlarini tashkil etishda, shu jumladan jamiyatdagi siyosiy imtiyozlarni tahlil qilishda faol qo'llaniladi.
- Big Data texnologiyalaridan foydalanish daromadlarni kafolatlash (RA) klassi echimlari uchun juda muhimdir, ularda moliyaviy natijalarning pasayishiga olib keladigan ehtimoliy yo'qotishlarni yoki buzilishlarni o'z vaqtida aniqlashga imkon beradigan ma'lumotlarni chuqur tahlil qilish kiradi.
- Telekommunikatsion provayderlar katta ma'lumotlarni, shu jumladan geolokatsiya to'g'risida ham ma'lumot to'plashlari mumkin; o'z navbatida, bu ma'lumot reklama agentliklari uchun maqsadli va mahalliy reklama namoyish qilishda foydalanishi mumkin bo'lgan tijorat qiziqishlari bo'lishi mumkin, shuningdek, chakana sotuvchilar va banklar uchun.
- Katta ma'lumotlar ma'lum bir joyda odamlarning kuchli maqsadli oqimining mavjudligiga asoslanib, savdo nuqtasini ochishda muhim rol o'ynashi mumkin.
Shunday qilib, Big Data texnologiyalarini amaliy qo'llash marketing sohasida yotadi. Internetning rivojlanishi va barcha turdagi aloqa vositalarining tarqalishi tufayli xatti-harakatlar ma'lumotlari (masalan, qo'ng'iroqlar soni, xarid qilish odatlari va xaridlar) real vaqtda mavjud bo'ladi.
Katta ma'lumot texnologiyalaridan moliya, sotsiologik tadqiqotlar va boshqa ko'plab sohalarda samarali foydalanish mumkin. Mutaxassislarning ta'kidlashicha, katta ma'lumotlardan foydalanishning barcha imkoniyatlari bu aysbergning ko'rinadigan qismidir, chunki bu texnologiyalar katta hajmlarda razvedka va kontr-razvedkada, harbiy ishlarda, shuningdek, axborot urushi deb ataladigan barcha narsalarda qo'llaniladi.
Umuman olganda, Big Data bilan ishlashning ketma-ketligi ma'lumotlarni to'plash, hisobotlar va boshqaruv paneli yordamida olingan ma'lumotlarni tuzish, shuningdek harakatlar bo'yicha tavsiyalarni shakllantirishdan iborat.
Marketingda Big Data texnologiyalaridan foydalanish imkoniyatlarini qisqacha ko'rib chiqing. Ma'lumki, marketolog uchun ma'lumot bashorat qilish va strategiyani tuzishning asosiy vositasidir. Ma'lumotlarning katta tahlili uzoq vaqtdan beri maqsadli auditoriya, qiziqish, talab va iste'molchilarning faolligini aniqlash uchun muvaffaqiyatli ishlatilgan. Katta ma'lumotlarni tahlil qilish, xususan, reklama (RTB kim oshdi savdosi modeli asosida - Real vaqt savdosi) faqat mahsulot yoki xizmatga qiziqqan iste'molchilarga namoyish qilish imkonini beradi.
Marketingda Big Data-dan foydalanish ishbilarmonlarga:
- iste'molchilar bilan tanishish, Internetda shunga o'xshash auditoriyani jalb qilish yaxshiroqdir;
- mijozlarning qoniqishini baholash;
- taklif etilayotgan xizmat istiqbol va ehtiyojlarga javob berishini tushunish;
- mijozlar ishonchini oshiradigan yangi usullarni topish va amalga oshirish;
- talabga javob beradigan loyihalarni yaratish va boshqalar.
Masalan, Google.trends xizmati sotuvchiga ma'lum bir mahsulotga mavsumiy talab faolligi, tebranishlar va chertish geografiyasini bashorat qilishi mumkin. Agar siz ushbu ma'lumotni o'z saytingizdagi tegishli plagin tomonidan to'plangan statistika bilan taqqoslasangiz, oylik, mintaqa va boshqa parametrlar bilan reklama byudjetini taqsimlash rejasini tuzishingiz mumkin.
Ko'pgina tadqiqotchilarning fikriga ko'ra, Trump saylov kampaniyasining muvaffaqiyati Big Data-ni segmentatsiyalash va undan foydalanish bilan bog'liq. AQShning bo'lajak prezidentining jamoasi auditoriyani to'g'ri taqsimlay oldi, uning xohish-istaklarini tushundi va saylovchilar ko'rishni va eshitishni istagan xabarni aniq ko'rsatdi. Shunday qilib, Data-Centric Alliance vakili Irina Belyshevaning so'zlariga ko'ra, Trumpning g'alabasi katta ma'lumotlar, psixologik va xulq-atvor tahlillari va shaxsiy reklamalarga asoslangan Internet-marketingga nostandart yondashuv tufayli mumkin bo'ldi.
Trumpning siyosiy strateglari va sotuvchilari maxsus ishlab chiqilgan matematik modeldan foydalandilar, bu bizga AQShning barcha saylovchilarining ma'lumotlarini ularni tizimlashtirish uchun chuqur tahlil qilishga imkon berdi, bu nafaqat geografik belgilar, balki saylovchilarning niyatlari, qiziqishlari, ularning psixotiplari, xulq-atvor xususiyatlari va hokazolarida ham o'ta aniq nishonga olishga imkon berdi. shundan kelib chiqib, sotuvchilar har bir guruh fuqarolarning ehtiyojlari, kayfiyati, siyosiy qarashlari, psixologik xususiyatlari va terining rangi asosida deyarli har bir saylovchi uchun o'z xabarlaridan foydalangan holda shaxsiy aloqa tashkil etishdi.
Xillari Klintonga kelsak, u o'z kampaniyasida u sotsiologik ma'lumotlar va standart marketingga asoslangan "vaqt sinovidan o'tgan" usullarni qo'llagan va elektoratni faqat rasmiy bir hil guruhlarga (erkaklar, ayollar, afroamerikaliklar, Lotin amerikaliklari, kambag'allar, boylar va boshqalar) ajratgan. .
Natijada, yangi texnologiyalar va tahlil usullarining potentsialini qadrlagan kishi g'olib bo'ldi. Shunisi e'tiborga loyiqki, Hillari Klintonning kampaniya xarajatlari raqibidan ikki baravar ko'p bo'lgan:
https://bumotors.ru/uz/chto-takoe-big-data-harakteristiki-klassifikaciya-primery-tehnologiya-big-data-analiz.html
file:///C:/Users/Azizbek/Downloads/primova-m.h.-katta-hajmdagi-malumotlar-bigdatani-qayta-ishlash-vositalarining-qiyosiy-tahlili.pdf
file:///C:/Users/Azizbek/Downloads/2938-Article%20Text-5978-1-10-20220425.pdf
https://www.texnoman.uz/post/big-dataning-asosiy-8-atamasi_.html
https://uz.wikipedia.org/wiki/Katta_hajmli_ma%CA%BClumot
https://fayllar.org/maruza-1-mavzu-big-data-texnologiyalari-big-data.html
https://www.xabar.uz/uz/tahlil/dunyoni-ozgartiruvchi-texnologiya-biz-uchun
https://www.formacionyestudios.com/uz/katta-ma%27lumot-bo%27lish-uchun-nimani-o%27rganish-kerak.html
http://www.hozir.org/maruza-1-mavzu-big-data-texnologiyalari-big-data.html?page=4
http://www.hozir.org/big-data-nima-katta-malumotlar-inglizcha-big-data-b-dete.html
https://kknews.uz/oz/27085.html
https://journalofbigdata.springeropen.com/articles/10.1186/s40537-022-00560-z
https://securitydelta.nl/media/com_hsd/report/126/document/Big-Data-HR.pdf
https://www.hindawi.com/journals/scn/2018/8028960/
https://www.scirp.org/journal/paperinformation.aspx?paperid=80765
https://www.linkedin.com/pulse/evaluating-big-data-security-analytics-solutions-yan-zhai
https://www.researchgate.net/publication/357492936_Analyzing_the_Big_Data_Security_Through_a_Unified_Decision-Making_Approach
https://www.researchgate.net/publication/321364375_Towards_the_Development_of_Best_Data_Security_for_Big_Data
Do'stlaringiz bilan baham: |
