Dom Audio Big data, nauki społeczne i jak zamienić negatywne wyniki na pozytywne

Big data, nauki społeczne i jak zamienić negatywne wyniki na pozytywne

Spisu treści:

Anonim

Ilość danych szybko rośnie z powodu korzystania z urządzeń mobilnych, mediów społecznościowych i danych z innych nieustrukturyzowanych źródeł. Technologie Big Data, takie jak Hadoop, zajmują miejsce kierowcy w świecie biznesu, wprowadzając nowe podejścia do analizy większych ilości danych z różnych źródeł.


Duże dane są definiowane jako ilość, różnorodność i szybkość danych, które przekraczają zdolność organizacji do zarządzania nimi i analizowania ich w odpowiednim czasie. Prawdziwą zaletą dużych zbiorów danych jest fakt, że można je gromadzić w celu podejmowania szybkich decyzji opartych na faktach, które mogą prowadzić do podejmowania dużych decyzji biznesowych. Tak więc organizacje, które są w stanie eksplorować i wykorzystywać duże zbiory danych, mają zwykle wyraźną przewagę. W tym artykule przyjrzymy się, co mogą zrobić duże zbiory danych, jak można je zastosować w jednej dziedzinie bogatej w dane oraz jakie szersze zastosowania ma to dla innych obszarów biznesu i administracji.

Eksplozja danych

Najlepszym sposobem zdefiniowania dużych zbiorów danych jest „stale rosnąca ilość i złożoność informacji, które każdy z nas tworzy i konsumuje każdego dnia”, mówi Charlie Schick, dyrektor ds. Rozwiązań Big Data dla służby zdrowia i nauk przyrodniczych w IBM. W rzeczywistości każdego dnia tworzymy około 2, 5 kwartyliona bajtów danych, korzystając z różnych źródeł, od różnych rejestrów transakcji zakupu po zdjęcia medyczne w służbie zdrowia, od wyników badań naukowych po komunikaty w mediach społecznościowych.


Wyszukiwarki wraz z mediami społecznościowymi, takimi jak Twitter, stworzyły nowy przykład małych fragmentów danych gromadzonych na dużą skalę. To także zmieniło nasz sposób myślenia o gromadzeniu i zarządzaniu tymi danymi. Obecna kultura polega na konsumowaniu większych ilości tych małych danych w krótkim okresie czasu. Takie podejście stwarza ogromne wyzwania, a także ekscytujące możliwości zarządzania danymi. Aby model biznesowy odniósł sukces, powinien być w stanie przetwarzać większe ilości danych, przechwytywanych na małe i coraz bardziej zróżnicowane sposoby.


Biorąc pod uwagę ilość danych, znalezienie skutecznego mechanizmu ich gromadzenia staje się wyzwaniem. Rozważmy przypadek danych dotyczących opieki zdrowotnej i mediów społecznościowych. Oba te obszary mają duże zestawy danych. Zbieranie danych dla tych pól jest ważnym krokiem w ewolucji dużych zbiorów danych. Bez odpowiedniego mechanizmu gromadzenia danych nie możemy uzyskać dokładnych wyników.

Eksploracja i przetwarzanie dużych zbiorów danych

W przyszłości uważa się, że organizacje, które mogą eksplorować i wykorzystywać duże zbiory danych, powinny być w stanie szybko podejmować więcej decyzji opartych na dowodach. Korzystając z dużych zbiorów danych, możemy z łatwością udzielić odpowiedzi na niektóre istotne pytania z niemal dowolnego obszaru. Tutaj jednak przyjrzymy się sektorowi usług społecznych, obszarowi, w którym duże zbiory danych mają ogromny wpływ.


Na przykład duże zbiory danych powinny być w stanie analizować i odpowiadać na następujące pytania i ostatecznie zapewniać lepszy wynik dla pacjenta:

  • Jaka jest korelacja między ponownym przyjęciem a dostępem do usług socjalnych?
  • Czy istnieje związek między długością pobytu a skutecznością interwencji?
  • Jaki jest związek między adresem domowym a częstotliwością odwiedzin?
  • Czy można znaleźć związek między statusem rodzinnym, interwencjami i wynikami, który może pomóc nam zidentyfikować podobnych kandydatów do interwencji, którzy wchodzą do systemu opieki?
  • Czy jest jakiś wgląd w część populacji, która prowadzi nas do ulepszania naszych programów, aby reagować na negatywne trendy, takie jak ciąża nastolatków lub przemoc domowa, lub wyjść naprzeciw niej?
Faktem jest, że korzystanie z dużych zbiorów danych w sektorze usług socjalnych mogłoby pozwolić pracownikom społecznym na obserwowanie negatywnych trendów i podjęcie niezbędnych działań na czas. Jeśli jesteśmy w stanie zidentyfikować potrzeby, nawet zanim klient się o nich dowie, możemy poradzić sobie z sytuacją w znacznie bardziej wydajny sposób. Porzucenie szkoły w sektorze młodzieżowym można uznać za potencjalny przykład. Jeśli sprawdzimy trendy, w odniesieniu do których młodzież wycofuje się ze szkoły lub wykażą działania, które zwykle prowadzą do bardziej ryzykownych zachowań lub gorszych wyników edukacyjnych - gdy dane wyraźnie wskazują na większy potencjał - wówczas możliwe jest podjęcie działań zapobiegawczych, które mogą nie kosztować więcej, ale są bardziej skuteczne i mogą zostać skierowane do klienta.


Duże zbiory danych pozwalają poradzić sobie z tymi sytuacjami i odkryć przyczynę problemów. Pomaga nam to wyeliminować problem po zidentyfikowaniu. Problem możemy odkryć tylko na podstawie trendów i danych historycznych. W mediach społecznościowych podczas analizy danych musimy mieć mechanizm analizy trendów. Im większy zestaw analizowanych danych, tym lepsze, dokładniejsze wyniki możemy osiągnąć. Big data zapewnia nie tylko sposoby obsługi dużych ilości danych, ale także zapewnia innowacyjne rozwiązania do przetwarzania szerszego zakresu danych. Big data ma zdolność obsługi uporządkowanych, nieustrukturyzowanych i częściowo ustrukturyzowanych zestawów danych. (Dowiedz się więcej w 5 rzeczywistych problemach, które Big Data może rozwiązać.)

Analiza Big Data w naukach społecznych

Analiza danych społecznościowych to nic innego jak analiza danych społecznościowych. Te dane mogą pochodzić z dowolnego pola. Jak wspomniano powyżej, musimy znaleźć dokładny powód negatywnych wyników - takich jak porzucanie szkoły średniej - w pewnym sektorze. Po zidentyfikowaniu problemu łatwiej jest poradzić sobie z sytuacją. Big data to narzędzie, które umożliwia znalezienie tych informacji.

Big data, nauki społeczne i jak zamienić negatywne wyniki na pozytywne