خانهاخبار
بیگ دیتا چیست؟

بیگ دیتا چیست؟

بشر با گذر از تاریخ به این نتیجه رسیده است که با پیش‌بینی نیازهای آینده می‌تواند کنترل بهتری بر اوضاع داشته باشد و سطح کیفی زندگیش را بالا ببرد و در عصر حاضر از تکنولوژی برای انجام هر چه دقیق‌تر این امر بهره می‌برد، یکی از رویکردهای مدرن برای تحقق این هدف بیگ دیتاست که در این مطلب به شرح آن می‌پردازیم.
۱۳۹۷/۵/۲۱
image

بیگ دیتا همانطور که از ترجمه تحت الفظی آن پیداست به معنای حجم وسیعی از داده‌های مختلف است که به منظور کشف الگوهای معنادار ذخیره می‌شوند. برای درک بهتر موضوع بهتر است از یک مثال ساده کمک بگیریم: یک فروشگاه زنجیره‌ای را در نظر بگیرید که روزانه صدها مشتری دارد و اطلاعات مربوط به تاریخ مراجعه و اقلام خریداری شده توسط هر مشتری را ذخیره می‌کند. پس از گذشت چند سال حجم این داده‌‌های ذخیره شده به حد چشمگیری افزایش می‌یابد و با بررسی آنها می‌توان به نتایج ارزشمندی دست پیدا کرد که منجر به مدیریت بهتر فروشگاه، افزایش فروش و کاهش هزینه‌‌ها می‌شود. بعنوان مثال می‌توان دریافت که بیشترین و کمترین مراجعه به فروشگاه مربوط به چه روزهاییست و هر یک از اقلام موجود در فروشگاه در چه روزهایی بیشترین تقاضا را داشته‌‌اند و از این اطلاعات برای کنترل موجودی انبار در آینده بهره برد.

حتی می‌توان مشتریان را بر اساس الگوی خریدشان به گروه‌های مختلفی تقسیم کرد مثلا کسانی که هر ماه در لیست خرید خود اقلام مربوط به کودکان( مثل شیرخشک و پوشک و ... ) را داشته‌اند در قالب یک گروه دسته بندی کرد و پس از این پیام‌های تبلیغاتی مربوط به کالای کودک به جای ارسال به تمام مشتری‌ها، به صورت هدفمند فقط برای این دسته ارسال شود.

البته کاربرد بیگ دیتا محدود به موارد ذکر شده نیست و می‌تواند پاسخگوی نیازهای پیچیده‌تری نیز باشد مثل تنظیم قیمت صحیح محصول در جهت فروش بیشتر، طراحی محل قرارگیری محصولات در فروشگاه با توجه به اطلاعات آماری حرکت خریداران، کشف راه کارهای ترغیب مشتری در خرید مجدد از فروشگاه و مدیریت زنجیره عرضه.

در واقع این فروشگاه با استفاده از بیگ دیتا و تحلیل آن می‌تواند رفتار و نیاز مشتری در گذشته را بررسی کند، به الگوی مصرفش پی ببرد و در نتیجه نیاز آینده او را پیش‌بینی کند و به بهترین شکل آماده پاسخگویی به آن شود.

نکته قابل توجه این است که مجموعه داده‌های مذکور حجم بسیارعظیمی دارند؛ منظور حجمی در حد ترابایت و زتابایت است ( هر زتابایت  معادل 909،494،701 ترابایت است). علاوه بر این از منابع گوناگونی جمع آوری شده‌اند و تنوع بالایی نیز دارند بطوریکه داده‌‌های ساختاریافته، نیمه ساختار یافته و فاقد ساختار را در خود جای می‌دهند.

سوالی که در این میان ممکن است مطرح شود این است که این حجم عظیم داده کجا تولید می‌شود؟ در جواب باید گفت در هر محیطی که داده‌ای رد و بدل می‌شود از جمله وب‌سایت‌ها، رسانه‌های اجتماعی، شبکه‌ها، لاگ‌فایل‌ها، فایل‌های ویدیویی، حسگرها و البته تلفن‌های همراه که نقش مهمی در تامین داده‌ها دارند زیرا بسیاری از ما بطور 24 ساعته و در تمام طول هفته در حال استفاده از تلفن‌های همراهمان هستیم و به لطف سنسورها متعددشان از جمله جی‌پی‌اس، دوربین، میکروفون و سنسور حرکتی در هربار استفاده حجم قابل توجهی داده تولید می‌شود. علاوه بر این، ما بیشتر از اینکه برای برقراری ارتباطات صوتی از گوشیهایمان استفاده کنیم برای فعالیت‌هایی از قبیل ارسال و دریافت ایمیل، بازی، مرور وب و فعالیت در رسانه‌های اجتماعی از آنها بهره می‌بریم بطوریکه طبق آمار منتشر شده 90 درصد استفاده ما از تلفن همراه به اپلیکیشن‌های نصب شده روی آن اختصاص دارد.

داده کاوی

پیش از پرداختن به بحث داده‌ کاوی نیاز است که تفاوت بین داده (Data) و اطلاعات (Information) را روشن کنیم. داده‌ها در واقع ورودی‌های خام و دست‌نخورده‌ای هستند که بدون هیچ ترتیب و طبقه‌بندی معناداری جمع‌آوری شده‌اند و در نتیجه مفهوم خاصی را منتقل نمی‌کنند اما، در صورتی که روی آنها پردازش خاصی انجام دهیم تبدیل به اطلاعات می‌شوند که انتقال دهنده معنا و مفهومی هستند. به عنوان مثال نمرات دانش‌آموزان یک کلاس که بدون ترتیب خاصی در یک فایل ذخیر شده‌اند، داده هستند اما زمانی که آنها را به صورت صعودی مرتب می‌کنیم یا میانگین آنها را محاسبه می‌کنیم این داده‌ها به اطلاعات تبدیل می‌شوند. در مثالی که ابتدای این مطلب ذکر شد آمار و ارقام مربوط به خرید مشتریان که در طول چند سال ثبت شده بود، داده هستند و زمانی که از آنها برای دسته‌بندی مشتریان بهره ببریم به اطلاعات تبدیل می‌شوند.

image

در نتیجه داده‌‌ها هرچقدر هم که متنوع و حجیم باشند به خودی خود ارزش چندانی ندارند و چیزی که آنها ارزشمند می‌سازد تجزیه و تحلیلست که روی آنها صورت می‌گیرد و این بخش بعدی در فرآیند بیگ دیتاست. هدف از این تجزیه و تحلیل، که با عنوان داده کاوی از آن یاد می‌شود، کشف الگوها و ناهنجاری‌هاییست که در دل مجموعه داده‌های جمع آوری شده قرار دارند. این الگوها سپس اطلاعاتی را ایجاد می‌کنند که برای مقاصد مختلف مورد استفاده قرار می‌گیرند مثل بهبود کمپین‌های بازاریابی، افزایش فروش یا کاهش هزینه‌ها. بیگ دیتا و رویکرد ‌داده‌کاوی چنان قدرتی دارند که می‌توانند صنایع را بطور کلی دگرگون کنند، چنانچه در حال حاضر هم در بسیاری از حوزه‌ها تغییرات شگرفی به وجود آورده‌اند.

به عنوان مثال، Trainline یکی از پیشگامان خرده فروشی صنعت ریلی است که بلیط سفرهای داخلی و بین المللی را در 173 کشور به فروش می‌رساند و روزانه برای تقریبا 127000 مشتری امکان سفر را فراهم می‌کند. این شرکت برای بهبود شرایط کسب و کارش بر افزایش رضایت مشتریانش تمرکز کرد و برای تحقق بخشیدن به آن تصمیم به استفاده از بیگ دیتا گرفت تا خدماتی نوآورانه به اپلیکشنش اضافه کند.

و نتیجه اینکه در حال حاضر مشتریان از طریق این اپلیکیشن اعلان‌های پیشرفته‌ای را دریافت می‌کنند که نه تنها مربوط به اعلام تاخیر قطارهاست،  بلکه شامل اعلان‌‌های پیشرفته‌ای نیز هست که مختص هر یک از مسافران و با توجه به نیازهایشان ارسال می‌شود، خدمتی  که در صنعت ریلی بریتانیا بی‌سابقه است. همچنین با استفاده از این رویکرد شرکت قادر به پیش بینی زمان افزایش قیمت بلیط های پیش‌فروش شده است و به مشتریان این فرصت را می‌دهد تا بلیط‌ها را با حداقل قیمت خریداری کنند.

بیگ دیتا برای رستوران‌ها و به ویژه صنعت فست فود نیز پیشرفت چشمگیری را به ارمغان آورده است . مک دونالد که از نظر درآمد در صدر لیست رستوران‌های زنجیره ‌ای جهان قرار دارد، روزانه به بیش از 69 میلیون مشتری در 36،900 نقطه مختلف دنیا خدمات ارائه می‌دهد.

با توجه به حجم و تنوع بسیار زیاد داده‌هایی که طی این فرایند تولید می‌شوند، مک دونالد سیاستی داده محور را در پیش گرفته است تا به این ترتیب درک خود از نیاز هرمشتری را افزایش دهد و در نتیجه سطح کیفی خدماتش را بهبود بخشد.

به عنوان مثال مک دونالد این امکان را برای مشتریان خود فراهم کرده است که بدون ترک ماشینشان غذای خود را سفارش دهند و تحویل بگیرند و حال تصمیم دارد با کمک بیگ دیتا این سرویس را ارتقا دهد به عنوان مثال با جمع آوردی داده‌های مربوط به زمان مراجعه افرادی که از این سرویس استفاده می‌کنند و همچنین اندازه ماشین آنها و سپس تحلیل این داده‌ها می‌تواند مراجعه بعدی آنها را پیش‌بینی کند و در نتیجه بهترین خدمت رسانی را انجام دهد؛ بخصوص زمانی که مراجعه به رستوران زیاد است و ممکن است در صف فضای کافی برای ماشین‌‌های بزرگ موجود نباشد.

یکی دیگر از نوآوری‌های بیگ دیتا در این زمینه، منوهای دیجیتالی هستند که آیتم هایشان براساس تجزیه و تحلیل بلاردنگ داده‌ها نمایش داده می‌شود. این آیتم‌ها براساس داده‌هایی مثل دمای هوای بیرون و ساعات شبانه روز تغییر می‌کنند، به عنوان مثال هنگامی که هوای بیرون گرم است نوشیدنی های سرد  و در روزهای سرد غذا و نوشیدنی‌های گرم را پیشنهاد می‌دهد. جالب است بدانید که این رویکرد افزایش فروش 3 تا 3.5 درصدی را برای شعبه‌های کانادا در پی داشته است.

بهداشت و سلامت

رویکرد بیگ دیتا خدمات درمانی و بهداشتی را نیز متحول کرده است. یک مثال واضح از این دگرگونی تبدیل بایگانی‌های مملو از پرونده‌های کاغذی بیماران به سیستم  EHR (Electronic Health Records) است، که اطلاعات بیماران را به صورت منظم در پایگاه داده کامپیوتری ذخیره می‌کند و به این ترتیب زمینه را برای داده‌کاوی مهیا می‌کند.

البته مزایای بیگ دیتا در مراقبت‌های بهداشتی محدود به داده کاوی EHR نیست. یکی از چالش‌های بزرگی که بیمارستان‌ها و مراکز درمانی با آن روبرو هستند در اختیار داشتن نیروی انسانی کافی است بخصوص در روزهایی که حجم مراجعات به حداکثر خود می‌رسد.
گروهی متشکل از چهار بیمارستان در پاریس برای حل این مشکل تصمیم به استفاده از بیگ دیتا گرفتند و از داده‌هایی که طی مدت ده سال در بخش بستری این بیمارستان ثبت شده بود استفاده کردند؛ این داده‌ها شامل تعداد بیماران پذیرش شده در روز و ساعت پذیرش افراد بود و سپس با داده‌های مربوط به وضعیت آب و هوا، الگوهای شیوع آنفلوانزا و تعطیلات عمومی ترکیب شد.

در مرحله بعد با استفاده از یادگیری ماشینی، به الگوریتم‌هایی دست پیدا کردند که قادر به پیش بینی تعداد بیمارانی بود که درروزهای مختلف پذیرش می‌شوند و حتی می‌توانست ساعت مراجعه را نیز تخمین بزند و نتیجه این فرایند این شد که در حال حاضر مسئولین این بیمارستان‌ها قادر به پیش بینی نرخ پذیرش بیمار در 15 روز آینده هستند و به این ترتیب می‌توانند نیروی انسانی خود را طوری مدیریت کنند که در روزهایی که مراجعه به بیمارستان زیاد است با کمبود نیرو مواجه نشوند.
 

با توجه به حجم داده‌ها و به طور خاص داده‌های تلفن همراه که این روزها با سرعت سرسام‌آوری تولید می‌شوند، بهره‌گیری از رویکرد بیگ دیتا برای تبدیل این داده‌های خام به اطلاعات کاربردی ضروری به نظر می‌رسد. در مثالهایی که در بالا ذکر شد، هرچند چالش‌های پیش رو به لطف این فرآیند حل شد، در صورتی که داده‌های بیشتری جمع آوری شود بواسطه تجزیه و تحلیل سریعتر و بهتر این مجموعه داده‌های متنوع، فرصت بیشتری برای افزایش کیفیت و کارایی در این صنایع فراهم می‌شود.

اخبار مشابه

برای ثبت نظر خود وارد حساب کاربری شوید.

دیدگاه‌ها (3 نظر)

موسوی

۱۳۹۷/۹/۱۴
مطلب فوق العاده ای بود
امیدوارم از این مطالب کاربردی و خوب بیشتر ارائه بشه در سایت
لذت بردم موفق باشید

حسن

۱۳۹۷/۷/۱۱
ممنون،عالی توضیح دادین

محمد

۱۳۹۷/۵/۲۱
درود بر شما
آفرین
از این دست موردا بیشتر مطلب بزارید تا یاد بگیریم
و جایگاه کاری آن را در ایران هم یه بررسی کوچک بکنید
خسته نباشید