本頁使用了標題或全文手工轉換

巨量資料

維基百科,自由的百科全書
前往: 導覽搜尋

巨 data}}[1][2][3]),又稱為大數據,指的是傳統數據處理應用軟件不足以處理它們的大或複雜的數據集的術語[4][5]。在總資料量相同的情況下,與個別分析獨立的小型資料集(Data set)相比,將各個小型資料集合併後進行分析可得出許多額外的資訊和資料關聯性,可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況等;這樣的用途正是大型資料集盛行的原因[6][7][8]

概述[編輯]

截至2012年 (2012-Missing required parameter 1=month!),技術上可在合理時間內分析處理的資料集大小單位為艾位元組(exabytes)[9]。在許多領域,由於資料集過度龐大,科學家經常在分析處理上遭遇限制和阻礙;這些領域包括氣象學基因組學[10]神經網路體學、複雜的物理模擬[11],以及生物和環境研究[12]。這樣的限制也對網絡搜索金融經濟資訊學造成影響。資料集大小增長的部分原因來自於資訊持續從各種來源被廣泛收集,這些來源包括搭載感測設備的行動裝置、高空感測科技(遙感)、軟體記錄、相機、麥克風、無線射頻辨識(RFID)和無線感測網路。自1980年代起,現代科技可儲存資料的容量每40個月即增加一倍[13];截至2012年 (2012-Missing required parameter 1=month!),全世界每天產生2.5艾位元組(2.5×1018字節)的資料[14]

巨量資料幾乎無法使用大多數的資料庫管理系統處理,而必須使用「在數十、數百甚至數千台伺服器上同時平行運行的軟體」(計算機集群是其中一種常用方式)[15]。巨量資料的定義取決於持有資料組的機構之能力,以及其平常用來處理分析資料的軟體之能力。「對某些組織來說,第一次面對數百GB的資料集可能讓他們需要重新思考資料管理的選項。對於其他組織來說,資料集可能需要達到數十或數百TB才會對他們造成困擾。」[16]

隨着大數據被越來越多的提及,有些人驚呼大數據時代已經到來了,2012年《紐約時報》的一篇專欄中寫到,「大數據」時代已經降臨,在商業、經濟及其他領域中,決策將日益基於數據和分析而作出,而並非基於經驗和直覺。但是並不是所有人都對大數據感興趣,有些人甚至認為這是商學院或諮詢公司用來譁眾取寵的buzzword,看起來很新穎,但只是把傳統重新包裝,之前在學術研究或者政策決策中也有海量數據的支撐,大數據並不是一件新興事物。

大數據時代的來臨帶來無數的機遇,但是與此同時個人或機構的隱私權也極有可能受到衝擊,大數據包含各種個人信息數據,現有的隱私保護法律或政策無力解決這些新出現的問題。有人提出,大數據時代,個人是否擁有「被遺忘權」,被遺忘權即是否有權利要求數據商不保留自己的某些信息,大數據時代信息為某些互聯網巨頭所控制,但是數據商收集任何數據未必都獲得用戶的許可,其對數據的控制權不具有合法性。2014年5月13日歐盟法院就「被遺忘權」(right to be forgotten)一案作出裁定,判決谷歌應根據用戶請求刪除不完整的、無關緊要的、不相關的數據以保證數據不出現在搜索結果中。這說明在大數據時代,加強對用戶個人權利的尊重才是時勢所趨的潮流。

IBM對維基百科的編輯紀錄資料進行視覺化的呈現。維基百科上總計數兆位元組的文字和圖片正是大資料的例子之一
全球資訊儲存容量成長圖

定義[編輯]

巨量資料由巨型數據集英語Data set組成,這些數據集大小常超出人類在可接受時間下的收集英語data acquisition庋用英語data curation、管理和處理能力[17]。巨量資料的大小經常改變,截至2012年 (2012-Missing required parameter 1=month!),單一資料集的大小從數太字節(TB)至數十兆億位元組(PB)不等。

在一份2001年的研究與相關的演講中[18]麥塔集團(META Group,現為高德納)分析員道格·萊尼(Doug Laney)指出數據增長的挑戰和機遇有三個方向:量(Volume,數據大小)、速(Velocity,資料輸入輸出的速度)與多變(Variety,多樣性),合稱「3V」或「3Vs」。高德納與現在大部份巨量資料產業中的公司,都繼續使用3V來描述大數據[19]。高德納於2012年修改對大數據的定義:「巨量資料是大量、高速、及/或多變的資訊資產,它需要新型的處理方式去促成更強的決策能力、洞察力與最佳化處理[原文 1][20]。」另外,有機構在3V之外定義第4個V:真實性(Veracity)為第四特點[21]

巨量資料必須藉由計算機對資料進行統計、比對、解析方能得出客觀結果。美國在2012年就開始著手大數據,歐巴馬更在同年投入2億美金在大數據的開發中,更強調巨量資料會是之後的未來石油。

資料探勘(data mining)則是在探討用以解析巨量資料的方法。

應用範例[編輯]

巨量資料的應用範例包括大科學RFID、感測設備網路、天文學、大氣學、交通運輸、基因組學、生物學、大社會資料分析[22]、網際網路文件處理、製作網際網路搜尋引擎索引、通信記錄明細、軍事偵查、金融大數據,醫療大數據,社群網路、通勤時間預測、醫療記錄、照片圖像和影像封存、大規模的電子商務等[23]

應用於運動界

巨大科學[編輯]

大型強子對撞機中有1億5000萬個感測器,每秒傳送4000萬次的資料。實驗中每秒產生將近6億次的對撞,在過濾去除99.999%的撞擊資料後,得到約100次的有用撞擊資料[24][25][26]

將撞擊結果資料過濾處理後僅記錄0.001%的有用資料,全部四個對撞機的資料量複製前每年產生25拍位元組(PB),複製後為200拍位元組。

如果將所有實驗中的資料在不過濾的情況下全部記錄,資料量將會變得過度龐大且極難處理。每年資料量在複製前將會達到1.5億拍位元組,等於每天有近500艾位元組(EB)的資料量。這個數字代表每天實驗將產生相當於500(5×1020)位元組的資料,是全世界所有資料來源總和的200倍。

科學研究[編輯]

衛生學[編輯]

國際衛生學教授漢斯·羅斯林使用「Trendalyzer」工具軟體呈現兩百多年以來全球人類的人口統計資料,跟其他數據交叉比對,例如收入、宗教、能源使用量等。

公共部門[編輯]

目前,發達國家的政府部門開始推廣大數據的應用。2012年奧巴馬政府投資近兩億美元開始推行《大數據的研究與發展計劃》,本計劃涉及美國國防部、美國衛生與公共服務部門等多個聯邦部門和機構,意在通過提高從大型複雜的的數據中提取知識的能力,進而加快科學和工程的開發,保障國家安全。

信息審查[編輯]

中國政府計劃建立全面的個人信用評分體系,其包含不少對個人行為的評定,有關指標會影響到個人貸款工作簽證等生活活動。高科技公司在被政治介入和指揮下為其目的服務,個人大部分行為和社交關係受掌控,幾乎無人可免於監控[27]

民間部門[編輯]

  • 亞馬遜公司,在2005年的時點,這間公司是世界上最大的以LINUX為基礎的三大資料庫之一[28]
  • 沃爾瑪可以在1小時內處理百萬以上顧客的消費處理。相當於美國議會圖書館所藏的書籍之167倍的情報量[6]
  • Facebook,處理500億枚的使用者相片[29]
  • 全世界商業資料的數量,統計全部的企業全體、推計每1.2年會倍増[30]
  • 西雅圖文德米爾不動產英語Windermere Real Estate分析約1億匿名GPS信號,提供購入新房子的客戶從該地點使用交通工具(汽車、腳踏車等)至公司等地的通勤時間估計值[31]
  • 軟銀,每個月約處理10億件(2014年3月現在)的手機LOG情報,並用其改善手機訊號的訊號強度[32]
  • 大企業對大數據技能需求量大,吸引了許多大學諸如伯克利大學開專門提供受過大數據訓練的畢業者的大學部門。硅谷紐約為主《The Data Incubator》公司,2012年成立,焦點是數據科學與大數據企業培訓,提供國際大數據培訓服務。

社會學[編輯]

大資料產生的背景離不開Facebook等社交網絡的興起,人們每天通過這種自媒體傳播信息或者溝通交流,由此產生的信息被網絡記錄下來,社會學家可以在這些數據的基礎上分析人類的行為模式、交往方式等。美國的涂爾幹計劃就是依據個人在社交網絡上的數據分析其自殺傾向,該計劃從美軍退役士兵中揀選受試者,透過Facebook的行動app收集資料,並將用戶的活動數據傳送到一個醫療資料庫。收集完成的數據會接受人工智能系統分析,接著利用預測程式來即時監視受測者是否出現一般認為具傷害性的行為。

市場[編輯]

巨量資料的出現提升了對資訊管理專家的需求,Software AG甲骨文IBM微軟SAP易安信惠普戴爾已在多間資料管理分析專門公司上花費超過150億美元。在2010年,資料管理分析產業市值超過1,000億美元,並以每年將近10%的速度成長,是整個軟體產業成長速度的兩倍[6]

經濟的開發成長促進了密集資料科技的使用。全世界共有約46億的行動電話用戶,並有10至20億人連結網際網路[6]。自1990年起至2005年間,全世界有超過10億人進入中產階級,收入的增加造成了識字率的提升,更進而帶動資訊量的成長。全世界透過電信網路交換資訊的容量在1986年為281兆億位元組(PB),1993年為471兆億位元組,2000年時增長為2.2艾位元組(EB),在2007年則為65艾位元組[13]。根據預測,在2013年網際網路每年的資訊流量將會達到667艾位元組[6]

相關條目[編輯]

注釋[編輯]

  1. ^ 原文:Big data are high volume, high velocity, and/or high variety information assets that require new forms of processing to enable enhanced decision making, insight discovery and process optimization.

參考文獻[編輯]

  1. ^ White, Tom. Hadoop: The Definitive Guide. O'Reilly Media. 2012-05-10: 3. ISBN 978-1-4493-3877-0. 
  2. ^ MIKE2.0, Big Data Definition. 
  3. ^ 巨量資料與進階分析解決方案.  已忽略文本「 Microsoft Azure 」 (幫助)
  4. ^ Kusnetzky, Dan. What is "Big Data?". ZDNet. (原始內容存檔於2010-02-21). 
  5. ^ Vance, Ashley. Start-Up Goes After Big Data With Hadoop Helper. New York Times Blog. 2010-04-22. 
  6. ^ 6.0 6.1 6.2 6.3 6.4 Data, data everywhere. The Economist. 2010-02-25 [2012-12-09]. 
  7. ^ E-Discovery Special Report: The Rising Tide of Nonlinear Review. Hudson Global. [1 July 2012]. (原始內容存檔於3 七月 2012).  by Cat Casey and Alejandra Perez
  8. ^ What Technology-Assisted Electronic Discovery Teaches Us About The Role Of Humans In Technology — Re-Humanizing Technology-Assisted Review. Forbes. [1 July 2012]. (原始內容存檔於18 六月 2012). 
  9. ^ Francis, Matthew. Future telescope array drives development of exabyte processing. 2012-04-02 [2012-10-24]. 
  10. ^ Community cleverness required. Nature. 4 September 2008, 455 (7209): 1. doi:10.1038/455001a. 
  11. ^ Sandia sees data management challenges spiral. HPC Projects. 2009-08-04. (原始內容存檔於2011-05-11). 
  12. ^ Reichman, O.J.; Jones, M.B.; Schildhauer, M.P. Challenges and Opportunities of Open Data in Ecology. Science. 2011, 331 (6018): 703–5. doi:10.1126/science.1197962. 
  13. ^ 13.0 13.1 Hilbert & López 2011
  14. ^ IBM What is big data? — Bringing big data to the enterprise. www.ibm.com. [2013-08-26]. 
  15. ^ Jacobs, A. The Pathologies of Big Data. ACMQueue. 6 July 2009. 
  16. ^ Magoulas, Roger; Lorica, Ben. Introduction to Big Data. Release 2.0 (Sebastopol CA: O'Reilly Media). 2009-02, (11). 
  17. ^ Snijders, C., Matzat, U., & Reips, U.-D. (2012). ‘Big Data’: Big gaps of knowledge in the field of Internet science. International Journal of Internet Science, 7, 1-5. http://www.ijis.net/ijis7_1/ijis7_1_editorial.html
  18. ^ Douglas, Laney. 3D Data Management: Controlling Data Volume, Velocity and Variety (PDF). Gartner. [2001-02-06]. 
  19. ^ Beyer, Mark. Gartner Says Solving 'Big Data' Challenge Involves More Than Just Managing Volumes of Data. Gartner. [2011-07-13]. (原始內容存檔於2011-07-10). 
  20. ^ Douglas, Laney. The Importance of 'Big Data': A Definition. Gartner. [21 June 2012]. 
  21. ^ What is Big Data?. Villanova University. 
  22. ^ Erik Cambria; Dheeraj Rajagopal, Daniel Olsher, and Dipankar Das. 13. Big social data analysis. Taylor & Francis. 2013. 
  23. ^ Hogan, M. What is Big Data. 3 March 2013 [2013-06-20]. 
  24. ^ LHC Brochure, English version. A presentation of the largest and the most powerful particle accelerator in the world, the Large Hadron Collider (LHC), which started up in 2008. Its role, characteristics, technologies, etc. are explained for the general public.. CERN-Brochure-2010-006-Eng. LHC Brochure, English version. CERN. [20 January 2013]. 
  25. ^ LHC Guide, English version. A collection of facts and figures about the Large Hadron Collider (LHC) in the form of questions and answers.. CERN-Brochure-2008-001-Eng. LHC Guide, English version. CERN. [20 January 2013]. 
  26. ^ Brumfiel, Geoff. High-energy physics: Down the petabyte highway. Nature 469. 19 January 2011: 282–83. doi:10.1038/469282a. 
  27. ^ 陳迎竹. 慎防大數據助長獨裁. 2017-10-15. 
  28. ^ Layton, Julia. Amazon Technology. Money.howstuffworks.com. [2013-03-05]. 
  29. ^ Scaling Facebook to 500 Million Users and Beyond. Facebook.com. [2013-07-21]. 
  30. ^ eBay Study: How to Build Trust and Improve the Shopping Experience. Knowwpcarey.com. 2012-05-08 [2013-03-05]. (原始內容存檔於2012-06-19). 
  31. ^ Wingfield, Nick. Predicting Commutes More Accurately for Would-Be Home Buyers - NYTimes.com. Bits.blogs.nytimes.com. 2013-03-12 [2013-07-21]. 
  32. ^ 柴山和久. ビッグデータを利益に変える方法. 幻冬舎. 2014. ISBN 978-4344952393 (日語). 

延伸閱讀[編輯]

外部連結[編輯]