big data

دنیایی که در آن داده‌ها حرف اول و آخر را می‌زنند
20 اسفند 1396
سال‌های متمادی است که رهبران کسب ‌و کار و همچنین سازمان‌های فعال در حوزه فناوری اطلاعات از عبارت «داده‌‌ها طلای نوظهور هستند» استفاده می‌کنند. این عبارت را با مترادف‌های مختلفی همچون «دیگر نفت یک منبع ارزشمند نیست و این داده‌ها هستند که جای این منبع طبیعی را اشغال کرده‌اند» بسیار شنیده‌ایم. اما سؤالی که هنوز به‌درستی پاسخ داده نشده است این است که به‌راستی داده‌ها تا چه اندازه بااهمیت هستند؟ آیا داده‌ها به‌معنای واقعی کلمه طلای نوین هستند و اگر این چنین است، چرا داشتن داده‌های بسیار زیاد در بعضی موارد دردسرآفرین و مشکل‌ساز است؟
2016 را می‎توان سالی پررونق در عرصه داده‎های حجیم دانست، زیرا سازمان‎های بیشتری به ذخیره، پردازش و استخراج همه نوع فرمت و اندازه‎ای از داده پرداختند. در سال 2017 نیز سیستم‎هایی که از داده‎ها در مقیاس بزرگ در هر دو شکل ساخت‌یافته و بدون ساختار پشتیبانی می‎کنند، در حال اضافه شدن هستند. این بازار به سکوهایی نیاز خواهد داشت که از داده‎ها نگهداری کند و آن‌ها را در زمان استفاده کاربر نهایی برای تجزیه و تحلیل امن باقی نگه دارد. این سیستم‎ها به‌خوبی در داخل سیستم‎های فناوری اطلاعات و استانداردهای سازمانی کار می‎کنند. اما برای آنکه با کم و کیف این تغییرات در سال جاری بیشتر آشنا شوید، 10 روند برتر بزرگ داده‎ها در سال جاری را مورد بررسی قرار داده‎‎ایم.
چگونه می‌توانیم به یک مهندس داده‌ تبدیل شویم؟
17 دى 1396
برای آنکه بتوانید شغلی در حوزه بزرگ داده‌‌ها پیدا یا حتی چنین شغلی را برای خود خلق کنید، کار چندان ساده‌ای پیش رو ندارید. برای دستیابی به چنین شغلی به مطالعه بسیار، نظارت مستمر بر آگهی‌های استخدامی، یادگیری نرم‌افزارهای مختلف و آشنایی به اصول اولیه زبان‌های برنامه‌نویسی که در حوزه بزرگ داده‌ها به کار گرفته می‌شوند نیاز دارید. در حالی که مهندسان بزرگ داده‌ها در مقایسه با دیگر همتایان خود دستمزدهای بسیار خوبی دریافت می‌کنند، اما نباید این واقعیت را کتمان کنیم که این افراد در مقایسه با دیگر هم‌تایان خود باهوش‌تر هستند. اما چگونه می‌توانیم اطلاعات لازم در این زمینه را به دست آوریم و مهم‌تر از آن چگونه می‌توانیم به یک مهندس بزرگ داده‌ها تبدیل شویم؟ با ما همراه باشید تا هر آنچه برای تبدیل شدن به یک مهندس بزرگ داده‌ها به آن نیاز دارید را با شما به اشتراک بگذاریم.
با 10 باور نادرست در ارتباط با بزرگ داده‌ها آشنا شوید
05 دى 1396
برای آنکه اطمینان حاصل کنید برنامه‌های سازمان شما در ارتباط با بزرگ داده‌ها در مسیر درستی قرار گرفته‌اند یا نه بهتر است با 10 باور اشتباه و رایجی که در ارتباط با این فناوری وجود دارند آشنا شوید. به طور مثال، یکی از عجیب‌ترین جملاتی که در ارتباط با بزرگ داده‌ها اغلب می‌شنویم این است که اگر مقدار کمی از داده‌ها خوب هستند، پس حجم بسیار بالایی از داده‌ها ایده‌آل خواهد بود. به نظر شما این حرف تا چه اندازه می‌تواند درست باشد؟ برای آنکه به این پرسش پاسخ روشنی دهیم، اجازه دهید از یک مثال ساده استفاده کنیم. گفتن این جمله درست مصداق این است که بگوییم در یک تابستان گرم یک نسیم خنک حس خوبی را به وجود می‌آورد، اما آیا یک گردباد نیز همان حس را به شما منتقل خواهد کرد؟
برای آن‌ دسته از افرادی که از طریق حل مشکلات گوناگون زندگی خود را می‌گذرانند، ظهور بزرگ داده‌ها همانند یک فرصت طلایی است. دانشمندان علم داده‌ها و برنامه‌نویسان می‌توانند با واکشی داده‌های انسانی، آن‌ها را در مواردی به ‌کار بگیرند که تا یک دهه پیش در حد فکر و خیال بود. اما در بین این همه شور و هیجان به‌تدریج شاهد جنبه‌های نگران‌کننده هستیم. مواردی وجود دارد که نشان می‌دهد الگوریتم‌های منظم و زیبا و مدل‌های پیش‌بینی ما کمبودها و نقایص مهمی دارد. اما چه کسی زمینه‌ساز بروز این کمبودها شده است؟ کسی که این فناوری را به وجود آورده است؛ عامل انسانی.
اصطلاح کلان داده‌ها یا بزرگ داده‌ها به یکی از مهم‌ترین مباحث این روزهای دنیای فناوری تبدیل شده است و دیگر کسی از آن چشم‌پوشی نمی‌کند. به‌گفته فوربس، بزرگ داده‌ها در حال تبدیل شدن به یک جریان جدید هستند و در حال حاضر یکی از بزرگ‌ترین ترندهای صنعت آی‌تی به شمار می‌روند.
امروزه بسیاری از فناوری‌های مرسوم در عالی‌ترین سطح به کار گرفته می‌شوند، همین موضوع باعث شده است تا بسیاری از سازمان‌ها درباره ویژگی‌های اصلی، فرآیندها، به‌کارگیری و اهمیت کلی یکسری از فناوری‌ها، اطلاعات لازم را در اختیار داشته باشند. در اوت 2015 گارتنر نمودار چرخه حیات خود را در ارتباط با فناوری‌های نوظهور منتشر کرد. نموداری که به‌شکل گرافیکی تکامل و پذیرش فناوری‌ها و کاربرد آن‌ها را به‌خوبی تشریح می‌کند. این نمودار در دنیای فناوری‌محور و به‌ویژه در حوزه بزرگ داده‌ها تأثیر عمیقی بر جای گذاشت. اما اگر جزء آن گروه از افرادی هستید که هنوز هم درباره اهمیت فوق‌العاده بزرگ داده‌ها در دنیای فناوری اطلاعات چندانی ندارید، این مقاله به شما کمک می‌کند تا جزئیات بیشتری درباره آن‌ها به دست آورید و به‌خوبی آگاه شوید که بزرگ داده‌ها امروزه در دنیای فناوری و کسب ‌و کار چه نقش کلیدی و سازنده‌ای را ایفا می‌کنند.
سال‌های متمادی است که رهبران کسب ‌و کار و همچنین سازمان‌های فعال در حوزه فناوری اطلاعات از عبارت «داده‌‌ها طلای نوظهور هستند» استفاده می‌کنند. این عبارت را با مترادف‌های مختلفی همچون «دیگر نفت یک منبع ارزشمند نیست و این داده‌ها هستند که جای این منبع طبیعی را اشغال کرده‌اند» بسیار شنیده‌ایم. اما سؤالی که هنوز به‌درستی پاسخ داده نشده است این است که به‌راستی داده‌ها تا چه اندازه بااهمیت هستند؟ آیا داده‌ها به‌معنای واقعی کلمه طلای نوین هستند و اگر این چنین است، چرا داشتن داده‌های بسیار زیاد در بعضی موارد دردسرآفرین و مشکل‌ساز است؟
دانلود کنید: پرونده ویژه داده‌های بزرگ؛ فردای بزرگ‌تر
18 آذر 1396
در پرونده ویژه "داده‌های بزرگ؛ فردای بزرگ‌تر" ابتدا به شما می‌گوییم بزرگ داده‌ها چه هستند و چه تاثیری بر صنایعی همچون نرم‌افزار و اینترنت اشیا دارند. در ادامه به شما روندهای برتر این حوزه‌ را معرفی خواهیم کرد و برای آن‌که به یک متخصص بزرگ داده‌ها تبدیل شوید به چه ملزوماتی نیاز دارید. در نهایت به فرصت‌های شغلی این حوزه به‌طور اجمالی نگاهی خواهیم کرد.
کافکا معماری پردازش جریان داده‌ای لینکدین، بدون رقیب
16 شهريور 1396
کافکا معماری پردازش جریان داده‌ها است که اولین بار در سال 2011 از سوی مهندسان لینکدین به منظور اداره کردن حجم انبوهی از داده‌هایی که به صورت بلادرنگ تولید می‌شوند ابداع گردید. کافکا اغلب در معماری‌های مربوط به استریم کردن بلادرنگ داده‌ها مورد استفاده قرار می‌گیرد تا یک تحلیل بلادرنگ را ارائه کند. در شش سال گذشته رشد انفجاری کافکا تعجب کارشناسان را برانگیخته است.

صفحه‌ها

اشتراک در big data