کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7429105 1483202 2015 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Beyond the hype: Big data concepts, methods, and analytics
ترجمه فارسی عنوان
فراتر از اعتیاد به مواد مخدر: مفاهیم داده های بزرگ، روش ها و تجزیه و تحلیل
کلمات کلیدی
تجزیه و تحلیل داده های بزرگ، تعریف داده های بزرگ، تجزیه و تحلیل داده های بدون ساختار، تجزیه و تحلیل پیش بینی،
ترجمه چکیده
اندازه اولین و در موارد بعد تنها ابعاد است که در اشاره به داده های بزرگ پرش می کند. این مقاله تلاش دارد تعریفی وسیع از داده های بزرگ ارائه کند که ویژگی های دیگر منحصر به فرد و تعریف آن را در بر می گیرد. تحول سریع و پذیرش داده های بزرگ توسط صنعت، گفتمان را به رسانه های مردمی رهنمون شده است، و مطبوعات دانشگاهی را مجبور به عقب نشینی کرده اند. مجلات علمی در رشته های متعدد، که از یک بحث مربوط به داده های بزرگ بهره مند شوند، هنوز موضوع را پوشش نمی دهند. این مقاله، توصیفی تلفیقی از داده های بزرگ را با ادغام تعاریف از تمرینکنندگان و دانشگاهیان ارائه می دهد. تمرکز اصلی مقاله بر روش های تحلیلی مورد استفاده برای داده های بزرگ است. یکی از ویژگی های برجسته این مقاله، تمرکز آن بر تجزیه و تحلیل مربوط به داده های بدون ساختار است که 95٪ از داده های بزرگ را تشکیل می دهند. این مقاله نیاز به توسعه روش های تحلیلی مناسب و کارآمد را برای اهرم حجم زیادی داده های ناهمگن در قالب های متنی، صوتی و ویدئوی بدون ساختار فراهم می کند. این مقاله همچنین نیاز به ابزار جدید برای تجزیه و تحلیل پیش بینی برای داده های بزرگ ساختاری را تقویت می کند. روش های آماری در عمل برای استخراج داده های نمونه طراحی شده اند. ناهمگنی، سر و صدا و اندازه گسترده ای از داده های بزرگ ساختار یافته، برای توسعه الگوریتم های کارآمد محاسباتی که ممکن است از مشکلات بزرگ داده ای جلوگیری کنند، مانند همبستگی جعلی.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری سیستم های اطلاعات مدیریت (MIS)
پیش نمایش مقاله
فراتر از اعتیاد به مواد مخدر: مفاهیم داده های بزرگ، روش ها و تجزیه و تحلیل
چکیده انگلیسی
Size is the first, and at times, the only dimension that leaps out at the mention of big data. This paper attempts to offer a broader definition of big data that captures its other unique and defining characteristics. The rapid evolution and adoption of big data by industry has leapfrogged the discourse to popular outlets, forcing the academic press to catch up. Academic journals in numerous disciplines, which will benefit from a relevant discussion of big data, have yet to cover the topic. This paper presents a consolidated description of big data by integrating definitions from practitioners and academics. The paper's primary focus is on the analytic methods used for big data. A particular distinguishing feature of this paper is its focus on analytics related to unstructured data, which constitute 95% of big data. This paper highlights the need to develop appropriate and efficient analytical methods to leverage massive volumes of heterogeneous data in unstructured text, audio, and video formats. This paper also reinforces the need to devise new tools for predictive analytics for structured big data. The statistical methods in practice were devised to infer from sample data. The heterogeneity, noise, and the massive size of structured big data calls for developing computationally efficient algorithms that may avoid big data pitfalls, such as spurious correlation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Information Management - Volume 35, Issue 2, April 2015, Pages 137-144
نویسندگان
, ,