Big Data zbyt duże?
W dzisiejszych czasach zbieranie danych jest prostsze niż kiedykolwiek. Jeszcze dekadę temu na pozyskiwanie i przetwarzanie dużych zbiorów informacji mogły pozwolić sobie tylko największe korporacje dysponujące nie tylko środkami na ich przechowywanie, ale i nielicznymi ekspertami umiejącymi sprawnie je przetwarzać. Wraz z rozwojem technologii nawet niewielkie firmy zaczęły używać już aplikacji Big Data do swoich celów.
Dzięki popularyzacji Internetu Rzeczy, a w szczególności urządzeń osobistych, jak smartwatche czy inteligentna odzież, liczba produkowanych danych już sięga poziomu, w którym przeciętny człowiek generuje 1,7 MB danych na sekundę swojej aktywności. Przy tak dużym nagromadzeniu informacji poza upewnieniem się czy danych wystarczy do wykonania poprawnej i użytecznej analizy, należy również upewnić się, czy nie jest ich za dużo.
Gwałtowny rozwój chmur obliczeniowych oraz stale rosnąca wydajność komputerów ciągle zwiększa liczbę informacji, które mogą zostać zebrane i przetworzone. Obsługa tak dużych zbiorów informacji jest nie tylko skomplikowana, ale również wysoce zasobochłonna. Biorąc pod uwagę fakt, że nie każde dane zawierają identycznie cenne informacje, należy zastanowić się, czy Big Data jest prawidłowym rozwiązaniem w każdym przypadku.
Smart Data alternatywą dla Big Data?
Na wartość danych używanych w Big Data przekładają się cztery czynniki, zwane 4V: rozmiar danych (volume), różnorodność (variety), szybkość ich pozyskiwania (velocity) oraz ich wiarygodność (veracity). Uporządkowanie, pogrupowanie i poprawna interpretacja danych Big Data pozwalają na zamienienie ich w Smart Data - dużo bardziej wartościowe informacje. Takie podejście wymaga odejścia od skupiania się na objętości oraz prędkości pozyskiwania, a postawieniu na wiarygodność oraz co ważniejsze, na wartość. Jedno z ogólnie przyjętych kryteriów zakłada, że dane stają się Smart, jeśli rozwiązują zadany problem oraz pomagają w podejmowaniu poprawnych decyzji.
Zastosowanie podejścia smart zamiast tradycyjnego Big Data może znacząco przyspieszyć rozwój Internetu Rzeczy poprzez zmniejszenie zasobów potrzebnych do analizy informacji. Przy ich mniejszej liczbie nie będą potrzebne tak duże i kosztowne chmury obliczeniowe i infrastruktura jak przy tradycyjnym podejściu, co znacząco ułatwi skalowanie i zmniejszy wymagania finansowe, pozwalając na szybszy i stabilniejszy rozwój rynku. (PM)
