Internet wszechrzeczyW KIERUNKU REALLY BIG DATA

Kwestie fundamentalneKtóre z poniższych rozumieć jako treści:

• Dane

• Informacje

• Wiedza

Czym jest Sieć?

Internet of things

Internet of everything

Do obejrzenia:

http://www.youtube.com/

watch?v=higj9P_SZEM

Treści w Internecie

Czasy wykładnicze:

Liczba SMSów wysłanych dziennie przekracza populację ziemską – dwadzieścia lat temu nie było SMSów

31 miliardów zapytań do Google co miesiąc (2,7 miliarda w 2006) – trzynaście lat temu nie było Google

Przez Twitter przebiega 50 milionów postów dziennie (to około 600 na sekundę) – pięć lat temu nie było Twittera

Szacuje się, że w tym roku zostanie wygenerowane ok. 4 eksabajtów (1018) unikalnych informacji.

Jest to tyle, ile przez ostatnie 5000 lat

Consumer + producer = prosumer(Uczestnik jest odbiorcą ORAZ autorem treści)

Za: Fisch K. Did You Know 3.0 (Officially updated for 2012) HD Youtube video

Treści w Internecie

Czasy wykładnicze:

Liczba SMSów wysłanych dziennie przekracza populację ziemską – dwadzieścia lat temu nie było SMSów

31 miliardów zapytań do Google co miesiąc (2,7 miliarda w 2006) – trzynaście lat temu nie było Google

Przez Twitter przebiega 50 milionów postów dziennie (to około 600 na sekundę) – pięć lat temu nie było Twittera

Szacuje się, że w tym roku zostanie wygenerowane ok. 4 eksabajtów (1018) unikalnych informacji.

Jest to tyle, ile przez ostatnie 5000 lat

Consumer + producer = prosumer(Uczestnik jest odbiorcą ORAZ autorem treści)

Za: Fisch K. Did You Know 3.0 (Officially updated for 2012) HD Youtube video

Ludzie i ilość danych

Ekonomia uwagi

„W świecie informacyjnym bogactwo informacji oznacza ubóstwo czego innego: niedostatek czegoś co ta informacja pożera. Odpowiedź na pytanie co zabiera informacja, jest raczej oczywista: zabiera uwagę odbiorców. Dlatego bogactwo informacji skutkuje niedostatkiem uwagi i potrzebą efektywnego dzielenia tej uwagi między mogącymi ją pochłonąć wieloma źródłami informacji.”

Herbert Simon (1978)

Wymuszony ruch„Życie w erze informacyjnej jest jak picie wody z węża strażackiego” (J. Porter)

Otrzymujemy ogromne dawki informacji Otrzymujemy informacje ciągle i nieustannie Podejmujemy ogromną ilość decyzji

Zbyt wiele informacjiZbyt wiele produktów PARALIŻ DECYZYJNY

PORTER J.: Sieci Społecznościowe. Projektowanie. Helion, Gliwice 2010

Ludzkie zachowanie a Internet◦ Równanie Lewina

◦ Zachowanie to funkcja osobowości oraz otoczenia

Człowiek, który wystawia komentarz na Allegro, wpływa na zachowanie innych

W jakim stopniu pogoda dyktuje Ci, jak się ubrać, a w jakim – działania, zachowania innych, a także Twoja chęć wpływu na ich reakcje i działania?

Jesteśmy pod dużo głębszym wpływem ludzi, których znamy i grup, do których należymy, niż nam się wydaje

Będąc częścią Sieci jesteśmy częścią samoorganizującego systemu

Wniosek: trendy zachowań, działania w Sieci można badać niczym prądy morskie

Sieć socjalna„Zwłaszcza młodzież jest absolutnie sieciowa. We wszystkich przejawach życia”. (J. Morbitzer)

STOCKER Rob Green David G and Newth David (2001), Consensus and cohesion in simulated social networks. Journal of Artificial Societies and Social Simulations, Volume 4 Issue 4. (http://jasss.soc.surrey.ac.uk/4/4/5.html)

Struktura sieciowa

- Porządek chaotyczny- Brak autorytetów

Struktura hierarchiczna

- Jasny porządek- Autorytety „odgórne”

Struktura z superwęzłami (z większym autorytetem)

Sieci społecznościoweW sumie znane od początków społeczeństwa!

Znajomi

Znajomi znajomych

Poznani w sieci

Poznani poza siecią

Autorytety „odgórne”? Raczej „superwęzły”

Web 3.0 czyli pomoc informatykiInformatyka tworzy narzędzia:

Wielokierunkowej transmisji informacji

Translacji danych i informacji

Filtrowania treści

Tworzenia metainformacji (informacji o informacji)

Wyszukiwania i metawyszukiwania

Pojęcie „bogatej sieci” (Rich Web)

- koncentrującej się na bazach wiedzy

Za: metafluence.com

Przemysł i ilość danych

Istota problemuBiznes/przemysł stoi przed podobnym problemem co pojedynczy odbiorca sieci:

Otrzymuje ogromne ilości danych

Duża ilość danych nie oznacza dużej ilości informacji

Duża ilość informacji nie oznacza większej wiedzy

Organizacja

Sensory

Dane z transakcji

Badania (np. ankiety)

Dane z procesów

Kłopoty z danymiDane:◦ Strukturalne◦ Niestrukturalne

Volume (ilość)

Variety (różnorodność)

Veracity (wiarygodność)

Velocity (terminowość)

Kłopoty z danymiDane:◦ Strukturalne◦ Niestrukturalne

Volume (ilość)

Variety (różnorodność)

Veracity (wiarygodność)

Velocity (terminowość)

Przykład danych strukturalnych:

Imię: __________Nazwisko: ____________

Proszę ocenić jakość pracy dziekanatu (w skali 1-10):

_____________

Proszę ocenić jakość przeprowadzonych zajęć

(b.słaba, słaba, dobra, b. dobra, nie mam zdania):

_____________

Maszyna przetwarzająca WIE, jakiego formatu danych się spodziewać

Maszyna przetwarzająca wie, jaki kontekst będą miały otrzymane dane

Łatwo z danych uzyskujemy informacje

Przykład danych niestrukturalnych:

Imię: __________Nazwisko: ____________

Jak oceniają Państwo dziekanat Uczelni?______________________________________________________________________

Co zmienilibyście Państwo w zajęciach?

_____________________________________________________________________

Maszyna przetwarzająca NIE wie, jakiego formatu danych się spodziewać

Maszyna przetwarzająca nie będzie potrafiła prostymi sposobami przetworzyć

danych na informacje

Ogólne ujęcie systemów Big Data

Eksport

Strumieniew czasie

rzeczywistym

Dane niestrukturalne

Bazy danych ustruktury- zowanych

Duże bazy danych

Przetwarzanie wsadowe

PrzetwarzanieAnalityka

Źródło: McDougall R.: Architecting Virtualised Infrastructure for Big Data, Strata Conference 2012

Infrastruktury przechowywania danych

Zmniejszenie złożoności

Uproszczenie działania i

utrzymania

Umożliwienie elastycznego, szybkiego dostarczania usług

Reakcja na spodziewane oraz nagłe potrzeby biznesu

DziękujęMROSTANSKI@WSB.EDU.PL

HTTP://MRDEAN.WORDPRESS.COM

HTTP://TWITTER.COM/MROSTANSKI

HTTP://FACEBOOK.COM/MACIEJ.ROSTANSKI