Недавний мировой опыт показал, что в результате недостаточной защищенностиданных достоянием общественности могут стать не только личная информация, но иинформация государственной важности. В контексте совершенствованиятехнологических средств, способных сделать несанкционированный доступ кинформации намного проще, чем прежде, должны совершенствоваться и способызащиты информации. Эта необходимость может породить еще один достаточнодинамично развивающийся сектор бизнеса, а, впоследствии, и экономики в целом.Ключевыми вопросами в контексте защиты информации будут: кому принадлежитта или иная информация, и какие права ассоциируются с определенными данными?Что определяем справедливое использование данных? Кто ответственен занегативный эффект обусловленный неправильным использованием информации?Ответы на эти вопросы потребуют глубокой вовлеченности специалистов сектораюриспруденции.На пути распространения технологий анализа больших данных возникает рядпрепятствий разной степени сложности их разрешения.1. Технологии и техника.Для того чтобы воспользоваться потенциалом, предоставляемым большимиданными, компаниям придется адаптироваться к новым технологиям сбора, анализаи хранения данных. Спектр технологических сложностей и способов их решениябудет зависеть во многом от зрелости информации в каждой отдельнойорганизации. Старые архаичные системы и несовместимые стандарты и форматыочень часто тормозят интеграцию данных и более сложную аналитику, котораямогла бы принести желаемый положительный эффект. Появление новых задач ирастущие мощности современной вычислительной техники дадут серьезный толчокразвитию инструментов для анализа больших данных.2. Организационные изменения и наличие кадров.Лидеры многих организаций часто лишены правильного понимания большихданных и возможных способов их интерпретации. Несмотря на кажущуюсянезначительность этого фактора, имплементация аналитики больших данных вомногих организациях может оказаться под вопросом именно из-за отсутствиявовлеченности в управленческих кругах. Кроме этого, даже в случае согласия наиспользование больших данных не каждая организация сможет наладитьправильный процесс аккумуляции данных (правильных, нужных данных) и, темболее, адекватного анализа.3. Доступ к информации.Обеспечение трансформационных возможностей потребует от компанийинтегрирование информации из множества разных ресурсов. Приобретение доступак данным станет более популярным способом получения данных. Однако не во всехслучаях владельцы информации хотят делиться этой информацией (которая, в своюочередь, может быть ключевой составляющей совокупного массива большихданных). Поиск путей достижения консенсуса в этом вопросе, формированиевзаимовыгодной системы ценностей при обмене данными может стать залогомпреодоления этой преграды на пути свободного перемещения данных.4. Структура индустрии.Секторы с относительно неконкурентными и непрозрачными механизмамифункционирования, а также секторы с высококонцентрированными пулами40
прибылей в последнюю очередь смогут воспользоваться преимуществамииспользования больших данных. Например, в государственном секторе не хватаетконкурентного давления, которое вынуждало бы организации и их руководствоподходить к подбору и обработке данных более эффективно. Высокий уровеньконкуренции, вполне логично, является катализатором информационного обмена иболее эффективного использования данных.Стоит отдельно уделить внимание доступным техникам анализа большихданных. Множество способов анализа объединяют в себе статистические методы,компьютерные науки и математические модели. Приведенные ниже методы анализасоставляют далеко не полный список доступных ныне методов. Кроме всегопрочего, этот список постоянно пополняется за счет стремительного развития IТиндустрии.А/В тестирование – техника, в которой контрольная группа сравнивается сразнообразными тестовыми группами с целью определения действий, которыеприведут к желаемому результату. Этот метод также известен как сплиттестирование.В случае если во время теста манипулируют более чем однойпеременной, то модель называют A/B/N тестирование.Классификация - набор методов, определяющих категории, к которымпринадлежат отдельные элементы данных, основываясь на предварительномраспределении других элементов. Одно из применений этого метода заключается впрогнозировании определенного сегментного потребительского поведения с четкойгипотезой объективного исхода.Кластерный анализ - статистический метод классификации объектов, которыйразделяет неоднородную группу на более мелкие группы однородных объектов, чьихарактеристики схожести не известны заранее. В этом случае анализ данных будетпредполагать разделение потребителей на схожие по своему поведению группы длятаргетированного маркетинга.Регрессия – набор статистических методов, определяющих, как значениезависимой переменной изменяется при изменении независимой переменной. Методчаще всего используется для прогнозирования.Пространственный анализ – набор методов, в том числе и статистических,которые анализируют топологические, геометрические и/или географическиесвойства, закодированные в данных. Возможным вариантом применения этогометода в новой эре может быть внедрение пространственного анализа врегрессионный анализ (прогнозирование поведения экономических механизмов взависимости от географического расположения) или симуляции (сценарииповедения логистических сетей в разных географических условиях).Другие методы включают также визуализацию, симуляции, знаковыйпроцессинг, анализ настроений, распознание шаблонов и т.д.Инструменты для анализа больших данных включают:Большие таблицы (разработка Google File System);Кассандра (Cassandra) - система управления базами данных, позволяющаяоперировать достаточно большими объемами данных в распределенных системах.Изначально эта система была разработана в Фейсбуке (Facebook);«Облачные» технологии – парадигма обработки данных, подразумевающаяпредоставление масштабируемых вычислительных ресурсов через сеть;41
- Page 1 and 2: ВІСНИКISSN 2079-0767НАЦІ
- Page 3 and 4: УДК 332.132В. О. ЖАВОРО
- Page 5 and 6: виробництво стають
- Page 7 and 8: реалізували відпов
- Page 9 and 10: УДК 338.45 : 658В.А. КУЧИ
- Page 11 and 12: Для дослідження вп
- Page 13 and 14: УДК 338. 45Д.М ЛАПОВСЬ
- Page 15 and 16: множиною значень [4-
- Page 17 and 18: Враховуючи, що згід
- Page 19 and 20: З огляду на те, що д
- Page 21 and 22: Продовження таблиц
- Page 23 and 24: достатньої для заб
- Page 25 and 26: зручності аналізу
- Page 27 and 28: Головними напрямка
- Page 29 and 30: Результати дослідж
- Page 31 and 32: бізнесу щодо перев
- Page 33 and 34: использования боль
- Page 35 and 36: сектора искать пох
- Page 37 and 38: реакции. Логистиче
- Page 39: выражается в сокра
- Page 43 and 44: Выводы. Многочисле
- Page 45 and 46: підвищення рівня ї
- Page 47 and 48: 01.01.2005р.01.01.2006р.01.01.200
- Page 49 and 50: І ще однією важливо
- Page 51 and 52: УДК 338.02К.С. ПОШЕНОВ
- Page 53 and 54: активами, активізу
- Page 55 and 56: Таблиця - Управлінн
- Page 57 and 58: УДК:621:339.152.009.12Т. С. М
- Page 59 and 60: Постановка завданн
- Page 61 and 62: 1. Підсумкова дохід
- Page 63 and 64: В машинобудівних п
- Page 65 and 66: була запропонована
- Page 67 and 68: характеристик є пр
- Page 69 and 70: Вагомістьхарактер
- Page 71 and 72: менеджменту, марке
- Page 73 and 74: (0,49). Ці результати
- Page 75 and 76: В статье рассмотре
- Page 77 and 78: низьку ефективніст
- Page 79 and 80: В статье проанализ
- Page 81 and 82: Головним пріоритет
- Page 83 and 84: постійні удосконал
- Page 85 and 86: УДК 338.47:656Ю.В. ПИЧУГ
- Page 87 and 88: формирования общег
- Page 89 and 90: выбора перевозчико
- Page 91 and 92:
машинобудування та
- Page 93 and 94:
- технологію (існую
- Page 95 and 96:
В таблиці 1 приведе
- Page 97 and 98:
Рис. 6 - Динаміка впр
- Page 99 and 100:
Машинобудувавннят
- Page 101 and 102:
- виявлено взаємозв
- Page 103 and 104:
Інноваційні технол
- Page 105 and 106:
instruments that are based on funda
- Page 107 and 108:
Продовження таблиц
- Page 109 and 110:
сильних і слабких с
- Page 112 and 113:
комплексі з ним мож
- Page 114 and 115:
амортизуватися вит
- Page 116 and 117:
27.04.2000 р. за № 288/4509 (
- Page 118 and 119:
функціонування осн
- Page 120 and 121:
Fnmaxj 1nj 1x 0; j 1, n; i 1, mja x
- Page 122 and 123:
преимуществами. Ср
- Page 124 and 125:
выпускаемой продук
- Page 126 and 127:
інноваційної проду
- Page 128 and 129:
- дотримання термін
- Page 130 and 131:
узагальнення та пр
- Page 132 and 133:
Але загальний поте
- Page 134 and 135:
дослідження є розг
- Page 136 and 137:
основі принципів: п
- Page 138 and 139:
In this article dealt with the acco
- Page 140 and 141:
непрозора для влас
- Page 142 and 143:
УДК 334.72:378Г.О. УС, ка
- Page 144 and 145:
Чи має об'єкт S влас
- Page 146 and 147:
Рис.3- Вікно програм
- Page 148 and 149:
При цьому, серед дв
- Page 150 and 151:
Таблиця 3- Перелік а
- Page 152 and 153:
зміни частки майна,
- Page 154 and 155:
Перший етап закінч
- Page 156 and 157:
подальшого поступа
- Page 158 and 159:
За допомогою знань,
- Page 160 and 161:
інтелектуальний ка
- Page 162 and 163:
Основу людського к
- Page 164 and 165:
дефіциту та недост
- Page 166 and 167:
ЗмістВ. О. ЖАВОРОНК
- Page 168:
НАУКОВЕ ВИДАННЯВІС