Dynamo – собственная разработка компании Amazon;ETL (Extract, transform and load – программные инструменты, используемыедля выведения данных из внешних ресурсов, трансформирования их в соответствиис операционными нуждами и выгрузка их в базы данных;Google File Systems;Handoop;SQL – компьютерный язык, разработанный для управления данными вреляционных базах данных. Этот инструмент позволяет вставлять, запрашивать,обновлять и удалят данные, а также управлять структурой баз данных иконтролировать доступ к данным.Другие инструменты включают Mashup (Мэшап), MetaData, HBase, BusinessIntelligence.Существует также множество методов визуализации информации,представленной большими данными. Такие методы, как кластерограмма,исторический поток (инструмент визуализации, отображающий вклад каждогоотдельного фактора в общий результат с течением времени). Очень удобноиллюстрируется на примере Википедии, где вклад каждого отдельного автора вконтент меняется со временем.Еще одним примером такой визуализации является тэговое облако, котороепомогает потребителям и бенефициарам больших данных интуитивно восприниматьзначение этих данных.Базой работы с большими данными является осознание различий междуданными, информацией и инсайтом (от англ. Insight). Данные представляют собойнабор знаков, цифровых, текстовых и графических, которые сами по себесоставляют определенную совокупность, чаще всего объединенную по одному илиряду признаков. Информация, в свою очередь, является результатом интерпретацииданных с помощью описанных нами инструментов и методов. Одни и те же данныемогут сгенерировать достаточно отдаленную по смысловому наполнениюинформацию в зависимости от используемых инструментов и методов, а такжесубъектов, анализирующих данные и потребителей данных. Таким образом,информация является более обширным понятием, чем данные в данном контексте.Последним звеном в этой цепочке является инсайт, то есть способ примененияполученной информации для получения положительного социального иэкономического эффекта. По сути, это соотношение информации и реальныхпроцессов, с ней связанных. По нашему мнению достичь правильного инсайта будетсложнее всего, особенно в странах с отсутствующей культурой обработки большихданных. Отсутствие опытных кадров в сфере анализа и инструментов обработкибольших данных сведет на нет весь потенциал от накопления самих данных.Подготовка специалистов в этой сфере не является процессом долгосрочным.Продолжительность подготовки может занять в среднем 2-3 года. Однако для стартаэтого процесса нужен существенный внешний импульс, скорее всего -государственное стимулирование. Специалистов нужно готовить заранее ввидутого, что определенный уровень подготовки требуется уже на этапе сбора иаккумуляции информации, а также ее правильного хранения.42
Выводы. Многочисленные исследования говорят о том, что стадияинформационной экономики не является последним этапом в экономическомразвитии страны. Использование обычных данных имеет ограниченный потенциал вдолгосрочной перспективе. Для обеспечения нового витка экономического роста ироста эффективности компаниям и государствам необходимо будет использоватьбольшие данные, накопленные за предыдущие годы. Использование всех данныхцеликом, а не отдельных статистических выборок позволит кардинально поменятьмногие процессы в бизнесе и государственном секторе. Однако адаптация киспользованию новых моделей обработки и анализа данных потребует от всехучастников (в том числе и потребителей информации) больших финансовых ивременных инвестиций. Процесс интеграции технологий и больших данных всуществующие процессы должен проходить согласованно. Использование новыхтехнологий обработки данных в одной отрасли изолированно существенносокращает (или сводит на нет) мультипликационный эффект, описанный ранее. Входе популяризации больших данных, как экономического актива, больше всегосмогут выиграть такие секторы как здравоохранение, сектор транспортных услуг,розничная торговля, государственный сектор (в части эффективностиадминистративной деятельности и бюджетного планирования), и большиепроизводители. Остается надеяться на то, что потенциал использования большихданных будет в равной степени признан участниками как развитых экономик, так иразвивающихся.Список литературы: 1. Abele, Eberhard, Tobias, Ulrich Naher, Gernot Stube, and Richard Sykes, eds.Global production: A handbook for strategy and implementation. - Berlin: Springer, 2008. 2. Akella,Janaki, Timo Kubach, Markus Loffler, and Uwe Schmid. Data-driven management: Bringing morescience into management. - McKinsey Technology Initiative Perspective, 2008. 3. Ayes, Ian, Supercrunchers: Why thinking-by-numbers is the new way to be smart. -New York: Bantam Books, 2007. 4.Barber, Michael, Alastair Levy, and Lenny Mendoca. Global trends affecting the public sector. -McKinsey white paper, February 2008. 5. Bohn, Roger, and James Short. How much information? 2009:Report on American consumers, University of California, San Diego, Global Information Industry Center,January 2010. 6. Bohn, Roger, James Short, and Chaitanya Baru. How much information? 2010: Reporton enterprise server information, University of California, San Diego, Global Information IndustryCenter, January 2011. 7. Bollier, David. The promise and peril of big data. - Aspen Institute, 2010. 8.Brynjolfsson, Eric, Lorin M. Hitt, and Heekyung Hellen Kim. Strength in numbers: How does data-drivendecisionmaking affect firm performance? - McKinsey Quarterly. - April 22, 2011. 9. Bughin, Jaques,Michael Chiu, and James Manyika. “Clouds, big data, and smart assets: Ten tech-enabled trends towatch,” McKinsey Quarterly, August 2010. 10. Dunleavy, P. Innovating out of a recession. – Seminar inLondon School of Economics. - London, June 22, 2009.Поступила до редакції 05.04.2012р.43
- 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 and 40: выражается в сокра
- Page 41: прибылей в последн
- 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