نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

10 فروردین 1403 5:23 ب.ظ

تأثیر کلان داده در تجزیه و تحلیل پیش بینی به سمت توسعه فناوری در رایانش ابری

18 مه 2022 -توسط دیوید بردلی، Inderscience اعتبار: CC0 دامنه عمومی

شاید بگویید ما در عصر اطلاعات زندگی می کنیم. روزانه بیش از 2.5 کوئینتیلیون بایت (1 میلیون ترابایت) داده در سراسر جهان تولید می شود. مدیریت آن داده ها غیرممکن است و با این حال ما از بخش های عظیمی از آن به روش های متفاوت و گاهی غیرقابل تصور استفاده می کنیم. استخراج دانش از مخازن و پایگاه‌های اطلاعاتی، داده‌های بزرگ، می‌تواند به درک بهتر پدیده‌های طبیعی و غیرطبیعی در تغییرات آب و هوا، اقتصاد، پزشکی و فراتر از آن منجر شود.

به گفته محققانی که در مجله بین‌المللی مدل‌سازی و شبیه‌سازی سیستم‌های مهندسی می‌نویسند، تحلیل و پیش‌بینی ، کلیدی برای تصمیم‌گیری هوشمندانه بر اساس چنین داده‌های بزرگی است. با این حال، مشکلاتی وجود دارد که باید به آنها رسیدگی شود، به ویژه زمانی که چنین داده های بزرگی در فضای ابری وجود دارد.

کریشنا کومار موهبی و سونیل کومار از دانشگاه مرکزی راجستان در اجمر، هند، تأثیر داده های بزرگ را در این زمینه در نظر می گیرند. آنها اشاره می کنند که یکی از بزرگترین مشکلاتی که کسانی که با کلان داده کار می کنند با آن روبرو هستند این است که در حالی که برخی از آنها ممکن است ساختارمند باشند، بسیاری از آنها فقط نیمه ساختار یافته هستند و مقادیر زیادی کاملاً بدون ساختار هستند.

ذخیره سازی، مدیریت و تجزیه و تحلیل همه این داده ها یکی از بزرگترین چالش های پیش روی محاسبات امروزی است. در حالی که رایانش ابری بسیاری از ابزارهای مورد نیاز را به صورت توزیع شده فراهم می کند و تا حدی فناوری اطلاعات و ارتباطات (ICT) را متحول کرده است، تا زمانی که بتوانیم به طور کامل با کلان داده ها کنار بیاییم، راه طولانی در پیش است.

با این حال، ذخیره‌سازی توزیع‌شده و پردازش موازی عظیم داده‌های بزرگ در فضای ابری می‌تواند پایه‌هایی را فراهم کند که آینده کلان داده‌ها و تجزیه و تحلیل پیش‌بینی‌کننده ممکن است بر اساس آن ساخته شود. این تیم بسیاری از رویکردهای فعلی را که از داده های تاریخی و یادگیری ماشینی برای پیش بینی نتایج سناریوهای آینده بر اساس منابع کلان داده معاصر استفاده می کنند، بررسی می کند. این تیم به جایی که تحقیقات ممکن است ما را در حوزه داده های بزرگ ببرد اشاره می کند و در مورد بن بست های احتمالی هشدار می دهد.

این تیم می نویسد: «هدف اصلی تبدیل ابر به یک ابزار تجزیه و تحلیل داده مقیاس پذیر است، نه صرفاً یک بستر ذخیره سازی داده و فناوری. آنها اضافه می‌کنند که اکنون زمان توسعه استانداردها و رابط‌های برنامه‌نویسی کاربردیAPI است که کاربران را قادر می‌سازد به راحتی بین راه‌حل‌ها مهاجرت کنند و بنابراین از قابلیت کشش زیرساخت ابری بهره ببرند.

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *