شناسه خبر : 9149 لینک کوتاه

داده‌های بزرگ آینده را می‌دانند

زندگی با اعداد

دیگر برادر بزرگ را فراموش کنید. شرکت‌ها و کشورها متوجه شده‌اند که الگوریتم‌های برنامه‌ریزی‌شده برای بررسی مقادیر عظیمی از داده‌ها می‌تواند بسیار قدرتمندتر باشد. آنها می‌توانند خرید بعدی خود یا سرقت‌های آینده را پیش‌بینی و شاید بتوانند به درمان سرطان کمک کنند. بسیاری از شرکت‌ها در سراسر جهان نگاهی دوباره به مواد خامی می‌اندازند که آنها، تجهیزات‌شان و مشتریان هر روز به مقدار زیاد تولید می‌کنند: این مواد خام داده‌ها هستند. اصطلاح برادر بزرگ به تاریخ پیوست. متخصصان عقیده دارند واژه داده بزرگ موضوع اصلی مباحثات هیات مدیره‌ها و کنوانسیون‌ها و شماری از کتاب‌ها خواهد بود. داده بزرگ به طور کامل کنترل و مدیریت منطقی آینده انسان را در تمام جنبه‌های زندگی در اختیار خواهد گرفت. برخی نویسندگان آن را انقلاب می‌نامند و می‌گویند داده بزرگ محیط کاری و حتی روش فکر کردن را عوض می‌کند.

جواد طهماسبی
SPIEGEL ONLINE
دیگر برادر بزرگ را فراموش کنید. شرکت‌ها و کشورها متوجه شده‌اند که الگوریتم‌های برنامه‌ریزی‌شده برای بررسی مقادیر عظیمی از داده‌ها می‌تواند بسیار قدرتمندتر باشد. آنها می‌توانند خرید بعدی خود یا سرقت‌های آینده را پیش‌بینی و شاید بتوانند به درمان سرطان کمک کنند. بسیاری از شرکت‌ها در سراسر جهان نگاهی دوباره به مواد خامی می‌اندازند که آنها، تجهیزات‌شان و مشتریان هر روز به مقدار زیاد تولید می‌کنند: این مواد خام داده‌ها هستند. اصطلاح برادر بزرگ به تاریخ پیوست. متخصصان عقیده دارند واژه داده بزرگ موضوع اصلی مباحثات هیات مدیره‌ها و کنوانسیون‌ها و شماری از کتاب‌ها خواهد بود. داده بزرگ به طور کامل کنترل و مدیریت منطقی آینده انسان را در تمام جنبه‌های زندگی در اختیار خواهد گرفت. برخی نویسندگان آن را انقلاب می‌نامند و می‌گویند داده بزرگ محیط کاری و حتی روش فکر کردن را عوض می‌کند.
عامل اصلی صرفاً حجم داده‌ها نیست هر چند رشد آن از گذشته بسیار سریع‌تر شده است. در سال 2012 حدود 8/2 زتابایت داده تولید شد. هر زتابایت 10 به توان 18 کیلوبایت است. متخصصان پیش‌بینی می‌کنند تولید داده تا سال 2020 به 40 زتابایت برسد. برای ذخیره‌سازی داده‌هایی که در یک روز در اینترنت منتقل می‌شوند 250 میلیون دی‌وی‌دی لازم است. حجم داده‌ها تقریباً هر دو سال یک بار دو برابر می‌شود. شرکت‌ها، بنگاه‌های دولتی و دانشمندان روش‌های جدیدی برای تفسیر و تحلیل منابع داده‌ها به کار می‌برند. از آنجایی که هزینه فضای ذخیره‌سازی تقریباً هیچ است، رایانه‌هایی که هر روز بر سرعت‌شان افزوده می‌شود می‌توانند در زمان کوتاهی حجم زیادی از داده‌ها را به یکدیگر ارتباط دهند و همبسته کنند. الگوریتم‌ها از این هرج و مرج نظم می‌سازند. آنها می‌توانند با نفوذ به عمق داده‌ها روابط، بینش‌ها و الگوهای تجاری جدیدی کشف کنند. اگرچه واژه داده بزرگ برای اکثر مردم معنایی ندارد قدرت الگوریتم‌ها همه جا گسترده است. شرکت‌های توزیع‌کننده کارت اعتباری می‌توانند به سرعت الگوهای استفاده غیرمعمول را تشخیص دهند و به دارندگان کارت هشدار دهند چگونه ممکن است مبالغ زیادی از حساب‌ آنها در مناطقی کسر شود که هرگز آنجا نبوده‌اند. شرکت‌های برق از داده‌های هواشناسی استفاده می‌کنند تا بهترین مکان برای نصب توربین‌های بادی را معین کنند. طبق آمار رسمی از زمانی که مقامات استکهلم پایتخت سوئد از الگوریتم برای مدیریت ترافیک استفاده کردند زمان رانندگی در مرکز شهر به نصف رسید و میزان گازهای متصاعد از اتومبیل‌ها 10 درصد کاهش یافت. تجار آنلاین از تحلیل‌ها استفاده می‌کنند تا راهبردهای فروش را بهینه سازند. عبارت مشهور «مشتریانی که این کالا را خریده‌اند کالای... را نیز خریداری کرده‌اند» نمونه‌ای از این رویکرد است.

تبدیل داده‌ها به دلار
گوگل و فیس‌بوک منبع داده‌های بزرگ خالص هستند. الگوهای تجاری آنها بر اساس جمع‌آوری، تحلیل و اطلاعات بازاریابی کاربران شکل می‌گیرد و آگهی‌های آنها تا حد ممکن به سلیقه افراد نزدیک است. این پایگاه عظیم داده‌ها و مفهوم کاری که می‌توان با بیش از یک میلیارد پروفایل انجام داد ارزش فیس‌بوک را برای سرمایه‌گذار‌انش به 100 میلیارد دلار رسانید.
چشم‌انداز تبدیل گنجینه داده‌ها به دلار اکنون رویای تجار صنایع مختلف از سوپرمارکت‌ها تا اتومبیل‌سازی و از هوانوردی تا بانک و بیمه را روشن‌تر ساخته است. طبق آمار انجمن صنایع، فروش جهانی مرتبط با کاربرد داده‌های بزرگ در سال 2012 به 6/4 میلیارد یورو رسید. این رقم تا سال 2016 به 16 میلیارد یورو خواهد رسید. کاربرد داده‌های بزرگ در پزشکی و علوم آزمایش شده است. حتی بخش دولتی به ویژه ادارات پلیس و آژانس‌های امنیتی که چندان در زمینه فناوری اطلاعات پیشرو نیستند مزایای بالقوه آن را در زمینه کاری خود احساس کرده‌اند. آنچه همه این افراد را جذب کرده است وعده نگریستن به آینده از طریق تحلیل حجم زیادی از داده‌هاست. در واقع الگوریتم می‌تواند رفتار انسان را به طور دقیق پیش‌بینی کند، چه در مقابل قفسه‌های سوپرمارکت و در ترافیک و چه در الگوهای پرداخت با کارت اعتباری.
در سال 2012 گوگل توانست بر مبنای جست‌وجوهای کاربران شیوع آنفلوآنزا را پیش‌بینی کند. نیت سیلور متخصص داده‌ها در آمریکا توانست نتایج آخرین انتخابات ریاست‌جمهوری کشور را با دقت بسیار زیاد پیش‌بینی کند.

پایانی برای شانس
در برخی شهرها احتمال وقوع جنایت در محله‌های خاص پیش‌بینی می‌شود. این روش که پیشگویی پلیسی نام دارد بیشتر به فیلم‌های هالیوودی شبیه است. در فیلم «گزارش اقلیت‌» ساخته اسپیلبرگ افراد به خاطر جنایاتی دستگیر می‌شوند که هرگز مرتکب نشده‌اند. دانشمندان می‌گویند با کمک مکان‌یاب تلفن همراه و داده‌های آن می‌توان با قطعیت گفت که فرد روز آینده یا روز خاصی در سال آینده کجا خواهد بود. دقت فزاینده چنین پیشگویی‌هایی باعث شده است متخصصان فناوری و نویسندگان ادعا کنند نظریه‌پردازی و شانس به پایان رسیده است. این چشم‌انداز برای همگان خوشایند نیست. اما تعداد زیادی از افراد به توانایی تشخیص الگوریتم‌ها اعتماد کرده‌اند. این اعتماد حتی به حوزه‌های ارتباطی شخصی کشیده شده و تحلیل داده‌ها هم‌اکنون در سایت‌های همسریابی برای پیدا کردن فرد مناسب به کار می‌روند. نوعی جست‌وجو برای طلا در شرکت‌ها، آزمایشگاه‌های تحقیقاتی و آژانس‌های دولتی شکل گرفته است. در بسیاری جاها داده‌ها را «نفت» و یا «طلا»ی قرن 21 می‌دانند. آماردانان، پزشکان و دانشمندان داده‌ها هم‌اکنون از مزایای مالی دانش خود بهره می‌برند. آنها رهنمودهایی برای استفاده از داده‌های بزرگ ارائه می‌دهند. بیشتر پول‌ها به سمت کسانی می‌رود که تجهیزات، ابزار و مهارت می‌فروشند.

داده‌ها و تحول انقلابی اقتصاد
بنگاه‌های داده‌ها دیگر فال‌بین نیستند بلکه پیش‌بینی می‌کنند. استفاده از کارت یا مشاهده رفتار حیوانات هم کاربردی ندارد. به جای آن ستون‌های ارقام به دست آمده از صندوق سوپرمارکت‌ها، هواشناسی، برنامه‌های سفر و گزارش‌های ترافیک تحلیل می‌شوند. همه این داده‌ها به نرم‌افزار تحلیل منتقل می‌شوند که می‌توانند -‌ به عنوان مثال -‌ فروش مورد انتظار یک کالای خاص را اطلاع دهند. این اطلاعات برای تجارت خرده‌فروشی اهمیت زیادی دارند چراکه شرکت‌‌ها را قادر می‌سازند از مشکلات تحویل و انبارداری کالا اجتناب کنند. به عنوان مثال مشخص شد که در یکی از شعبه‌های یک فروشگاه زنجیره‌ای فروش شیر، شکلات و سیب همزمان با ورود دانشجویان به خوابگاه محلی افزایش می‌یابد. نرم‌افزار می‌تواند با داده‌های مرتبط با برنامه درسی احتمال فروش کالا را پیش‌بینی کند. بنابراین موجودی انبار به طور خودکار تنظیم می‌شود.

افزایش دقت پیش‌بینی فروش
جریان مداوم داده‌های جدید نرم‌افزار را قادر می‌سازد تحقیقات بازاری سریعی درباره رفتار مشتریان انجام دهد. نتایج این تحقیقات به شرکت‌ها کمک می‌کند تعداد نیروی کار مورد نیاز خود و فروش هر شعبه را پیش‌بینی کنند. تحلیل داده‌ها برای شرکت‌های بیمه نیز مفید هستند. اتومبیل‌ها می‌توانند با حسگرهای خود رفتار راننده را ثبت کنند و رانندگان هنگام مراجعه به بیمه با ارائه این اطلاعات تخفیف می‌گیرند. داده‌های بزرگ در حال شکل‌دهی مجدد اقتصاد هستند و البته این هنوز آغاز راه است.

مغز الکترونیکی برای مقابله با سرطان
داده‌های بزرگ از روش‌های دیگر به جامعه سود می‌رسانند. دستگاه‌های محاسبه‌گر تمام داده‌های مریض را در حافظه خود نگه می‌دارند و با سرعتی هزار برابر بیشتر از رایانه‌های معمولی آنها را تحلیل می‌کنند. این فناوری می‌تواند بنیانی برای کاربردهای تجاری و فرصتی برای درمان سرطان باشد. در حال حاضر رمزگشایی ژن‌های فرد به منظور پیدا کردن درمان فردی ماه‌ها طول می‌کشد چراکه تقریباً سه میلیارد ساختار ژنی در DNA فرد وجود دارد. تحلیل این داده‌ها پزشکی را امری فردگرایانه می‌کند و دیگر نمی‌توان یک روش درمان را برای همه افراد تجویز کرد. با استفاده از «ابرمغز» جدید تحلیل داده‌ها فقط چند ثانیه طول خواهد کشید. مقایسه نتایج تحلیل‌ها می‌تواند موارد مشابه و بهترین راه‌های درمان را مشخص کند. حسگرهای جدید که در منزل نصب می‌شوند می‌توانند به ویژه برای افراد تنها مفید باشند و با جمع‌آوری و تحلیل داده‌ها وضعیت اضطراری را تشخیص داده و زنگ هشدار را به صدا درآورند.

دراین پرونده بخوانید ...

دیدگاه تان را بنویسید

 

پربیننده ترین اخبار این شماره

پربیننده ترین اخبار تمام شماره ها