Cosa sono i Big Data
I Big Data sono una raccolta di dati informativi così estesa in termini di volume, velocità e varietà da richiedere tecnologie e metodi analitici specifici per l’estrazione di valore o conoscenza.
Fonte: Wikipedia
Come funzionano i Big Data
La quantità e la complessità di dati attuale presente nel mondo incrementerà sempre più in futuro.
I dati raccolti dai dispositivi IOT costituiscono un esempio di Big Data.
Per raccogliere ed archiviare i Big Data è necessaria un’infrastruttura e per gestirli sono necessari strumenti e competenze specifiche.
Big Data vs Database
Big Data: Si riferiscono a tecnologie che coinvolgono dati di tipologia diversa, in rapida evoluzione e di grande mole;
DBMS: Il sistema di gestione del database estrae le informazioni dal database in risposta alle query effettuate ma lo fa rispettando condizioni ristrette.
Big Data e Machine Learning
Siccome la quantità di dati è destinata ad aumentare nel tempo, la raccolta e la gestione dei dati si sta trasformando in un’impresa eccezionale per il business.
L’analisi dei dati raccolti può costituire un valido aiuto per affinare la strategia di marketing e aumentare le conversioni e questo può essere fatto tramite Machine Learning.
Big Data e Blockchain
La nostra società produce quotidianamente un numero elevato di dati e ogni azione che effettuiamo lascia una traccia digitale che può essere raccolta ed analizzata da parte di specifici algoritmi.
Quando i nostri dati personali sono tradotti in Big Data potrebbero essere danneggiati, persi, non aggiornati o, peggio ancora, acquisiti da entità non autorizzate.
Per la sua natura di condivisione e lotta alla manipolazione e corruzione dei dati, la Blockchain si pone come possibile soluzione.
Uno dei fattori da considerare è però il consumo energetico che ne deriverebbe, in quanto la Blockchain dovrebbe occuparsi della produzione, analisi e inserimento di una quantità in forte crescita di dati.
Big Data Pro e Contro
Vantaggi:
- Migliori decisioni e strategie;
- Produttività;
- Efficienza;
- Risparmio economico;
- Rilevazioni di frodi e anomalie;
- Innovazione;
Svantaggi:
- Discutibile qualità dei dati;
- Maggiori rischi per la sicurezza;
- Maggiore complessità del sistema;
- Alto costo dell’infrastruttura;
- Richiesti professionisti del settore.
