Table of Contents
Với sự phát triển như vũ bão của công nghệ, thuật ngữ Big data không chỉ được sử dụng thường xuyên bởi các nhà nghiên cứu về công nghệ chuyên nghiệp mà những người tiếp xúc, sử dụng máy tính hàng ngày cũng đặt câu hỏi và có sự tò mò nhất định về thuật ngữ này. Hãy cùng GhienCongNghe đi tìm hiểu Big data là gì và những gì cần biết về nó nhé.
Big data là gì?
Trước khi tìm hiểu về Big data (dữ liệu lớn), hãy tìm hiểu Data là gì trước nhé.
Data – Dữ liệu là gì?
Dữ liệu bao gồm các đại lượng, ký tự hoặc ký hiệu có thể được lưu trữ và truyền dưới dạng tín hiệu điện và được ghi lại trên phương tiện ghi từ tính, quang học hoặc cơ học. Có thể hiểu đơn giản là danh bạ liên hệ, file ghi âm hay những bản nhạc lưu trong điện thoại, file word/exel/power point do bạn soạn ra hay được người khác chia sẻ, v.v đều là các ví dụ về dữ liệu.
Bây giờ, chúng ta hãy tìm hiểu giới thiệu về dữ liệu lớn.
Big data – Dữ liệu lớn là gì?
Dữ liệu lớn là một tập hợp, cũng là dữ liệu nhưng có khối lượng khổng lồ, tiếp tục phát triển theo cấp số nhân theo thời gian. Nó có kích thước lớn và phức tạp đến mức không một công cụ quản lý dữ liệu truyền thống nào có thể lưu trữ hoặc xử lý nó một cách hiệu quả.
Các dữ liệu thuộc tập hợp dữ liệu lớn được tạo và truyền nhanh chóng từ nhiều nguồn khác nhau. Các thuộc tính này tạo nên ba chữ V của dữ liệu lớn:
Khối lượng (Volume): Lượng dữ liệu khổng lồ đang được lưu trữ.
Tốc độ (Velocity): Tốc độ cực nhanh mà các luồng dữ liệu phải được xử lý và phân tích.
Đa dạng (Veriaty): Các nguồn và hình thức khác nhau mà dữ liệu được thu thập, chẳng hạn như số, văn bản, video, hình ảnh, âm thanh và văn bản.
Ngày nay, dữ liệu liên tục được tạo ra bất cứ lúc nào chúng ta mở ứng dụng, tìm kiếm trên Google hoặc đơn giản là đi du lịch đến nơi với các thiết bị di động của mình. Kết quả là gì? Nó tạo nên bộ sưu tập khổng lồ thông tin có giá trị mà các công ty và tổ chức cần quản lý, lưu trữ, trực quan hóa và phân tích.
Các công cụ dữ liệu truyền thống không được trang bị để xử lý loại phức tạp và khối lượng này, điều này đã dẫn đến một loạt các giải pháp kiến trúc và phần mềm dữ liệu lớn chuyên dụng được thiết kế để quản lý dữ liệu.
Các ví dụ về Big data
Sở giao dịch chứng khoán New York tạo ra khoảng một terabyte dữ liệu giao dịch mới mỗi ngày.
Các phương tiện truyền thông xã hội: Thống kê cho thấy rằng hơn 500 terabyte dữ liệu mới được đưa vào cơ sở dữ liệu của trang mạng xã hội Facebook mỗi ngày. Dữ liệu này chủ yếu được tạo về tải lên ảnh và video, trao đổi tin nhắn, bình luận, v.v.
Hay gần đây được các tín đồ mua sắm cực kì ưa chuộng chính là các trang thương mại điện tử như Shopee, Lazada, Tiki hay rộng hơn là Taobao và Amazon, với nền tảng là vô số mặc hàng thuộc nhiều chuyên mục cùng những nhà cung cấp khác nhau, đặc biệt là lượng người dùng truy cập xem hàng, chốt đơn với số lượng chóng mặt, đã tạo nên một lượng data khổng lồ không ngừng phát triển.
Big data được phân loại như thế nào?
Sau đây là các loại Dữ liệu lớn:
Có cấu trúc
Bất kỳ dữ liệu nào có thể được lưu trữ, truy cập và xử lý ở dạng định dạng cố định được gọi là dữ liệu có cấu trúc. Theo thời gian, khoa học máy tính đã đạt được thành công lớn trong việc phát triển các kỹ thuật làm việc với loại dữ liệu như vậy (nơi định dạng đã được biết trước) và thu được giá trị.
Tuy nhiên, hiện nay, chúng ta đang nhìn nhận và đối diện các vấn đề khi kích thước dữ liệu liên tục phát triển đến mức khổng lồ, các kích thước điển hình đang ở mức nhiều zettabyte. Bạn có biết? 1021 byte tương đương với 1 zettabyte hoặc một tỷ terabyte tạo thành một zettabyte.
Nhìn vào những con số này, người ta có thể dễ dàng hiểu tại sao cái tên ‘Dữ liệu lớn’ được đặt ra và hình dung những thách thức liên quan đến việc lưu trữ và xử lý nó.
Bạn có biết? Dữ liệu được lưu trữ trong hệ quản trị cơ sở dữ liệu quan hệ là một ví dụ về dữ liệu ‘có cấu trúc’.
Nguồn ảnh: voer.edu.vn
Phi cấu trúc
Bất kỳ dữ liệu nào có dạng không xác định hoặc cấu trúc được phân loại là dữ liệu phi cấu trúc. Ngoài kích thước khổng lồ, dữ liệu không có cấu trúc còn đặt ra nhiều thách thức về mặt xử lý để thu được giá trị từ nó. Một ví dụ điển hình của dữ liệu phi cấu trúc là một nguồn dữ liệu không đồng nhất chứa sự kết hợp của các tệp văn bản đơn giản, hình ảnh, video, v.v.
Ngày nay, các tổ chức ngày có sẵn rất nhiều dữ liệu nhưng thật không may, họ không biết cách lấy giá trị từ kho dữ liệu này ở dạng thô hoặc định dạng không có cấu trúc.
Ví dụ về dữ liệu không có cấu trúc: Kết quả được trả về bởi ‘Google Tìm kiếm’
Bán cấu trúc
Dữ liệu bán cấu trúc có thể chứa cả hai dạng dữ liệu. Chúng ta có thể xem dữ liệu bán cấu trúc là dữ liệu có cấu trúc trong biểu mẫu nhưng nó thực sự không được định nghĩa, ví dụ: một định nghĩa bảng trong DBMS quan hệ hoặc dữ liệu được biểu diễn trong tệp XML.
Dữ liệu cá nhân được lưu trữ trong tệp XML
Ba đặc tính của Big data
Khối lượng
Trong khi dữ liệu truyền thống được đo bằng các kích thước quen thuộc như megabyte, gigabyte và terabyte, dữ liệu lớn được lưu trữ bằng petabyte và zettabyte.
Để nắm bắt được sự khác biệt to lớn về quy mô có thể tham khảo cách so sánh từ Trường Thông tin Berkeley thuộc Đại học California: một gigabyte tương đương với một video 7 phút ở chế độ HD, trong khi một zettabyte bằng 250 tỷ DVD.
Không những vậy, theo một báo cáo của EMC, vũ trụ kỹ thuật số đang tăng gấp đôi kích thước sau mỗi hai năm và đến năm 2020 dự kiến sẽ đạt 44 nghìn tỷ zettabyte.
Dữ liệu lớn cung cấp kiến trúc xử lý các loại dữ liệu. Nếu không có các giải pháp thích hợp để lưu trữ và xử lý, sẽ không thể khai thác được thông tin chi tiết.
Vận tốc
Từ tốc độ tạo cho đến lượng thời gian cần thiết để phân tích của dữ liệu lớn đều rất nhanh. Các công ty và tổ chức phải có khả năng khai thác những dữ liệu này và tạo ra thông tin chi tiết trong thời gian thực, cho phép những người ra quyết định hành động nhanh chóng, giúp họ có vị thế trong cuộc cạnh tranh.
Mặc dù một số dạng dữ liệu có thể được xử lý theo đợt và vẫn phù hợp theo thời gian, nhưng phần lớn dữ liệu lớn đang truyền trực tuyến vào các tổ chức theo từng đoạn và yêu cầu hành động ngay lập tức để có kết quả tốt nhất. Dữ liệu cảm biến từ các thiết bị sức khỏe là một ví dụ: Khả năng xử lý thông tin về sức khỏe ngay lập tức có thể cung cấp cho và bác sĩ thông tin cần thiết để cứu sống bệnh nhân.
Sự đa dạng
Khoảng 95% dữ liệu lớn là không có cấu trúc, có nghĩa là nó không dễ dàng phù hợp với một mô hình truyền thống đơn giản. Mọi thứ, từ email và video đến dữ liệu khoa học và khí tượng đều có thể tạo thành một dòng dữ liệu lớn, mỗi dữ liệu đều có các thuộc tính riêng biệt. Vì tính đặc biệt đa dạng này mà big data đòi hỏi phải được quản lý thật hiệu quả bởi các đội ngũ chuyên gia vi tính.
Lợi ích của việc xử lý Big data
Khả năng xử lý Big data mang lại nhiều lợi ích, chẳng hạn như:
- Các doanh nghiệp có thể sử dụng thông tin trong khi đưa ra quyết định
Quyền truy cập vào dữ liệu xã hội từ các công cụ tìm kiếm và các trang web như facebook, twitter đang cho phép các tổ chức điều chỉnh chiến lược kinh doanh của họ.
2. Cải thiện dịch vụ khách hàng
Các hệ thống phản hồi khách hàng truyền thống đang được thay thế bằng các hệ thống mới được thiết kế với công nghệ Dữ liệu lớn. Trong các hệ thống mới này, Dữ liệu lớn và công nghệ xử lý ngôn ngữ tự nhiên đang được sử dụng để đọc và đánh giá phản hồi của người tiêu dùng, đặc biệt dễ thấy đó là trên các sàn giao dịch thương mại điện tử.
3. Nhận biết sớm rủi ro đối với sản phẩm/dịch vụ nếu có
4. Hiệu quả hoạt động tốt hơn
Công nghệ Big data có thể được sử dụng để tạo khu vực tổ chức hoặc khu vực đích cho dữ liệu mới trước khi xác định dữ liệu nào nên được chuyển đến kho dữ liệu. Ngoài ra, việc tích hợp công nghệ Dữ liệu lớn và kho dữ liệu giúp tổ chức giảm tải dữ liệu không được truy cập thường xuyên.
Big data được sử dụng trong hầu hết các ngành để xác định các kiểu mẫu và xu hướng, hiểu rõ hơn về khách hàng và giải quyết các vấn đề phức tạp. Các công ty và tổ chức sử dụng thông tin vì nhiều lý do như phát triển doanh nghiệp của họ, hiểu các quyết định của khách hàng, tăng cường nghiên cứu, đưa ra dự báo và xác định được nhóm khách hàng mục tiêu để quảng cáo.
Các lĩnh vực ứng dụng Big data: tài chính, y tế, truyền thông giải trí, quảng cáo và marketing, thương mại điện tử và bán lẻ, giáo dục, thể thao, v.v.
Những khó khăn và cách khắc phục khi làm việc với Big data
Bên cạnh những tiện ích khổng lồ mà nó mang lại, lượng dữ liệu quá lớn và độ đa dạng không ổn định cũng khiến người dùng gặp phải những khó khăn như:
Chất lượng dữ liệu không đảm bảo, bị ngợp bởi lượng thông tin quá lớn và thiếu tính xác thực dẫn đến việc tìm kiếm thông tin không như ý.
Ngoài ra, bảo mật thông tin cá nhân trên các khối dữ liệu này cũng là vấn đề mà chúng ta cần quan tâm và cẩn trọng. Các vụ rò rỉ thông tin cá từ những nguồn không đảm bảo tính bảo mật dẫn đến một số người bị lừa chuyển tiền cho những đối tượng xấu hay bị hack tài khoản mạng xã hội để mượn tiền người thân bạn bè là những sự việc chúng ta cần lưu tâm.
Chính vì lẽ đó, khi tham gia vào mạng lưới Big data ta cần lưu ý hai điểm chủ yếu sau: Một là hiểu rõ mục đích cuối cùng là gì để tối ưu hóa hiệu suất tìm kiếm thông tin. Hai là tìm hiểu sâu hơn về bảo mật thông tin để tự bảo vệ chính mình trong thế giới số không ngừng phát triển và cũng tìm ẩn rủi ro hiện nay.
>> Domain là gì? Dễ dàng hiểu được khái niệm về domain.
>> Token là gì? Không phải ai cũng dùng từ này đúng cách.
Trên đây GhienCongNghe đã chia sẻ rất nhiều thông tin để bạn hiểu được Big data là gì. Nếu bạn vẫn chưa hiểu, hãy Comment ngay bên dưới những thắc mắc của các bạn. Hi vọng bạn cảm thấy bài viết này bổ ích và đừng quên Like & Share bài viết để GhienCongNghe có thêm động lực chia sẻ càng nhiều thông tin hơn bạn nhé.
Tham khảo Guru99 và Builtin
