На данный момент вопрос больших данных только начинает изучаться в российской науке. Именно поэтому качество образования в этой сфере, применимое к реальным задачам очень важно [3]. Управлять большими данными и их стандартизацией в той или иной степени предстоит в ближайшее время большому количеству управленцев и специалистов по менеджменту качества [1].
Рассмотрим большие данные более подробно. Сегодня эксперты в области больших данных вкладывают в понятие «Big data» два смысла, точнее две сущности: новое поколение данных и новое поколение технологий управления данными. «Комбинация громадных объемов самых разных типов данных создает информацию, представляющую новую ценность для бизнеса, – считает Хельмут Бек, вице-президент по системам хранения данных Fujitsu Technology Solutions, – Один из аспектов работы с Big Data – это инструменты Business Intelligent, способные оказать большое влияние на результаты бизнеса» [6].
Большие данные для прогнозирования своего бизнеса используют многие крупные игроки в сфере розничной торговли – например, применяя данные, полученные с помощью инструментов радиочастотной идентификации, систем логистики и репленишмента, а также из программ лояльности [2]. Опыт ритейла стимулирует другие сектора рынка к поиску новых эффективных способов монетизации больших данных, с целью превращения результатов их анализа в ресурс для развития бизнеса. По прогнозам экспертов, до 2020 года инвестиции в хранение и управление большими данными снизятся с 2$ до 0,2$ на каждый гигабайт данных, а расходы на изучение и анализ технологических свойств больших данных вырастут на 40 %. При этом максимальная часть затрат в инвестиционных проектах приходится на продукты, которые связаны со сбором, очисткой, структурированием данных и управлением информацией [5].
Существование и развитие больших данных определяет три основных типа задач:
Хранение и управление объемами данных в сотни терабайт или петабайт. Обычные реляционные базы данных не позволяют эффективно использовать такие массивы информации.
Организация неструктурированной информации, состоящей из текстов, изображений, видео и иных типов данных, отличающихся друг от друга по разным параметрам.
Анализ больших данных, в ходе которого ставится вопрос о способах работы с неструктурированной информацией, генерации аналитических отчетов, а также о методах внедрения прогностических моделей.
Таким образом, для повышения качества образования в области больших данных, их стандартизации и управления необходимо сосредоточиться на изучении и решении указанных типов задач и разбора аналогичных примеров в процессе обучения [4]. При этом, стоит также уделить отдельное внимание самому понятию большие данные и его месту в современном мире.
Библиографическая ссылка
Назаренко М.А. ПРОБЛЕМЫ КАЧЕСТВА ОБРАЗОВАНИЯ В ОБЛАСТИ УПРАВЛЕНИЯ И СТАНДАРТИЗАЦИИ БОЛЬШИХ ДАННЫХ // Международный журнал экспериментального образования. – 2015. – № 11-1. – С. 61-62;URL: https://expeducation.ru/ru/article/view?id=8304 (дата обращения: 23.04.2024).