Veľké údaje, spoločenské vedy a ako zmeniť negatívne výsledky na pozitívne

Objem údajov rýchlo rastie vďaka využívaniu mobilných zariadení, sociálnych médií a údajov z iných neštruktúrovaných zdrojov. Veľké dátové technológie, ako napríklad Hadoop, sa posúvajú na miesto vodiča v obchodnom svete zavádzaním nových prístupov k analýze väčšieho množstva údajov z rôznych zdrojov.

Veľké dáta sú definované ako objem, rozmanitosť a rýchlosť údajov, ktoré presahujú schopnosť organizátora ich včasne spravovať a analyzovať. Skutočná výhoda veľkých údajov sa realizuje vtedy, keď sa dajú zozbierať na rýchle a faktické rozhodnutia, ktoré môžu viesť k veľkým obchodným rozhodnutiam. Takže organizácie, ktoré sú schopné skúmať a využívať veľké údaje, majú zvyčajne výraznú výhodu. Tu sa pozrieme na to, čo veľké údaje dokážu, ako sa dajú použiť v jednej oblasti bohatej na údaje a aké širšie aplikácie to má pre iné oblasti podnikania a vlády.

Výbuch údajov

Najlepším spôsobom, ako definovať veľké dáta, je „neustále rastúce množstvo a komplexnosť informácií, ktoré každý z nás vytvára a konzumuje každý deň, “ hovorí Charlie Schick, riaditeľ veľkých dátových riešení pre zdravotníctvo a biologické vedy v IBM. V skutočnosti každý deň vytvárame približne 2, 5 miliárd bajtov údajov pomocou rôznych zdrojov, od rôznych záznamov o nákupných transakciách až po zdravotnícke lekárske snímky, od výsledkov vedeckého výskumu po správy zo sociálnych médií.

Vyhľadávacie nástroje spolu so sociálnymi médiami, ako napríklad Twitter, vytvorili novú inštanciu malých kúskov údajov, ktoré sa zhromažďujú vo veľkom rozsahu. Aj to zmenilo náš spôsob premýšľania o zhromažďovaní a správe týchto údajov. Súčasná kultúra má za krátky čas spotrebovať väčšie množstvá týchto malých údajov. Tento prístup predstavuje obrovské výzvy, ako aj vzrušujúce príležitosti na správu údajov. Aby obchodný model uspel, mal by byť schopný spracovať väčšie objemy údajov zachytených malými a čoraz rozmanitejšími spôsobmi.

Vzhľadom na objem údajov sa stáva výzvou nájsť efektívny mechanizmus ich zberu. Zoberme si prípad údajov o zdravotnej starostlivosti a sociálnych médiách. Obe tieto oblasti obsahujú veľké súbory údajov. Zber údajov pre tieto polia je dôležitým krokom vo vývoji veľkých údajov. Bez vhodného mechanizmu na zhromažďovanie údajov nemôžeme dosiahnuť presné výsledky.

Preskúmanie a spracovanie veľkých údajov

V budúcnosti sa predpokladá, že organizácie, ktoré môžu skúmať a využívať veľké údaje, by mali byť schopné rýchlo prijímať rozhodnutia založené na dôkazoch. Použitím veľkých dát dokážeme ľahko poskytnúť odpovede na niektoré významné otázky v takmer akejkoľvek oblasti. Tu sa však pozrieme na sektor sociálnych služieb, oblasť, v ktorej majú veľké údaje obrovský vplyv.

Napríklad veľké údaje by mali byť schopné analyzovať a zodpovedať nasledujúce otázky a v konečnom dôsledku poskytnúť lepší výsledok pre pacienta:

• Aká je korelácia medzi opätovným prijatím a prístupom k sociálnym službám?
• Existuje korelácia medzi dĺžkou pobytu a efektívnosťou zásahu?
• Aké je spojenie medzi domácou adresou a frekvenciou návštev?
• Je možné nájsť súvislosť medzi rodinným stavom, zásahmi a výsledkami, ktoré nám môžu pomôcť pri identifikácii podobných kandidátov na intervenciu pri vstupe do systému starostlivosti?
• Existuje vhľad do časti populácie, ktorá nás vedie k vyladeniu našich programov, aby sme buď reagovali na negatívne trendy, ako je tehotenstvo mladistvých alebo domáce násilie, alebo aby sme sa posunuli ďalej

Faktom je, že využívanie veľkých údajov v sektore sociálnych služieb by mohlo sociálnym pracovníkom umožniť sledovať negatívne trendy a včas podniknúť potrebné kroky. Ak dokážeme identifikovať potreby ešte predtým, ako o nich klient vie, môžeme situáciu vyriešiť oveľa efektívnejšie. Možným príkladom môže byť predčasné ukončenie školskej dochádzky v sektore mládeže. Ak skontrolujeme trendy, ktoré mladí ľudia vychádzajú zo školy, alebo demonštrujeme činnosti, ktoré majú tendenciu viesť k väčšiemu rizikovému správaniu alebo nedostatočnému výkonu vo vzdelávaní - keď údaje jasne ukazujú väčší potenciál - je možné zasiahnuť preventívnymi opatreniami, ktoré nemusia stáť viac, ale sú efektívnejšie a môžu byť privedené ku klientovi.

Veľké údaje umožňujú zvládnuť tieto situácie a zistiť príčinu problémov. Pomôže nám to po odstránení problému odstrániť. Tento problém môžeme objaviť iba pri pohľade na trendy a historické údaje. V sociálnych médiách musíme pri analýze údajov disponovať mechanizmom analýzy trendov. Čím väčšiu skupinu údajov analyzujeme, tým lepšie a presnejšie výsledky môžeme dosiahnuť. Veľké dáta poskytujú nielen spôsoby, ako spracovať veľké objemy údajov, ale tiež poskytujú inovatívne riešenia na spracovanie širšej škály údajov. Veľké dáta dokážu spracovať štruktúrované, neštruktúrované a čiastočne štruktúrované súbory údajov. (Viac informácií nájdete v 5 problémoch reálneho sveta, ktoré môžu vyriešiť veľké dáta.)

Analýza veľkých dát v sociálnej vede

Analýza sociálnych údajov nie je nič iné ako analyzovanie sociálnych údajov. Tieto údaje môžu pochádzať z ľubovoľného poľa. Ako je uvedené vyššie, musíme zistiť presný dôvod negatívnych výsledkov - napríklad neúspešných študentov na vysokej škole - v určitom sektore. Po zistení problému sa situácia ľahšie zvládne. Veľké údaje sú nástrojom, ktorý umožňuje nájsť tieto informácie.