Data besar, sains sosial dan cara mengubah hasil negatif menjadi yang positif

Jumlah data berkembang pesat disebabkan oleh penggunaan peranti mudah alih, media sosial dan data dari sumber lain yang tidak berstruktur. Teknologi data yang besar, seperti Hadoop, mengambil tempat duduk pemandu di dunia perniagaan dengan memperkenalkan pendekatan baru untuk menganalisis jumlah data yang lebih besar di pelbagai sumber.

Data besar ditakrifkan sebagai isipadu, kepelbagaian dan halaju data yang melebihi keupayaan organisizatin untuk mengurus dan menganalisisnya pada masa yang tepat. Keuntungan sebenar data besar dicapai apabila ia dapat dituai untuk keputusan berasaskan fakta yang cepat, yang boleh menyebabkan keputusan perniagaan yang besar. Oleh itu, organisasi yang dapat meneroka dan memanfaatkan data besar cenderung mempunyai kelebihan yang berbeza. Di sini, kita akan melihat apa yang boleh dilakukan oleh data besar, bagaimana ia boleh digunakan dalam satu bidang kaya data, dan aplikasi yang lebih luas ini untuk bidang perniagaan dan kerajaan yang lain.

Letupan Data

Cara terbaik untuk menentukan data besar ialah "jumlah yang semakin meningkat dan kerumitan maklumat yang kita semua buat dan menggunakan setiap hari, " kata Charlie Schick, pengarah penyelesaian data besar untuk penjagaan kesihatan dan sains hayat di IBM. Sebenarnya, setiap hari kita mencipta kira-kira 2.5 kali kuintil bait data menggunakan pelbagai sumber, dari pelbagai rekod transaksi beli ke imej perubatan penjagaan kesihatan, dari penemuan penyelidikan saintifik ke mesej media sosial.

Enjin carian bersama dengan media sosial, seperti Twitter, telah menyediakan satu contoh baru tentang bit data yang dikumpulkan secara besar-besaran. Ini juga telah mengubah cara pemikiran kita tentang mengumpul dan menguruskan data ini. Budaya semasa adalah untuk mengambil jumlah data kecil ini dalam masa yang singkat. Pendekatan ini memberikan cabaran besar serta peluang menarik untuk pengurusan data. Untuk model perniagaan untuk berjaya, ia harus dapat memproses jumlah data yang lebih besar, ditangkap dengan cara yang kecil dan semakin beragam.

Memandangkan jumlah data, ia menjadi satu cabaran untuk mencari mekanisme yang berkesan untuk mengumpulnya. Mari kita pertimbangkan kes penjagaan kesihatan dan data media sosial. Kedua-dua bidang ini mempunyai set data yang besar. Pengumpulan data untuk bidang ini merupakan langkah penting dalam evolusi data besar. Tanpa mekanisme yang sesuai untuk mengumpul data, kita tidak boleh mempunyai hasil yang tepat.

Meneroka dan Memproses Data Besar

Melangkah ke hadapan, dipercayai bahawa organisasi yang dapat meneroka dan memanfaatkan data besar harus dapat membuat lebih banyak keputusan berdasarkan bukti dengan cepat. Dengan menggunakan data yang besar, kita dapat dengan mudah memberikan jawapan kepada beberapa soalan penting dalam apa jua bidang. Walau bagaimanapun, di sini, kita akan melihat sektor perkhidmatan sosial, kawasan di mana data besar mempunyai kuasa untuk memberi impak besar.

Sebagai contoh, data besar harus dapat menganalisis dan menjawab soalan-soalan berikut dan pada akhirnya memberikan hasil pesakit yang lebih baik:

• Apakah korelasi antara kemasukan semula dan akses kepada perkhidmatan sosial?
• Adakah terdapat hubungan antara tempoh penginapan dan keberkesanan intervensi?
• Apakah hubungan antara alamat rumah dan kekerapan lawatan?
• Adakah mungkin mencari hubungan antara status keluarga, campur tangan, dan hasil yang boleh membantu kami mengenal pasti calon campur tangan yang sama ketika mereka memasuki sistem penjagaan?
• Adakah terdapat wawasan tentang segelintir penduduk yang memberi panduan kepada kami untuk mengubah tingkah laku program kami sama ada untuk bertindak balas atau bergerak lebih awal daripada trend negatif seperti kehamilan remaja atau keganasan rumah tangga?

Adalah satu fakta bahawa menggunakan data besar dalam sektor perkhidmatan sosial dapat membolehkan para pekerja sosial mengawasi tren negatif dan mengambil tindakan yang diperlukan pada waktunya. Jika kita dapat mengenal pasti keperluan sebelum pelanggan mengetahui tentangnya, kita boleh mengendalikan keadaan dengan cara yang cekap. Mengeluarkan sekolah, dalam sektor belia, boleh dipertimbangkan sebagai contoh yang berpotensi. Sekiranya kita menyemak trend tentang belia yang dipisahkan dari sekolah atau menunjukkan tindakan yang cenderung membawa kepada tingkah laku berisiko yang lebih besar atau prestasi kurang berprestasi - apabila data menunjukkan potensi yang lebih tinggi - maka mungkin untuk campur tangan dengan langkah-langkah pencegahan yang mungkin tidak lebih mahal tetapi adalah lebih berkesan dan boleh didorong oleh pelanggan.

Data besar memungkinkan untuk menangani situasi ini dan untuk mengetahui sebab masalah. Ini membantu kita membasmi masalah ini, setelah dikenalpasti. Kita boleh mencari masalah hanya dengan melihat arah aliran dan data sejarah. Dalam media sosial, sambil menganalisis data kita mesti mempunyai mekanisme analisis aliran. Set data yang lebih besar yang kita analisa, hasil yang lebih baik, lebih tepat dapat dicapai. Data besar bukan sahaja menyediakan cara untuk mengendalikan data besar, tetapi juga menyediakan penyelesaian inovatif untuk memproses data yang lebih luas. Data besar mempunyai keupayaan untuk mengendalikan set data berstruktur, tidak berstruktur dan separuh berstruktur. (Ketahui lebih lanjut dalam 5 Masalah Dunia Sebenar Besar Data Dapat Menyelesaikan.)

Analisis Data Besar dalam Sains Sosial

Analisis data sosial tidak lain hanyalah menganalisis data sosial. Data ini boleh datang dari mana-mana bidang. Seperti yang dinyatakan di atas, kita perlu mencari sebab yang tepat untuk hasil negatif - seperti drop out sekolah tinggi - dalam sektor tertentu. Sebaik sahaja masalah itu dikenal pasti, ia menjadi lebih mudah untuk menangani keadaan. Data besar adalah alat yang membuat penemuan ini mungkin.