![]() |
image source:http://itknowledgeexchange.techtarget.com |
Big data dapat ditandai dengan 3Vs: volume ekstrim data, berbagai jenis data dan kecepatan di mana data harus diproses harus. Meskipun data yang besar tidak mengacu pada jumlah tertentu, istilah ini sering digunakan ketika berbicara tentang petabyte dan exabyte data, banyak yang tidak dapat diintegrasikan dengan mudah.
Karena big data membutuhkan terlalu banyak waktu dan biaya serta terlalu banyak membutuhkan uang untuk memuat ke dalam database tradisional relasional untuk analisis, pendekatan baru untuk menyimpan dan menganalisis data telah muncul yang mengandalkan kurang pada data skema dan kualitas data. Sebaliknya, data mentah dengan metadata diperpanjang dikumpulkan dalam data danau dan mesin belajar dan kecerdasan buatan (AI) program menggunakan algoritma yang kompleks untuk mencari pola berulang.
Analisis big data sering dikaitkan dengan komputasi cloud karena analisis data yang besar diatur secara real-time membutuhkan platform seperti Hadoop untuk menyimpan kumpulan data besar di cluster didistribusikan dan MapReduce untuk mengkoordinasikan, menggabungkan dan mengolah data dari berbagai sumber.
Meskipun permintaan untuk big data analyticsis tinggi, saat ini ada kekurangan ilmuwan data dan analis lain yang memiliki pengalaman bekerja dengan data yang besar dalam terdistribusi, lingkungan open source. Dalam perusahaan, vendor telah merespon kekurangan ini dengan menciptakan peralatan Hadoop untuk membantu perusahaan mengambil keuntungan dari data semi-terstruktur dan tidak terstruktur yang mereka miliki.
Big data dapat dibandingkan dengan data kecil, istilah lain yang berkembang yang sering digunakan untuk menggambarkan data yang volume dan format yang dapat dengan mudah digunakan untuk analisis swalayan. Sebuah aksioma sering dikutip adalah bahwa "Data yang besar adalah untuk mesin, data kecil untuk orang-orang."
Demikian informasi dari kami yang berjudul "Big data Adalah ... (Pengertian Dan definisi Big data)"