ВВЕДЕНИЕ
Актуальность темы. Большие данные (Big Data) представляют собой массивы информации, характеризующиеся тремя ключевыми параметрами (концепция 3V): объем (Volume), скорость (Velocity) и разнообразие (Variety), которые превышают возможности традиционных систем обработки данных. Согласно прогнозам IDC, объем создаваемых в мире данных достигнет 175 зеттабайт к 2025 году. Технологии Big Data позволяют извлекать ценные знания из огромных массивов структурированных и неструктурированных данных, обеспечивая конкурентные преимущества в бизнесе, научные открытия и повышение эффективности государственного управления. Аналитика больших данных применяется в персонализации маркетинга, предиктивном обслуживании оборудования, медицинской диагностике, финансовом моделировании, оптимизации логистики. Развитие технологий машинного обучения и искусственного интеллекта усиливает возможности извлечения знаний из больших данных.
Степень разработанности проблемы. Концепция больших данных сформулирована в работах Д. Лэйни, В. Майер-Шенбергера, К. Кукьера. Технологии обработки Big Data анализируются в трудах отечественных ученых А. Н. Райкова, С. В. Симонова, К. В. Воронцова. Зарубежные исследователи (Manyika et al., 2011; Chen et al., 2014; Sivarajah et al., 2017) изучают применение больших данных в различных отраслях. Вопросы безопасности и этики использования данных рассматриваются в работах Б. Шнайера, В. Майер-Шенбергера.
Цель работы — изучить технологии больших данных и их практическое применение.
Задачи работы:
- Рассмотреть концепцию больших данных и методы их обработки.
- Изучить инструменты и платформы аналитики Big Data.
- Проанализировать практические применения технологий больших данных.
- Определить перспективы развития и вызовы в области Big Data.
Методы исследования: анализ научно-технической литературы, систематизация технологий обработки данных, изучение кейсов применения Big Data в различных отраслях.
