ポイント: ビッグデータは、高いボリューム、速度、および多様性を特徴とする膨大な情報を指し、データ駆動型の意思決定に重要です。その成長はAIやIoTのような技術によって促進されており、2025年までに175ゼタバイトに達する可能性があります。
- 主要なトレンドには、拡張分析と継続的インテリジェンスが含まれます。
- ビッグデータの価値は、ビジネス戦略を推進する洞察を明らかにすることにあります。
デジタル宇宙は常に拡大しており、物理的宇宙のように、デジタル世界自体が全観測可能な物理宇宙の星の数を超えるデータを生成しています。44ゼタバイト！これは44の後にゼロが続く数（44x1021）です。これは観測可能な宇宙の星の数の40倍のバイトです。
2025年までに、世界のデータスフィアには175ゼタバイトのデータが存在することになります。データボリュームの成長は指数的です。このすべてのデータはビッグデータと呼ばれます。この記事では、
ビッグデータとは何か？
ビッグデータとは、高いボリューム、速度、および多様性を特徴とし、体系的に抽出、分析、および処理される情報資産（データ）の用語です。ビッグデータの特性により、従来のデータ分析方法を使用して分析することは事実上不可能です。ビッグデータの重要性は、大規模な情報資産に隠されたパターンと洞察にあり、これがビジネスの意思決定を促進します。先進的な分析技術を使用して抽出されたこれらの洞察は、組織がユーザー、市場、社会、および世界の行動を理解するのに役立ちます。
ビッグデータの3つのV
情報資産がビッグデータと見なされるためには、3つのV基準を満たす必要があります：
- ボリューム。データのサイズ。高ボリュームデータは有用な洞察を含む可能性があります。ビッグデータと見なされるデータの最小閾値は通常、テラバイトやペタバイトから始まります。ビッグデータの大きなボリュームには、ハイパースケールコンピューティング環境が必要で、迅速な分析処理のために大規模なストレージと高速なIOPS（秒あたりの入出力操作）が必要です。
- 速度。データが生成され、処理される速度。ビッグデータは通常、ストリームで生成され、リアルタイムで利用可能です。データ生成の連続的な性質は、リアルタイムの意思決定に関連しています。
- 多様性。情報資産の種類と性質。生のビッグデータはしばしば非構造化またはマルチ構造化され、多様な属性、標準、ファイル形式で生成されます。たとえば、センサー、ログファイル、ソーシャルメディアネットワークから収集されたデータセットは非構造化です。したがって、データ分析と意思決定のために構造化データベースに処理する必要があります。
最近では、ビッグデータを特徴づけるために2つの追加のVが役立ちます：
- 真実性。データの信頼性または真実性。ビッグデータ分析の出力が関連するビジネス目標に関連している程度は、データの質、処理技術、および情報資産を分析するために使用されるメカニズムによって決定されます。
- 価値。ビッグデータ資産の有用性。ビッグデータ分析の出力の価値は主観的であり、独自のビジネス目標に基づいて評価されます。
ビッグデータと小データと厚データ
これらの特性に対して、他に2つのデータの形態があります：小データと厚データ。
小データ
小データは、通常数値または構造化された形式の管理可能なデータ資産を指し、Microsoft Excelやオープンソースの代替技術を使用して分析できます。
厚データ
厚データは、管理可能な手動プロセスを使用して分析できるテキストまたは定性的データを指します。例には以下が含まれます：
- インタビューの質問
- 調査
- ビデオの転写
定性的データを定量的なビッグデータと組み合わせて使用すると、個人によって簡単に伝えられる感情や行動の側面をよりよく理解できます。厚データは、個々の人間からの反応が大きな価値と洞察を持つ医療や科学研究の分野で特に有用です—大きなビッグデータストリームに対して。
2021-2022年のビッグデータトレンド
ビッグデータ技術は継続的に改善されています。実際、データ自体がビジネス組織にとって最も重要な資産になりつつあります。モノのインターネット（IoT）、クラウドコンピューティング、および人工知能（AI）の普及により、組織が生データを行動可能な知識に変えることが容易になっています。2021年に注目すべき最も人気のあるビッグデータ技術トレンドは以下の3つです：
- 拡張分析。ビッグデータ産業は、2021年末までに2740億ドルの価値があると言われています。データ管理プロセスを支援する拡張分析のような技術は急速に成長し、2023年までに184億ドルに達することが予測されています。
- 継続的インテリジェンス。リアルタイム分析をビジネスオペレーションに統合することは、リアルタイムで提供される先見的で行動可能な洞察を持って競争をリードするのに役立っています。
- ブロックチェーン。GDPRやHIPAAのような厳格な法律は、組織がデータを安全、アクセス可能、信頼できるものにすることを促しています。ブロックチェーンや同様の技術は、プライバシーリスクに対して非常に弾力があり、堅牢なデータガバナンスおよびセキュリティ手段として金融業界に浸透しつつあります。このEUリソースでは、ブロックチェーンがGDPRの主要な目標を補完する方法について説明しています。
ビジネス向けのビッグデータのベストプラクティス
確かにデータの世界は指数的に成長しています。あなたのデータとデータプロセスは、あなたがそれに求めているタスクに応じていますか？BMCブログには、ビッグデータについて理解し、作業するための多くのリソースがあります。BMC機械学習とビッグデータブログを閲覧するか、これらの分野についてさらに深く掘り下げてください：
データの基本
- データの質：エンタープライズITのためのトップコンセプトとベストプラクティス
- 構造化データと非構造化データ：プライバシーのシフト
- データアーキテクチャ：コンポーネント、標準、変わりゆくアーキテクチャ
- データストリーミングの説明：長所、短所、そしてその仕組み
- データパイプラインとは何か？
データストレージ
- データストレージの説明：データレイク対データウェアハウス対データベース
- コールドデータストレージ対ホットデータストレージ：違いは何ですか？
- データベースのCAP定理：一貫性、可用性、パーティション耐性
- データベースサービス（DBaaS）の説明
データ管理
データセキュリティ
データ分析と分析
- データ分析対データ解析：違いは何か？
- ビッグデータ対分析対データサイエンス：違いは何か？
- データ可視化：例を用いた入門、当社のデータ可視化ガイドの一部
機械学習、データサイエンスとAI
データ理論と思想的リーダーシップ
ビッグデータを学ぶ
-
- データエンジニアとデータサイエンティスト：違いは何か？
- データサイエンス認定：入門
- 市民データ科学者を支援
ビッグデータチュートリアルシリーズ
これらのチュートリアルシリーズは、BMCガイドの一部です。
これらの投稿は私自身のものであり、必ずしもBMCの立場、戦略、または意見を表すものではありません。