ビッグデータとは

ビッグデータが解決する問題

ビッグデータの特徴

(1) データの規模が大きく、単一マシンまたは小規模なコンピューティング クラスターの処理能力を超えています。しかし、現在のソフトウェアやツールは効率的ではないため、この問題を解決するには新しいアイデアを模索する必要があります。

(2) データの取得、分析、処理の過程では、データ品質の問題が発生しやすく、データの不確実性には特別な注意を払う必要があります。

(3) データは急速かつ動的に変化し、ストリーミング データの形式で存在することがよくあります。ストリーミング データのリアルタイム分析および視覚化方法を見つける必要があります。

(4) 複雑かつ高次元のデータに直面する現在のソフトウェア システムは、統計と基礎的な分析に重点が置かれており、分析機能が不足しています。

(5) マルチソースデータにはさまざまなタイプと構造があり、既存の方法では非構造化および異種データの処理ニーズを満たすことが困難です。

(1) 可視化技術とデータマイニング技術の緊密な統合。 (2) 可視化技術とヒューマン・コンピュータ・インタラクション技術の緊密な統合。 (3) 大規模・高次元・構造化データの処理・分析には可視化技術が広く利用されている。 (4) 処理データのジャンプ能力の弾力的な変化。

内部データ処理（埋め込みポイント）

外部データ処理 (Web クローラー)

データの前処理

データマイニング

ラダー図

折れ線グラフ

近似曲線プロット

散布図

縦棒グラフ

積み上げ縦棒グラフ

円グラフ

ドーナツチャート

スタック

長方形ツリー図

積み上げ面グラフ

散布図、散布図マトリックス、バブルプロット

ヒストグラム、密度マップ、ヒートマップ

人事管理、家電製品、公共サービス、政府の意思決定、電子商取引

ワードクラウド、ドキュメントコレクション、時系列テキストの視覚化

(1) 中心となる考え方が分かりやすい (2) 分類・比較・集計が容易 (3) テキストの視覚化により、人々が関連して考える能力が向上します

コンセプト

散布図、散布図行列、テーブル レンズ、平行座標

直面する課題

異種データ

大規模なデータ

複雑なデータ