BIG DATA - DEFINICJE, WYZWANIA I TECHNOLOGIE INFORMATYCZNE

Streszczenie: Big Data jako kompleks zagadnien informatycznych stanowi jedno z najwazniejszych wyzwan wspolczesnego świata cyfrowego. W obecnych czasach, przy ciąglym naplywie duzej ilości informacji pochodzących z roznych źrodel, a zatem o roznej charakterystyce, wymaga sie wprowadzenia nowych technik analizy danych oraz rozwiązan technologicznych. W szczegolności Big Data wymaga stosowania rownoleglego przetwarzania danych oraz odejścia od klasycznego schematu przechowywania danych. Zatem w niniejszej pracy dokonano przeglądu podstawowych zagadnien związanych z tematyką Big Data. Przedstawiono rozne definicje Big Data, problemy badawcze i technologiczne oraz wyzwania dotyczące wolumenu danych, ich zroznicowania, redukcji wymiaru, jakości danych i mozliwości wnioskowania. Wskazano takze dalszy kierunek prac w zakresie rozpoznania mozliwości Big Data w roznych obszarach zarządzania. Slowa kluczowe: Big Data, definicja Big Data, wyzwania Big Data, Hadoop, NoSql, Map Reduce, przetwarzanie rownolegle.

[1]  Maximilian Röglinger,et al.  Big Data — Ein (ir-)relevanter Modebegriff für Wissenschaft und Praxis? , 2013, Wirtschaftsinformatik Manag..

[2]  Avita Katal,et al.  Big data: Issues, challenges, tools and Good practices , 2013, 2013 Sixth International Conference on Contemporary Computing (IC3).

[3]  Paul Zikopoulos,et al.  Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data , 2011 .

[4]  Daniel A. Keim,et al.  Mastering the Information Age - Solving Problems with Visual Analytics , 2010 .

[5]  Jorge Bernardino,et al.  Big Data Issues , 2015, IDEAS.

[6]  Kirit J. Modi,et al.  Cloud computing - concepts, architecture and challenges , 2012, 2012 International Conference on Computing, Electronics and Electrical Technologies (ICCEET).

[7]  J. Manyika.  Big data: The next frontier for innovation, competition, and productivity , 2011 .

[8]  Hairong Kuang,et al.  The Hadoop Distributed File System , 2010, 2010 IEEE 26th Symposium on Mass Storage Systems and Technologies (MSST).

[9]  Mitesh Patel,et al.  Accessing the deep web , 2007, CACM.

[10]  Daniel A. Keim,et al.  Visual analytics for the big data era — A comparative review of state-of-the-art commercial systems , 2012, 2012 IEEE Conference on Visual Analytics Science and Technology (VAST).

[11]  Keqiu Li,et al.  Big Data Processing in Cloud Computing Environments , 2012, 2012 12th International Symposium on Pervasive Systems, Algorithms and Networks.

[12]  Wei Liu,et al.  ViDE: A Vision-Based Approach for Deep Web Data Extraction , 2010, IEEE Transactions on Knowledge and Data Engineering.

[13]  Carlo Zaniolo,et al.  High-performance complex event processing over hierarchical data , 2013, TODS.

[14]  Jeffrey Heer,et al.  SpanningAspectRatioBank Easing FunctionS ArrayIn ColorIn Date Interpolator MatrixInterpola NumObjecPointI Rectang ISchedu Parallel Pause Scheduler Sequen Transition Transitioner Transiti Tween Co DelimGraphMLCon IData JSONCon DataField DataSc Dat DataSource Data DataUtil DirtySprite LineS RectSprite , 2011 .

[15]  Alexandros Labrinidis,et al.  Challenges and Opportunities with Big Data , 2012, Proc. VLDB Endow..

[16]  David Ellsworth,et al.  Managing Big Data for Scientific Visualization , 2015 .

[17]  Xiaoyong Du,et al.  Big data challenge: a data management perspective , 2013, Frontiers of Computer Science.

[18]  Richard Bandler,et al.  Frogs into princes : neuro linguistic programming , 1979 .

[19]  Sherif Sakr,et al.  The family of mapreduce and large-scale data processing systems , 2013, CSUR.

[20]  Wei Fan,et al.  Mining big data: current status, and forecast to the future , 2013, SKDD.

[21]  Catalin Boja,et al.  Distributed Parallel Architecture for "Big Data" , 2012 .

[22]  Khaled Shaalan,et al.  A Survey of Web Information Extraction Systems , 2006, IEEE Transactions on Knowledge and Data Engineering.

[23]  Pak Chung Wong,et al.  Visual Analytics , 2004, IEEE Computer Graphics and Applications.