BIG DATA Новый вызов. Будзко В.И. заместитель директора по научной работе Института проблем информатики РАН, д.т.н., член-корреспондент Академии криптографии РФ В ближайшие 5 лет все компании на рынке разделятся на победителей и побежденных в зависимости от качества их аналитики Вирджиния Рометти - IBM CEO 2 марта 2012 года

Рост цифровых данных и доступной памяти

Прогноз роста данных до 2015 года

Обвал данных Каждый день в мире производится 2,5 квинтильона (10 18 ) байтов данных. 90% данных созданы за последние два года. Каждый час Wal-Mart совершает 1 миллион сделок, пополняя базу данных на 2,5 петабайта (10 15 )- в 170 раз больше объема данных Библиотеки Конгресса США. Объем отправлений, доставляемых американской Почтовой службой за один год, равен 5 петабайтам, а Google обрабатывает такой же объем данных всего за один час. Суммарный объем всей существующей на земле информации составляет несколько больше одного зеттабайта (10 21 ).

Новый взгляд – старые принципы В какой степени доступные данные отражают реальное состояние моделируемой предметной области? Полнота. Насколько правильно данные описывают предметную область? Точность. Система высокой доступности данных: доступные данные достаточной полноты и точности обработаны и вовремя получен аналитический продукт. (Своевременный отбор данных и своевременное получение аналитического продукта) выявление (Discovery), отбор (Discrimination), переработка (Distillation), доведение в нужном представлении (Delivery/Dissemination).

В информационно-аналитической АИС получение аналитического информационного продукта возможно только при использовании структурированных данных. Если для решения аналитической задачи требуется привлечь неструктурированные или слабо структурированные данные, то требуется разработать средство их преобразования в структуру. После преобразования речи в текст по тексту определяется смысловое содержание сказанного и преобразовывается в некоторый структурированный формат.

Словосочетание Большие Данные появилось в конце 1990-ых среди ученых, у которых отсутствовала возможность сохранить или проанализировать огромные и возрастающие данные, произведенные все более и более сложными цифровыми технологическими средствами, применяемыми при решении задач физики элементарных частиц, экономики, климатологии, астрофизики.

К середине 2000-ых проводились интенсивные исследования Больших Данных в таких компаниях как Google, Yahoo, Amazon и Netflix, в которые поступали возрастающие объемы данных из Web. Google разработал в 2004 году структуры MapReduce. В 2008 году в результате исполнения проекта Apache была реализована система Hadoop (как общедоступное изделие) для параллельной обработки больших файлов в одном пакете. Hadoop, использует структуру MapReduce и файловую систему, чтобы действовать как хранилище данных.

Файл-ориентированного подхода Hadoop оказалось недостаточно, требовалась функция базы данных. NoSQL решения BigTable Google в 2006 и разработка Amazon Dynamo – в 2007 стали первыми реализациями в этом направлении. Общедоступные продукты - Amazon SimpleDB, Cassandra, MongoDB и Terrastore. Маркетологи вендоров аппаратного и программного обеспечения начали перемаркировывать многие продукты и решения на Большие Данные. Реляционные и другие традиционные подходы обработки бросались в "общий котел".

Традиционные данные составляют меньше чем 10% цифровой информации, которой управляет бизнес

BI / Reporting Exploration / Visualization Functional App Industry App Predictive Analytics Content Analytics Analytic Applications Стратегия IBM Big Data : приблизить аналитику к данным IBM Big Data Platform Systems Management Application Development Visualization & Discovery Accelerators Information Integration & Governance Hadoop System Stream Computing Data Warehouse Новые аналитические приложения выдвигают требования к платформе big data: Объединять и управлять всем разнообразием (Variety), скоростью (Velocity) и объемом (Volume), достоверностью (Veracity) и обоснованностью (Validity) данных Применять передовую аналитику к информации в ее исходной форме Визуализировать все доступные данные для специального анализа Среда проектирования для создания новых аналитических приложений Оптимизация рабочей нагрузки и планирование Безопасность и управление

Ускоренный data mining Изображения и видео Простые и сложные тексты Text (listen, verb), (radio, noun) Акустика Геоаналитика Прогнозы Продвинутые математические модели Статистика Analytic Accelerators Designed for Variety Более умная аналитика!!!

Big Data Content Analytics Технологии IBM Business Analytics Databases / Data Warehouses 2880 Processing Cores 16 Terabytes Memory (RAM) – 20TB Disk Системные спецификации 90 IBM P750 Servers 80 Teraflops (80 trillion operations per second) Workload Optimized Systems Watson – взгляд изнутри Cores x = = On Oncology Task Интеллектуальность Информируемость

1. Любые виды источников 2. Любая скорость потока данных от источника 3. Принятие решения – в потоке (миллисекунды) IBM получает заказ на разработку технологии: 2002

17 Большие данные – горячая тема, потому что технологии сделали возможным анализ ВСЕХ доступных данных Эффективно с точки зрения затрат управлять и анализировать все доступные данные, в их первозданном виде – структурированные, неструктурированные, потоковые ERP CRM RFID Website Network Switches Social Media Billing

Streams Big Ins Big Ins DE NZ Декларативные языки Готовые средства разработки Инструменты Языки программирования 3-го поколения: Java, C/C++, Python, Perl Коннекторы SPSS ( Декларати вный язык PMML) SPSS ( Декларати вный язык PMML) Cognos BI Общая схема компонентов платформы Big Data Всего около 900 «кирпичей»

Современная схема принятия решений: Что делают люди? Подтверждение решения Принятие решения Цифровая реальность CEO Область интересов Обсуждение области интересов Поиск в области интересов Креативная команда Обучение в области интересов Big Data Детализация области интересов Задания интегральной инфо потребности

Угрозы и проблемы 1.Отставание: кадры, подготовка кадров, технологическая платформа, постановка задач, и пр. Только МО США ежегодно выделяет на исследования в области Больших данных 300 млн. долларов. Big Data –национальная программа США.

Угрозы и проблемы 2.Доступность наших источников: Интернет, социальные сети (Twitter, Faceook, Одноклассники и пр). Основатель социальной сети Facebook Марк Цукерберг – 15 млрд. долларов мобильные телефоны, планшеты, смартфоны и пр. облачные вычисления и хранилища, технологические достижения в открытой публикации или по эл почте, и пр.

Угрозы и проблемы 3.Отсутствие наработок по информационнойбезопасности Больших данных. 4.Огромный объем «неведанного» ПО, даже в открытых кодах, затрудняет выполнение соответствующих исследований.

Сокращение отставания СССР в области информатизации 1968 год. Письмо Дородницина в ЦК. Решение по ЕС ЭВМ. Инициатива М.Р. Шура- Бура и В.К. Левина о построении ЕС ЭВМ, программно совместимой с IBM/ год. Решение Ю.В. Андропова годы. Работа коллектива специалистов (КГБ, МО, НИЦЭВТ, НИИ "Восход", НИИАА под вывеской МНИИПИ АСУ ГХ) по освоению продуктов IBM на площадке ОКБА Минхимпром

Отечественные аналоги Продукт IBM (прототип) Отечественный аналог Исполнитель IMS/360ОКАНИЦЭВТ CICSКАМАНИЦЭВТ OS/360ОС/ЕСНИЦЭВТ GISУНИСЦентр Программ Систем Позднее НИИ «Восход» выпустил аналог ADABAS – ДИСОД НИИАА выпустил аналог IDMS - СЕТЬ Катализатор повышения профессионализма. Собственные разработки.

Что делать? Учиться, учиться, учиться… Спасибо за внимание