Үлкен деректерді талдаудың қиындықтары мен оның болашағы: даму, кедергілер және болашақ зерттеу бағыттарын толыққанды қарастыру

Бұл жан-жақты ақпараттық мақала әдебиеттерді кең шолу және салыстырмалы талдау әдістемесі негізінде соңғы 5 жылдағы үлкен деректер технологиясының өзгерген парадигмалары мен динамикалық тенденцияларын зерттейді. Ол әртүрлі секторлардағы үлкен деректер аналитикасының трансформациялық әсерін корсетеді, бұлттық есептеулердің жылдам таралуын, жасанды интеллект интеграциясын және күрделі аналитикалық құралдарды әзірлеуді көрсетеді. Шолу ашық деректерді пайдалану және үлкен деректерге қатысты этикалық мәселелер сияқты жаңа тенденцияларды қарастырады, бұл деректерді пайдаланудың қатаң ережелеріне және жеке деректерді басқарудың сенімді механизмдеріне деген қажеттіліктің артып келе жатқанын көрсетеді. Бұл соңғы ғылыми мақалалар мен зерттемелерді әдістемелік талдаудан туындайды. Мақалада сонымен қатар 3V моделі мен кеңейтілген 7V моделін салыстырмалы түрде зерттеу арқылы "үлкен деректердің" дамып келе жатқан анықтамасы егжей-тегжейлі қарастырылады. Шолу сонымен қатар үлкен деректер жобаларын сәтті жүзеге асырумен байланысты мәселелерді баяндайды және үлкен деректерді талдау саласындағы зерттеулердің ағымдағы ашық бағыттарын көрсетеді. Қарастырылған үлкен деректер аймақтары үлкен деректер жиынтығын дұрыс басқару және оларды үлкен деректер әдістері мен құралдарын пайдалану арқылы манипуляциялау бизнес үшін құндылық тудыратын пайдалы ақпаратты қамтамасыз ете алатынын көрсетеді.

1. Berisha, B., Mëziu, E., & Shabani, I. (2022). Big data analytics in Cloud computing: an overview. Journal of Cloud Computing, 11(1), 24.

2. Davenport, T.H., & Ronanki, R. (2021). Artificial Intelligence for the real world (2018). Harvard Business Review.

3. Mannering, F., Bhat, C.R., Shankar, V., & Abdel-Aty, M. (2020). Big data, traditional data and the tradeoffs between prediction and causality in highway-safety analysis. Analytic methods in accident research, 25, 100113.

4. Big Data Market. Online source: https://www.marketdataforecast.com/market-reports/big-datamarket

5. Himanen, L., Geurts, A., Foster, A. S., & Rinke, P. (2019). Data‐driven materials science: status, challenges, and perspectives. Advanced Science, 6(21), 1900808.

6. Chen, W., & Quan-Haase, A. (2020). Big data ethics and politics: Toward new understandings. Social Science Computer Review, 38(1), 3-9.

7. Berisha, B., Mëziu, E. & Shabani, I. Big data analytics in Cloud computing: an overview. J Cloud Comp 11, 24 (2022). https://doi.org/10.1186/s13677-022-00301-w

8. González García, C., & Álvarez-Fernández, E. (2022). What Is (Not) Big Data Based on Its 7Vs Challenges: A Survey. Big Data and Cognitive Computing, 6(4), 158. https://doi.org/10.3390/bdcc6040158

9. Ajah, I. A., & Nweke, H. F. (2019). Big Data and Business Analytics: Trends, Platforms, Success Factors and Applications. Big Data and Cognitive Computing, 3(2), 32. https://doi.org/10.3390/bdcc3020032

10. Lee, I., & Mangalaraj, G. (2022). Big Data Analytics in Supply Chain Management: A Systematic Literature Review and Research Directions. Big Data and Cognitive Computing, 6(1), 17. https://doi.org/10.3390/bdcc6010017

11. Borges do Nascimento I., Marcolino M., Abdulazeem H., Weerasekara I., Azzopardi-Muscat N., Gonçalves M., Novillo-Ortiz D. Impact of Big Data Analytics on People’s Health: Overview of Systematic Reviews and Recommendations for Future Studies J Med Internet Res 2021;23(4):e27275 URL: https://www.jmir.org/2021/4/e27275 DOI: 10.2196/27275

12. Seyedan, M., Mafakheri, F. Predictive big data analytics for supply chain demand forecasting: methods, applications, and research opportunities. J Big Data 7, 53 (2020). https://doi.org/10.1186/s40537-020-00329-2

13. What is Prescriptive Analytics? Online source: https://www.talend.com/resources/what-isprescriptive-analytics/

14. Bhattarai, B.P., Paudyal, S., Luo, Y., Mohanpurkar, M., Cheung, K., Tonkoski, R., Hovsapian, R., Myers, K.S., Zhang, R., Zhao, P., Manic, M., Zhang, S. and Zhang, X. (2019), Big data analytics in smart grids: state-of-the-art, challenges, opportunities, and future directions. IET Smart Grid, 2: 141-154. https://doi.org/10.1049/iet-stg.2018.0261

15. Tawalbeh, L. A., Muheidat, F., Tawalbeh, M., & Quwaider, M. (2020). IoT Privacy and security: Challenges and solutions. Applied Sciences, 10(12), 4102

16. Ferraris, A., Mazzoleni, A., Devalle, A., & Couturier, J. (2019). Big data analytics capabilities and knowledge management: impact on firm performance. Management Decision, 57(8), 1923-1936

17. Amani, M., Ghorbanian, A., Ahmadi, S.A., Kakooei, M., Moghimi, A., Mirmazloumi, S. M., ... & Brisco, B. (2020). Google earth engine cloud computing platform for remote sensing big data applications: A comprehensive review. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 13, 5326-5350.

18. Mohammadpoor, M., & Torabi, F. (2020). Big Data analytics in oil and gas industry: An emerging trend. Petroleum, 6(4), 321-328.

19. Jabbar, A., Akhtar, P., & Dani, S. (2020). Real-time big data processing for instantaneous marketing decisions: A problematization approach. Industrial Marketing Management, 90, 558-569.

20. Završnik, A. (2021). Algorithmic justice: Algorithms and big data in criminal justice settings. European Journal of criminology, 18(5), 623-642.

21. Amazon Redshift – The New AWS Data Warehouse by Jeff Barr. Online source: https://aws.amazon.com/ru/blogs/aws/amazon-redshift-the-new-aws-data-warehouse/