واسطه گری حتی در کلان داده !‎

واسطه گری حتی در حوزه کلان داده، می پرسید چگونه؟ خیلی ساده است.

کافی است که شما یک وبسایت ایجاد کنید، چند تن از افراد خبره و نام دار در حوزه کلان داده را گرد هم جمع کرده و با تبلیغات و جذب نیروهای مستعد مثلا با عنوان کاراموز تابستان از مراکز آکادمیک تیم های کوچکی تشکیل داده و در حین کارآموزی پروژه های مرتبطی نیز از دولت و بخش های خصوصی دریافت کرده و در این تیم ها، این پروژه ها را پخش کرده و فقط شما مدیریت این ساختار را برعهده می گیرید.

به همین راحتی

آیا این صحبت پشتوانه خارجی دارد؟

بله، به عنوان مثال : چند تن از اساتید دانشگاه شیکاگو که خود افراد فنی هستند همچین طرحی را هر تابستان در مرکز شهر شیکاگو برگزار کرده و از سرتاسر دنیا نیروهای مستعد را جذب کرده و بر روی پروژه های دولتی و بخش خصوصی کار می کنند.

منبع : http://dssg.io

 

گلوگاه در کلان داده، مباحث فنی نیست بلکه خلاقیت است. 

کاربرد های جدید Watson

متن خبر:
سه خدمت جدید واتسون برای تومور شناسی، سرآشپز واتسون! و واتسون برای مدیریت ثروت را امروز در مراسمی رونمایی کرد.
شاید این سوال به نظر برسد که کارکرد سرآشپز واتسون چه چیزی می باشد.
در یک توییت IBM آمده است که:
اگر نمی دانید که چه چیزی بپزید از سرآشپز واتسون بپرسید!

منبع خبر: حساب رسمی توییتر شرکت IBM

شرکت IBM با سرمایه گذاری اولیه بر روی پروژه Watson حالا سعی در اجرایی کردن این پروژه در حوزه های مختلف به منظور ارائه دادن خدمات مبتنی بر هوش مصنوعی دارد که جدیدترین موارد آن در خبر بالا آمده است.
در لحظه اول شاید به نظر برسد که چه خدمات موثری توسط کاربرد های واتسون داده می شود ولیکن در راستای بحث های فلسفه تکنولوژی وقتی که سرآشپز واتسون را دیدم به یاد فیلم ۲۰۰۴"من روبات هستم" افتادم و به نظرم در صورتی که واتسون بخواهد بدین شکل در حوزه های مختلف ورود پیدا کند خود می تواند یک تهدید بالقوه تلقی شود و بایستی یک سری کدهای اخلاقی نیز برای آن تعریف شود تا دچار داستان فیلم "من روبات هستم" نشویم.

سطوح منفی یک و منفی دو و ...!!!

فرض کنید که شما به عنوان یک مشاور کلان داده به یک بنگاه مراجعه کرده اید و در ابتدا با بیان چند مثال از کاربردهای کلان داده سعی در تشنه کردن مخاطب خود داشته تا بتوانید نظر او را نسبت به چنین فناوری جلب کنید، بعد از این که مدیر مربوطه موافقت خود را اعلام کرد. حال شما می خواهید که با قسمت های مختلف بنگاه آشنا شوید و فرآیند های آن را بشناسید. در صورتی که مشاهده کنید که این بنگاه طبق مدل بالندگی مطرح شده در کلاس برای کلان داده قسمتی از سطح یک را دارا می باشد ولی از فرآیند های سازمانی و ساده درستی برخوردار نیست و فقط تنها در بخشی از بنگاه فرآیندهای آن معلوم و استخراج شده است که حتی بعضی جاهای آن برای خود مسئولان گنگ است  و در بقیه قسمت ها حتی فرآیند ها مشخص نمی باشد و استخراجی صورت نگرفته است به نظر شما چگونه می توان مشاوره ی خوبی برای حوزه کلان داده به این بنگاه داد؟
آیا لازم است در مدل بالندگی سطوح منفی یک، منفی دو و ... نیز تعریف کنیم؟
به نظر شما ایا فناوری کلان داده برای چنین بنگاهی مناسب است؟

به نظر می رسد هربنگاه برای ورود به این حوزه باید حداقلی از ویژگی هارا داشته باشد
امری که در الگوی تبیینی بالندگی نیز پیش فرض ضمنی! بود.
بنابراین به نظر می رسد نخستین گام ایجاد چنین زیرساخت ها یا مبانی است . هم چنین حین تدوین این زیرساخت ها نیز می توان نگاهی حداقلی به پیاده ساز ی زیرساخت کلان داده داشت
همان طور که بحث آن در کلاس شد حداقل مزیت کاهش هزینه های ذخیره سازی داده هاست و می توان حین تدوین این الگوها چنین طرح هایی نیز در پی انداخت.

در مدلهای بالندگی مرحله این است که شرکت دارای یک زیر ساخت BI یا ذخبره داده ها باشد. از همین رو من هم با بیانات شما موافقم ولی نکته ای برای عرض کردن دارم.
مدلهایی که در فروم یا در کلاس بحث شده اند برای بالندگی کلان داده هستند. ولی قبل از آن باید یک مدل بالندگی BI برای سازمان پیاده کرد. نمونه های خیلی زیادی را میتوانید برای آن در اینترنت پیدا کنید. حتی در سایت زیر پرسشنامه ای ارائه کرده که میزان پیشرفتتان را نشان دهد.
http://tdwi.org/pages/maturity-model/ma ... -home.aspx

همکاری صنعت با دانشگاه برای تامین نیروی انسانی در حوزه کلان

در راستای صحبت های انجام شده در کلاس درس مبنی بر نیاز بازار کار کشور آمریکا به نیروی انسانی در این حوزه که طبق پیش بینی موسسه مک کنزی عددی بین ۱۴۰ هزار الی ۱۹۰ هزار نفر در حوزه فنی و ۱.۵ میلیون مدیر و تحلیل گر در حوزه کلان داده تا سال ۲۰۱۸ می باشد. 
صنعت دریافته است که در آینده ای نزدیک دچار کمبود نیروی انسانی شدیدی در این حوزه خواهد شد به همین منظور و برای تربیت نیروی انسانی در این حوزه پیش قدم شده و برای آن که خود وارد فرآیند آموزش و تربیت نیروی انسانی به صورت مستقیم نشود و این وظیفه را دانشگاه ها که رسالت اصلی شان تامین نیازهای بازار کار می باشد تامین کنند اقدام به همکاری در این زمینه با دانشگاه ها و مراکز علمی کرده است به عنوان مثال در اواخر سال 2012 میلادی، شرکت IBM اعلام کرده که در اقدامی مشترک با دانشگاه اوهایو اقدام به ایجاد مرکز جدید تحلیل داده در کلمبوس اوهایو خواهند کرد و یا شرکت های IBM، SAS،GE، CISCO وNETAPP با مشارکت چندین دانشگاه پیشروی تحقیقاتی اقدام به ایجاد کنسرسیوم ملی علم داده کرده اند وظیفه این کنسرسیوم چینش بهتر برنامه درسی و تحقیقاتی دانشگاه ها با توجه به نیاز بخش خصوصی می باشد.
در کشور ایران هنوز صنعت چنین نیازی را احساس نکرده است و مانند رقبای خارجی خود به تشویق دانشگاه ها و مراکز علمی برای ایجاد ساختار آموزشی در این حوزه نپرداخته است در نتیجه برای آن که در آینده ای نزدیک که رقابت بر اساس استفاده از داده های بنگاه ها خواهد بود، بنگاه های داخلی توان رقابت در بازار جهانی را داشته باشند بایستی که راه حلی برای این مشکل پیش بینی شود و از الان نسبت به ایجاد ساختار های آموزشی مناسب برای تربیت نیروی انسانی مورد نیاز آینده ی بازار کار کشور اقدام شود.
منبع:
The big data talent gap, Stan Ahalt, White Paper,UNC Kenan-Hagler Business school
https://www.google.com/url?sa=t&rct=j&q ... 5997,d.d2s

اینترنتی از همه چی

متن خبر:
تا سال ۲۰۲۰، ۵۰ میلیارد وسیله به شبکه ای از اشیاء وصل خواهد شد.
منبع خبر:  http://share.cisco.com/internet-of-things.html

طبق این خبر، تا سال ۲۰۲۰، وسیله های دیگری به جز لپتاپ، موبایل، تبلت به شبکه ی اینترنت وصل خواهند شد. در حال حاضر که فقط چنین ابزارهایی به شبکه ی اینترنت وصل هستند ما با حجم عظیمی از داده ها مانند رایانامه ها، صفحات اجتماعی و ... رو به رو هستیم و اقدام به استفاده از فناوری کلان داده برای چنین حجمی از داده ها کرده ایم در صورتی که طبق پیش بینی شرکت سیسکو تا سال ۲۰۲۰، ۵۰ میلیارد وسیله مانند انسان، میز، صندلی، خودکار و ... نیز به این شبکه وصل خواهند شد و حال فرض کنید که وسیله هایی مانند سنسورها که اقدام به جمع آوری داده ها به صورت بی درنگ می کنند به چنین شبکه ای وصل شوند چه حجم عظیمی از داده های تولید شده در چنین شبکه ای در اختیار خواهد بود و با در کنار هم داشتن چنین حجم عظیمی از داده ها به لطف اینترنتی از همه چی، می توان با آگاهی کامل و استفاده از فناوری کلان داده که تا آن موقع نیز دچار تغییرات فناوری خواهد شد، اقدام به حل مسائلی مانند پیش بینی زمین لرزه و آینده نگری کرد.

نقش تعیین کننده کلان داده در بحران های جهانی

شرکت IBM به مبارزه با بیماری ابولا به وسیله داده های خرد، ورود پیدا کرده است.
منبع: http://www.bbc.com/news/technology-2974 ... ow_twitter
در بحران های جهانی که به صورت دوره ای رخ می دهند و کنترل آن به وسیله روش های عادی امکان پذیر نمی باشد می توان با استفاده از کلان داده به کنترل این بحران ها پرداخت به عنوان مثال می توان از بیماری ابولا نام برد که به صورت نامتمرکز و با سرعت بالا در حال گسترش است به منظور گزارش دهی مکان های شیوع این بیماری می توان از کلان داده استفاده کرد تا بتوان سایر نقاطی که در معرض علائم این بیماری هستند را پیش بینی کرد و اقدامات پیش گیرانه در آن مناطق را انجام داد، شاید یکی از مثال های این بحران ها برای کشور ما بحران آب باشد که می توان با استفاده از سنسورهایی محل هایی که در آن ها مصرف آب بالا می باشد را شناسایی کرد و نسبت به کاهش مصرف آن نقاط اقدام کرد تا این بحران کنترل شود.

همایش داده های عظیم با هدف شناسایی چالش های فناورانه و آشنایی با حوزه های کسب و کار آن

همایش داده های عظیم با هدف شناسایی چالش های فناورانه و آشنایی با حوزه های کسب و کار آن در دی ماه ۱۳۹۳ برگزار می شود.

آدرس اینترنتی همایش:

http://ictssbigdata.itrc.ac.ir

سیاست گذاری آموزش و تحقیقات کلان داده در ایالات متحده آمریکا

متن خبر:
بنیاد ملی علم ایالات متحده آمریکا استراتژی آینده در حوزه آموزش و تحقیقات کلان داده را مشخص کرده است که در آن تشویق دانشگاه های تحقیقاتی به منظور ایجاد رشته های درسی مرتبط با این حوزه برای تربیت نیروی انسانی مورد نیاز ( دانشمند داده و ...) به منظور بر عهده گرفتن شغل های متناسب با این حوزه در بازار کار ذکر شده است.
منبع خبر:
http://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf