Veliki podaci, društvene znanosti i kako negativne ishode promijeniti u pozitivne

Količina podataka brzo raste zahvaljujući upotrebi mobilnih uređaja, društvenih medija i podataka iz drugih nestrukturiranih izvora. Tehnologije velikih podataka, poput Hadoopa, zauzimaju vozačko mjesto u poslovnom svijetu uvodeći nove pristupe analizi veće količine podataka iz različitih izvora.

Veliki podaci definiraju se kao količina, raznolikost i brzina podataka koja premašuje sposobnost organizatora da ih pravovremeno upravlja i analizira. Prava prednost velikih podataka ostvaruje se kad se mogu prikupiti za brze, utemeljene na činjenicama, što može dovesti do velikih poslovnih odluka. Dakle, organizacije koje su u stanju istražiti i iskoristiti velike podatke imaju tendenciju da imaju jasnu prednost. Ovdje ćemo pogledati što veliki podaci mogu učiniti, kako se mogu primijeniti u jednom polju bogatom podacima i koje šire aplikacije to imaju za druga područja poslovanja i vlade.

Eksplozija podataka

Najbolji način za definiranje velikih podataka je "sve veća količina i složenost informacija koje svi stvaramo i konzumiramo svaki dan", kaže Charlie Schick, direktor rješenja velikih podataka za zdravstvene i životne znanosti u IBM-u. U stvari, svaki dan stvaramo oko 2, 5 kvintilijun bajta podataka koristeći različite izvore, od različitih zapisa o transakcijama kupnje do zdravstvenih slika, od nalaza znanstvenih istraživanja do poruka na društvenim medijima.

Tražilice zajedno s društvenim medijima, poput Twittera, postavile su novu instancu malih bita podataka koji se prikupljaju u velikom obimu. To je, također, promijenilo naš način razmišljanja o prikupljanju i upravljanju ovim podacima. Trenutna kultura je konzumirati veće količine tih malih podataka u kratkim vremenskim razdobljima. Ovaj pristup predstavlja ogromne izazove kao i uzbudljive mogućnosti upravljanja podacima. Da bi poslovni model uspio, trebao bi biti u mogućnosti obraditi veće količine podataka, snimljene na male i sve raznolike načine.

S obzirom na količinu podataka, izazov je pronaći učinkovit mehanizam za njihovo prikupljanje. Razmotrimo slučaj zdravstvenih i socijalnih podataka. Oba ova područja imaju velike skupove podataka. Prikupljanje podataka za ta polja važan je korak u razvoju velikih podataka. Bez odgovarajućeg mehanizma za prikupljanje podataka, ne možemo imati točne rezultate.

Istraživanje i obrada velikih podataka

U naprijed, vjeruje se da bi organizacije koje mogu istražiti i iskoristiti velike podatke, trebale biti u mogućnosti brzo donijeti više odluka utemeljenih na dokazima. Koristeći velike podatke, lako možemo dati odgovore na neka značajna pitanja u gotovo bilo kojem području. Ovdje ćemo, međutim, pogledati sektor socijalnih usluga, područje gdje veliki podaci imaju moć napraviti ogroman utjecaj.

Na primjer, veliki podaci trebaju biti u stanju analizirati i odgovoriti na sljedeća pitanja i u konačnici pružiti bolji ishod pacijenta:

• Kakva je povezanost između ponovnog prijema i pristupa socijalnim uslugama?
• Postoji li povezanost između duljine boravka i učinkovitosti intervencije?
• Koja je veza između kućne adrese i učestalosti posjeta?
• Je li moguće pronaći vezu između obiteljskog statusa, intervencija i ishoda koji nam mogu pomoći identificirati slične kandidate za intervenciju čim uđu u sustav skrbi?
• Postoji li uvid u dio populacije koji nas vodi pri podešavanju programa kako bismo odgovorili ili krenuli ispred negativnih trendova poput trudnoće u tinejdžerima ili nasilja u obitelji?

Činjenica je da bi korištenje velikih podataka u sektoru socijalnih usluga moglo omogućiti socijalnim radnicima da prate negativne trendove i na vrijeme preduzmu potrebne mjere. Ako uspijemo prepoznati potrebe i prije nego što klijent sazna za njih, možemo riješiti situaciju na mnogo efikasan način. Napuštanje škole, u okviru omladinskog sektora, može se smatrati potencijalnim primjerom. Ako provjerimo trendove oko kojih se mladi isključuju iz škole ili demonstriramo radnje koje vode ka većem rizičnom ponašanju ili neučinkovitosti u obrazovanju - kad podaci jasno pokazuju veći potencijal - tada je moguće intervenirati s preventivnim mjerama koje možda neće koštati više, ali učinkovitiji su i mogu se dovesti do klijenta.

Veliki podaci omogućuju suočavanje s tim situacijama i otkrivanje razloga problema. To nam pomaže iskorijeniti problem nakon što ga identificiramo. Problem možemo otkriti samo gledajući trendove i povijesne podatke. Na društvenim medijima, dok analiziramo podatke, moramo imati mehanizam analize trenda. Što veći skup podataka koje analiziramo to bolje i točnije rezultate možemo postići. Veliki podaci pružaju ne samo načine obrade velikih količina podataka, već i inovativna rješenja za obradu šireg raspona podataka. Veliki podaci imaju mogućnost obrade strukturiranih, nestrukturiranih i polustrukturiranih skupova podataka. (Saznajte više u 5 problema iz stvarnog svijeta koji se mogu riješiti velikim podacima.)

Analiza velikih podataka u društvenim znanostima

Analiza društvenih podataka nije ništa drugo nego analiza društvenih podataka. Ti podaci mogu doći iz bilo kojeg polja. Kao što je gore spomenuto, trebamo otkriti točan razlog negativnih ishoda - poput napuštanja srednje škole - u određenom sektoru. Jednom kada se utvrdi problem, postaje lakše nositi se sa situacijom. Veliki podaci su alat koji omogućuje pronalaženje tih uvida.