- Tytuł:
- Big Data = Clear + Dirty + Dark Data
- Autorzy:
-
Migdał-Najman, Kamila
Najman, Krzysztof - Powiązania:
- https://bibliotekanauki.pl/articles/582881.pdf
- Data publikacji:
- 2017
- Wydawca:
- Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
- Tematy:
-
Big Data
Clear Data
Dirty Data
Dark Data - Opis:
- Rozwój techniki teleinformacyjnej, Internetu i informatyki przy jednoczesnym spadku jednostkowych kosztów gromadzenia i przechowywania danych powoduje istotne ilościowe i jakościowe zmiany w podejściu zarówno do samych danych, jak i możliwości ich analizy. Ten coraz bardziej gęsty, ciągły i niestrukturyzowany strumień danych, nazywany Big Data, wywołuje współcześnie wiele emocji. Z jednej strony brak odpowiedniej ilości danych był zawsze wyzwaniem dla metod wnioskowania statystycznego i jednym z bodźców ich rozwoju. Jednak z drugiej strony, w dużych liczebnościach prób zawarte są liczne zagrożenia dla wiarygodności wnioskowania. W zbiorach takich, poza danymi o odpowiedniej jakości (Clear Data), znaczny udział mają dane nieprawdziwe, nieaktualne, zaszumione, często wielokrotnie zduplikowane, niekompletne lub błędne (Dirty Data), a także dane, o których jakości czy użyteczności nic nie wiadomo (Dark Data). Celem prezentowanych badań jest krytyczne przedstawienie struktury jakościowej zbioru Big Data.
- Źródło:
-
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu; 2017, 469; 131-139
1899-3192 - Pojawia się w:
- Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
- Dostawca treści:
- Biblioteka Nauki
Artykuł