Rumah Audio Data besar, ilmu sosial, dan cara mengubah hasil negatif menjadi positif

Data besar, ilmu sosial, dan cara mengubah hasil negatif menjadi positif

Daftar Isi:

Anonim

Volume data berkembang pesat karena penggunaan perangkat seluler, media sosial, dan data dari sumber tidak terstruktur lainnya. Teknologi big data, seperti Hadoop, mengambil posisi sebagai pengemudi di dunia bisnis dengan memperkenalkan pendekatan baru untuk menganalisis volume data yang lebih besar di berbagai sumber.


Data besar didefinisikan sebagai volume, variasi, dan kecepatan data yang melebihi kemampuan organisasi untuk mengelola dan menganalisisnya secara tepat waktu. Keuntungan sebenarnya dari big data diwujudkan ketika itu dapat dipanen untuk keputusan cepat, berdasarkan fakta, yang dapat mengarah pada keputusan bisnis besar. Jadi, organisasi yang mampu mengeksplorasi dan memanfaatkan big data cenderung memiliki keunggulan berbeda. Di sini kita akan melihat apa yang dapat dilakukan data besar, bagaimana hal itu dapat diterapkan dalam satu bidang yang kaya data, dan aplikasi apa yang lebih luas ini untuk bidang bisnis dan pemerintahan lainnya.

Ledakan Data

Cara terbaik untuk mendefinisikan big data adalah "jumlah dan kompleksitas informasi yang terus bertambah yang kita semua buat dan konsumsi setiap hari, " kata Charlie Schick, direktur solusi big data untuk perawatan kesehatan dan ilmu kehidupan di IBM. Bahkan, setiap hari kami membuat sekitar 2, 5 triliun byte data menggunakan berbagai sumber, dari berbagai catatan transaksi pembelian hingga gambar medis perawatan kesehatan, dari temuan penelitian ilmiah hingga pesan media sosial.


Mesin pencari bersama dengan media sosial, seperti Twitter, telah membuat contoh baru dari sekumpulan kecil data yang dikumpulkan dalam skala besar. Ini, juga, telah mengubah cara berpikir kami tentang mengumpulkan dan mengelola data ini. Budaya saat ini adalah untuk mengkonsumsi sejumlah besar potongan data kecil ini dalam waktu singkat. Pendekatan ini menghadirkan tantangan besar serta peluang menarik untuk pengelolaan data. Agar model bisnis berhasil, model bisnis harus dapat memproses volume data yang lebih besar, ditangkap dengan cara yang kecil dan semakin beragam.


Mengingat volume data, menjadi tantangan untuk menemukan mekanisme yang efisien untuk mengumpulkannya. Mari kita perhatikan kasus perawatan kesehatan dan data media sosial. Kedua area ini memiliki set data yang besar. Pengumpulan data untuk bidang ini merupakan langkah penting dalam evolusi data besar. Tanpa memiliki mekanisme yang tepat untuk mengumpulkan data, kami tidak dapat memperoleh hasil yang akurat.

Menjelajahi dan Memproses Data Besar

Ke depan, diyakini bahwa organisasi yang dapat mengeksplorasi dan memanfaatkan big data harus dapat membuat keputusan berbasis bukti lebih cepat. Dengan menggunakan data besar, kami dapat dengan mudah memberikan jawaban atas beberapa pertanyaan penting di hampir semua bidang. Namun, di sini, kita akan melihat sektor layanan sosial, area di mana data besar memiliki kekuatan untuk membuat dampak besar.


Sebagai contoh, big data harus dapat menganalisis dan menjawab pertanyaan-pertanyaan berikut dan pada akhirnya memberikan hasil pasien yang lebih baik:

  • Apa korelasi antara penerimaan ulang dan akses ke layanan sosial?
  • Apakah ada korelasi antara lama tinggal dan efektivitas intervensi?
  • Apa hubungan antara alamat rumah dan frekuensi kunjungan?
  • Apakah mungkin untuk menemukan hubungan antara status keluarga, intervensi, dan hasil yang dapat membantu kami mengidentifikasi kandidat intervensi yang sama ketika mereka memasuki sistem perawatan?
  • Apakah ada wawasan tentang segmen populasi yang memandu kita untuk mengubah program kita untuk merespon atau bergerak maju dari tren negatif seperti kehamilan remaja atau kekerasan dalam rumah tangga?
Adalah fakta bahwa menggunakan data besar di sektor layanan sosial dapat memungkinkan pekerja sosial untuk mengawasi tren negatif dan mengambil tindakan yang diperlukan pada waktunya. Jika kami dapat mengidentifikasi kebutuhan bahkan sebelum klien mengetahuinya, kami dapat menangani situasi dengan cara yang jauh lebih efisien. Putus sekolah, di sektor pemuda, dapat dianggap sebagai contoh potensial. Jika kita memeriksa tren tentang pemuda yang melepaskan diri dari sekolah atau mendemonstrasikan tindakan yang cenderung mengarah pada perilaku berisiko lebih tinggi atau kinerja kurang pendidikan - ketika data jelas menunjukkan potensi yang lebih tinggi - maka menjadi mungkin untuk melakukan intervensi dengan langkah-langkah pencegahan yang mungkin tidak memerlukan biaya lebih tetapi lebih efektif dan dapat didorong ke klien.


Data besar memungkinkan untuk menangani situasi ini dan untuk menemukan alasan masalah. Ini membantu kita untuk memberantas masalah, setelah diidentifikasi. Kita dapat menemukan masalahnya hanya dengan melihat tren dan data historis. Di media sosial, saat menganalisis data kita harus memiliki mekanisme analisis tren. Semakin besar kumpulan data yang kami analisis, semakin baik, semakin akurat hasil yang bisa kami raih. Data besar tidak hanya menyediakan cara untuk menangani volume data yang besar, tetapi juga menyediakan solusi inovatif untuk memproses berbagai data yang lebih luas. Big data memiliki kemampuan untuk menangani set data terstruktur, tidak terstruktur dan semi-terstruktur. (Pelajari lebih lanjut dalam 5 Masalah Dunia Nyata Big Data Dapat Dipecahkan.)

Analisis Big Data dalam Ilmu Sosial

Analisis data sosial tidak lain adalah menganalisis data sosial. Data ini dapat berasal dari bidang apa saja. Seperti disebutkan di atas, kita perlu mencari tahu alasan pasti untuk hasil negatif - seperti putus sekolah menengah - di sektor tertentu. Setelah masalah teridentifikasi, menjadi lebih mudah untuk menangani situasi. Big data adalah alat yang memungkinkan untuk menemukan wawasan ini.

Data besar, ilmu sosial, dan cara mengubah hasil negatif menjadi positif