4.

PRIMJENA BIG DATA TEHNOLOGIJE

Uz ogromne količine podataka koje dolaze iz različitih digitalnih izvora, značaj
analitike strahovito je porastao što je prisililo kompanije da istražuju podatke koji su
se svih ovih godina smatrali beskorisnim. Budući da su kompanije dužne davati
rezultate u hodu, važnost velikih podataka proširila se brzo u svim industrijama.
Prema Gartneru, Veliki podaci sastoje se od podataka o brzini, velikom volumenu i
velikoj raznolikosti koje on naziva 3V
 Volume (veličina) – velika količina podataka koji se prikupljaju, obrađuju i
stavljaju na raspolaganje za analizu
 Velocity (brzina) – kontinuirano prikupljanje velike količine podataka u
realnom vremenu
 Variety (raznovrsnost) – podaci su dostupni u različitim oblicima i izvorima, a
zapravo su najčešće nestrukturirani
4.1. PRIMJENA BIG DATA TEHNOLOGIJE U ZDRAVSTVU
Razina podataka generiranih unutar zdravstvenih sustava nije beznačajna.
Tradicionalno, zdravstvena industrija je zaostajala u korištenju Big Data tehnologije
zbog ograničene sposobnosti standardizacije i konsolidacije podataka.
Ali ovih dana Big Data tehnologija poboljšala je zdravstvo pružanjem personalizirane
medicine i preskriptivne analitike. Istraživači proučavaju podatke kako bi odlučili koji
su tretmani učinkovitiji za određene uvjete, identificirali uzorke povezane s
nuspojavama lijekova i prikupili druge važne informacije koje bi mogle pomoći
pacijentima i smanjiti troškove.

Sa usvajanjem mHealth-a, eHealth-a i nosivih tehnologija, količina podataka

eksponencijalno raste. To uključuje podatke o elektroničkoj zdravstvenoj evidenciji,
podatke generirane od samih pacijenta, senzorske podatke i druge oblike podataka.

Mapiranjem zdravstvenih podataka s geografskim podacima moguće je predvidjeti

bolest koja bi mogla eskalirati na određenim područjima. Na temelju predviđanja,
lakše je strateški dijagnosticirati i planirati skladištenje seruma i cjepiva.

4.2. PRIMJENA BIG DATA TEHNOLOGIJE U PROIZVODNJI

Prediktivna proizvodnja osigurava minimalne stanke i veću transparentnost. Zahtjeva
ogromnu količinu podataka i napredne alate za predviđanje i sustavno procesiranje
podataka u korisne informacije.

Glavne prednosti korištenja Big Data aplikacija u prerađivačkoj industriji su:

    Praćenje kvalitete proizvoda i nedostataka

    Planiranje opskrbe
    Praćenje grešaka u proizvodnom procesu
    Prognoza outputa
    Povećanje energetske učinkovitosti
    Ispitivanje i simulacija novih proizvodnih procesa
    Podrška za masovnu prilagodbu proizvodnje

4.3. PRIMJENA BIG DATA TEHNOLOGIJE U ZABAVNOJ INDUSTRIJI I MEDIJIMA

Razne tvrtke u medijskoj i zabavnoj industriji suočavaju se s novim poslovnim
modelima zbog načina na koji stvaraju, plasiraju i distribuiraju svoj sadržaj. To se
događa zbog pretraživanja potrošača i zahtjeva pristupa sadržaju bilo gdje, u bilo
koje vrijeme, na bilo kojem uređaju.
Big Data pruža informacije o milijunima pojedinaca. Danas se u izdavačkim
okruženjima prilagođavaju reklame i sadržaj kako bi udovoljili potrošačima. Ti se
uvidi prikupljaju kroz različite aktivnosti prikupljanja podataka. Big Data aplikacije
pogoduju medijskoj i zabavnoj industriji tako što:

    Predviđaju što publika želi

    Povećavaju akvizicije
    Prilagođavanju reklama (ad targeting)
    Monetiziraju sadržaje i razvijaju nove proizvode

4.4. PRIMJENA BIG DATA TEHNOLOGIJE U OBRAZOVANJU

Big Data ima veliki utjecaj i u svijetu obrazovanja. Danas je gotovo svaki tečaj
dostupan online. Pored online učenja, postoji mnogo primjera upotrebe velikih
podataka u obrazovnoj industriji. Aplikacije poput Bubble Score-a omogućuju
nastavnicima da transferiraju ocjene putem mobilnih uređaja i ocjenjuju testove kroz
kamere mobilnih telefona.
Prilagodljivo učenje: Osim razvoja ocjenjivanja, podatkovne učionice doprinjele su
shvaćanju onoga što djeca uče kada studiraju. Poduzeća proizvode digitalne
tečajeve koji koriste prognostičku analitiku utemeljenu na velikim podacima kako bi
otkrili što učenik uči i koje su komponente plana predavanja u tim situacijama
najuspješnije.
Kontrola problema: Ponekad učenik predaje domaću zadaću svog kolege umjesto
vlastite. U ovoj situaciji, umjesto da bude kažnjen, on dobiva nagradu a drugi student
dobiva kaznu. U tim situacijama Big Data koristi unakrsne provjere kako bi se
utvrdilo tko je stvarno napisao zadaću.