ビッグデータの生成と一般的な応用例の図 ビッグデータとは主に、従来の データ処理 ソフトウェア では処理できないほど大きすぎたり複雑すぎたりするデータセット を指します。エントリ（行）が多いデータは統計的検出力が 高い一方、複雑度が高いデータ（属性や列が多いデータ）は偽陽性率 が高くなる可能性があります。[ 1 ]
ビッグデータ分析の課題には、データの取得 、データの保存 、データ分析 、検索、共有、 転送、 視覚化、 クエリ 、更新、情報プライバシー、データソースなどがあります。ビッグデータは当初、 ボリューム 、バラエティ 、ベロシティ という3つの主要な概念に関連付けられていました。[ 2 ] サンプリング において課題となる可能性があります。そのため、データの信頼性のレベルを指す4番目の概念である真実性が追加されました。 [ 3 ] 価値を 創造および獲得する組織の能力を超えるコストとリスクが発生する可能性があります。 [ 4 ]
現在、ビッグデータ という用語は、予測分析 、ユーザー行動分析、またはビッグデータから 価値 を引き出すその他の高度なデータ分析手法の使用を指す傾向があり、データセットの特定のサイズを指すことはまれです。「現在利用可能なデータの量が確かに大きいことは疑いの余地がありませんが、それがこの新しいデータエコシステムの最も重要な特徴ではありません。」[ 5 ] [ 6 ] 政府などは 、インターネット検索 、フィンテック 、ヘルスケア分析、地理情報システム、都市情報学 、ビジネス情報学 などの分野で、大規模なデータセットで定期的に困難に直面しています。科学者は、気象学 、ゲノミクス [ 7 ] コネクトミクス 、複雑な物理シミュレーション、生物学、環境研究[ 8 ] などのeサイエンス 作業で限界に直面しています。
モバイルデバイス 、安価で多数の情報センシングIoT デバイス、航空（リモートセンシング ）機器、ソフトウェアログ、カメラ 、マイク、無線周波数識別 （RFID）リーダー、ワイヤレスセンサーネットワーク などのデバイスによってデータが収集されるにつれて、利用可能なデータセットのサイズと数は急速に増加しています。[ 9 ] [ 10 ] [ 11 ] 2012年現在 エクサバイト （2.17×2 60 バイト）のデータが生成されています。[ 12 ] IDC のレポート予測によると、世界のデータ量は2013年から2020年の間に4.4ゼタバイト から44ゼタバイトへと指数関数的に増加すると予測されています。IDCは、2025年までにデータ量が163ゼタバイトになると予測しています。[ 13 ] ビジネス分析 （BDA）ソリューションへの世界的な支出は、2021年には2,157億ドルに達すると推定されています。[ 14 ] [ 15 ] Statista は、世界のビッグデータ市場は2027年までに1,030億ドルに成長すると予測しています。[ 16 ] マッキンゼー・アンド・カンパニー は、米国の医療がビッグデータを創造的かつ効果的に使用して効率と品質を向上させれば、この分野は毎年3,000億ドル以上の価値を生み出すことができると報告しました。[ 17 ] [ 17 ] [ 17 ] [ 18 ]
リレーショナルデータベース管理システム や、データの可視化に使用されるデスクトップ統計ソフトウェアパッケージは、ビッグデータの処理や分析に困難を伴うことが多い。ビッグデータの処理や分析には、「数十、数百、あるいは数千台のサーバー上で動作する大規模並列ソフトウェア」が必要になる場合がある。[ 19 ] ギガバイト のデータに初めて直面することで、データ管理 オプションの見直しが必要になる場合がある。一方、データサイズが重要な検討事項となるまでには、数十テラバイトまたは数百テラバイトが必要になる場合もある。」[ 20 ]
特徴 この画像は、ビッグデータの主要な特徴である量、速度、多様性の成長を示しています。 ビッグデータは、以下の特徴によって説明できます。
音量 生成および保存されたデータの量。データのサイズは、その価値と潜在的な洞察、そしてビッグデータとみなせるかどうかを決定します。ビッグデータのサイズは通常、テラバイトやペタバイトよりも大きくなります。[ 34 ] バラエティ データの種類と性質。RDBMS などの以前のテクノロジーは、構造化データを効率的かつ効果的に処理することができました。しかし、構造化から半構造化または非構造化への種類と性質の変化は、既存のツールとテクノロジーに課題をもたらしました。ビッグデータテクノロジーは、高速で生成され、サイズが膨大である半構造化および非構造化（多様性）データをキャプチャ、保存、処理することを主な目的として進化しました。その後、これらのツールとテクノロジーは構造化データの処理にも調査され使用されましたが、保存に優先されました。最終的に、構造化データの処理は、ビッグデータまたは従来の RDBMS を使用してオプションのままにされました。これは、ソーシャルメディア、ログファイル、センサーなどを介して収集されたデータから明らかになった隠れた洞察を効果的に使用するためのデータ分析に役立ちます。ビッグデータは、テキスト、画像、音声、ビデオから抽出され、さらにデータ融合 によって欠落した部分を補完します。 速度 成長と発展の過程にある要求と課題に対応するために、データが生成および処理される速度。ビッグデータは多くの場合、リアルタイムで利用可能です。スモールデータ と比較して、ビッグデータはより継続的に生成されます。ビッグデータに関連する速度には、生成頻度と処理、記録、公開の頻度の2種類があります。[ 35 ] 真実性 データの真実性または信頼性とは、データ品質とデータ価値を指します。[ 36 ] データ品質は 大きく異なる可能性があり、正確な分析に影響を与えます。[ 37 ] 価値 大規模データセットの処理と分析によって得られる情報の価値。価値は、ビッグデータの他の特性を評価することによっても測定できます。[ 38 ] 変動性 多様性とは異なり、変動性は、ビッグデータの形式、構造、またはソースが時間とともに、またさまざまな状況に応じて変化するという事実を捉えています。データの解釈は変化するコンテキストに依存し、異なるコンテキストでは、古い意味が無効になる可能性があります。[ 39 ] ビッグデータのその他の特徴としては、次のものが考えられます。[ 40 ]
網羅的 システム全体（つまり、n {\textstyle n} きめ細かく、独特の語彙 それぞれ、収集された各要素の特定データの割合、および要素とその特性が適切にインデックス化または識別されているかどうか。 リレーショナル 収集したデータに、異なるデータセットを結合したり、メタ分析したりすることを可能にする共通のフィールドが含まれている場合。 拡張的 収集したデータの各要素に新しいフィールドを簡単に追加または変更できる場合。 拡張性 ビッグデータストレージシステムの規模が急速に拡大できる場合。
建築 ビッグデータリポジトリはさまざまな形で存在しており、多くの場合、特別なニーズを持つ企業によって構築されてきました。商用ベンダーは、1990年代からビッグデータ用の並列データベース管理システムを歴史的に提供してきました。長年にわたり、WinterCorpは最大のデータベースレポートを発行していました。[ 41 ]
Teradata Corporationは1984年に並列処理システムDBC 1012 を発売しました。Teradataシステムは1992年に初めて1テラバイトのデータを保存・分析しました。1991年のハードディスクドライブの容量は2.5GBだったので、ビッグデータの定義は絶えず進化しています。Teradataは2007年にペタバイト級のRDBMSベースのシステムを初めて導入しました。2017年現在 XML 、JSON 、Avro などの半構造化データタイプを追加しました。
2000 年、Seisint Inc. (現在のLexisNexis Risk Solutions ) は、HPCC Systems プラットフォームとして知られる、C++ ベースのデータ処理およびクエリ用の分散プラットフォームを開発しました。このシステムは、構造化データ、半構造化データ、および非構造化データを複数の汎用サーバーに自動的に分割、分散、保存、配信します。ユーザーは、ECL と呼ばれる宣言型データフロープログラミング言語でデータ処理パイプラインとクエリを記述できます。ECL で作業するデータアナリストは、データスキーマを事前に定義する必要はなく、むしろ目の前の特定の問題に集中し、ソリューションを開発しながらデータを可能な限り最適な方法で再構築できます。2004 年、LexisNexis は Seisint Inc. [ 42 ] [ 43 ]
CERN をはじめとする物理実験施設は、数十年にわたり膨大なデータセットを収集してきたが、それらのデータは、現在の「ビッグデータ」運動で一般的に用いられるマップリデュースアーキテクチャではなく、ハイスループットコンピューティング によって分析されるのが一般的である。
2004 年、Google は、同様のアーキテクチャを使用する MapReduce と呼ばれるプロセスに関する論文を発表しました。MapReduce の概念は並列処理モデルを提供し、関連する実装が大量のデータを処理するためにリリースされました。MapReduce では、クエリは並列ノードに分割および分散され、並列に処理されます (「map」ステップ)。その後、結果が収集され、配信されます (「reduce」ステップ)。このフレームワークは非常に成功したため[ 44 ] 実装が 、Apache のオープンソース プロジェクト「Hadoop 」に採用されました [ 45 ] Spark は 、MapReduce パラダイムの制限に対応するために 2012 年に開発され、インメモリ処理 と、多くの操作 (map の後に reduce を行うだけでなく) を設定する機能が追加されました。
MIKE2.0は 、「ビッグデータソリューションの提供」というタイトルの記事で指摘されたビッグデータの影響による改訂の必要性を認識した、情報管理へのオープンなアプローチです。[ 46 ] この方法論は、データソースの有用な組み合わせ 、相互関係の複雑さ 、個々のレコードの削除（または変更）の難しさという観点からビッグデータの処理に取り組んでいます。[ 47 ]
2012年の研究では、ビッグデータがもたらす問題に対処する選択肢の一つとして、多層アーキテクチャが挙げられました。分散並列 アーキテクチャは、データを複数のサーバーに分散します。このような並列実行環境は、データ処理速度を劇的に向上させることができます。このタイプのアーキテクチャは、MapReduceとHadoopフレームワークを使用する並列DBMSにデータを挿入します。このタイプのフレームワークは、フロントエンドアプリケーションサーバー を使用することで、エンドユーザーに対して処理能力を透過的にすることを目指しています。[ 48 ]
データレイク により、組織は情報管理のダイナミクスの変化に対応するために、中央集権的な制御から共有モデルへと焦点を移すことができます。これにより、データをデータレイクに迅速に分離することが可能になり、オーバーヘッド時間を削減できます。[ 49 ] [ 50 ]
アプリケーション 1950年から2025年までの著名なAIシステムのトレーニングに使用されたデータポイントの数を示すグラフ[ 60 ] ビッグデータによって情報管理スペシャリストの需要が急増し、Software AG 、Oracle Corporation 、IBM 、Microsoft 、SAP 、EMC 、HP 、Dellは 、データ管理と分析を専門とするソフトウェア企業に150億ドル以上を費やしました 。2010年には、この業界の市場規模は1000億ドルを超え、年間約10%の成長率で、ソフトウェア業界全体の約2倍の速さ で成長していました。 [ 6 ]
先進国では、データ集約型技術の利用がますます進んでいます。 世界中で携帯電話の契約数は46億件、インターネットへのアクセス数は10 億人から20億人に上ります。 [ 6 ] ペタバイト 、1993年に471ペタバイト、2000年に2.2エクサバイト、2007年に65エクサバイトでした [ 11 ]。 [ 6 ]。 [ 61 ]
多くのベンダーがビッグデータ向けの既製品を提供している一方で、専門家は企業が十分な技術力を持っている場合は、社内でカスタマイズされたシステムを開発することを推奨している。[ 62 ]
政府 政府のプロセスにおけるビッグデータの利用と導入は、コスト、生産性、イノベーションの面で効率性を高めるが、[ 63 ] 国家安全保障局 （NSA）であり、同局はインターネットの活動を常に監視し、システムが検出する可能性のある疑わしいまたは違法な活動のパターンを探している。
市民登録・生命統計システム （CRVS）は、出生から死亡までのあらゆる証明書のステータスを収集します。CRVSは、政府にとってビッグデータの情報源となります。
国際開発 開発のための情報通信技術の効果的な利用に関する研究（「ICT4D」とも呼ばれる）は、ビッグデータ技術が重要な貢献をすることができる一方で、国際開発 に特有の課題ももたらすことを示唆している。[ 64 ] [ 65 ] ビッグデータ分析の進歩は、医療、雇用、経済生産性 、犯罪、セキュリティ、自然災害 、資源管理などの重要な開発分野における意思決定を改善するための費用対効果の高い機会を提供する。[ 67 ] [ 68 ] [ 69 ] [ 70 ]
利点 開発におけるビッグデータの主要な実用的応用例の一つは、「データによる貧困対策」である。[ 71 ] [ 72 ] [ 73 ] Hilbert らは、ラテンアメリカの労働市場とデジタル経済を研究するためにデジタルトレースデータを使用し[ 74 ] [ 75 ]
テーマ別範囲：これまで測定が困難または不可能だった分野を含む 地理的範囲：国際的な調査には通常含まれない多くの小国を含む、ほぼすべての国について、十分な量と比較可能なデータを提供します。 詳細レベル：相互に関連する多くの変数とネットワーク接続などの新しい側面を含む、きめ細かいデータを提供する 適時性と時系列：グラフは収集後数日以内に作成可能
課題 同時に、従来の調査データではなくデジタル痕跡データを用いることは、国際的な定量分析の分野における従来からの課題を解消するものではありません。優先順位は変わるかもしれませんが、根本的な議論は変わりません。主な課題としては、以下のようなものがあります。
代表性。従来の開発統計は主に無作為調査サンプルの代表性に関心があるが、デジタルトレースデータは決して無作為サンプルではない。[ 76 ] 一般化可能性。観測データは常にこの情報源を非常によく表していますが、それはあくまでも表しているものであり、それ以上のものではありません。ある特定のプラットフォームでの観測結果をより広範な状況に一般化したくなる誘惑に駆られますが、これはしばしば非常に誤解を招く可能性があります。 調和。デジタル追跡データには、依然として指標の国際的な調和が必要である。これは、いわゆる「データ融合」、つまり異なる情報源の調和という課題を新たに加える。 データ過多。アナリストや機関は、インタラクティブなダッシュボードで効率的に処理できる多数の変数を効果的に扱うことに慣れていない。実務者は、研究者、ユーザー、政策立案者がデータを効率的かつ効果的に扱うことを可能にする標準的なワークフローをまだ欠いている。[ 74 ]
ファイナンス ビッグデータは、1) 処理速度の向上と 2) 金融機関の内部および顧客へのより的確で情報に基づいた推論の提供を目的として、金融分野で急速に採用されています。[ 77 ] [ 78 ] ビッグデータは、代替金融サービス の分野でも典型的な概念となっています。主な分野には、クラウドファンディングプラットフォームや暗号通貨取引所などがあります。[ 79 ]
健康管理 ビッグデータ分析は、個別化医療や処方分析 、臨床リスク介入や予測分析、無駄やケアのばらつきの削減、患者データの自動化された外部および内部報告、標準化された医療用語や患者レジストリの提供において医療で使用されています。[ 80 ] [ 81 ] [ 82 ] [ 83 ] 医療システム 内で生成されるデータの量は、決して些細なものではありません。mHealth、eHealth、ウェアラブル技術の採用が進むにつれて、データ量は増え続けるでしょう。これには、電子カルテ データ、画像データ、患者生成データ、センサーデータ、その他の処理が困難なデータが含まれます。現在、このような環境では、データと情報の品質にこれまで以上に注意を払う必要性がさらに高まっています。[ 84 ] 汚れたデータ 』を意味し、データの不正確さの割合はデータ量の増加とともに増加します。」ビッグデータ規模での人間の検査は不可能であり、医療サービスでは、正確性と信頼性の制御、および見落とされた情報の処理のためのインテリジェントなツールが切実に必要とされています。[ 85 ] [ 86 ] 医療におけるビッグデータの利用は、個人の権利、プライバシー、自律性 に対するリスクから、透明性や信頼性に至るまで、重大な倫理的課題を引き起こしている。[ 87 ]
健康研究におけるビッグデータは、探索的生物医学研究の観点から特に有望であり、データ駆動型分析は仮説駆動型研究よりも迅速に進めることができる。[ 88 ]
医療分野における関連アプリケーションサブエリアで、ビッグデータに大きく依存しているのが、医療におけるコンピュータ支援診断です。 てんかん モニタリングでは、1日に5～10GBのデータが生成されるのが一般的です。[ 90 ] 同様に、乳房トモシンセシス の非圧縮画像1枚あたり平均450MBのデータになります。[ 91 ] これらは、コンピュータ支援診断 でビッグデータが使用されている多くの例のうちのほんの一部です。このため、ビッグデータは、コンピュータ支援診断システムが次のレベルのパフォーマンスに到達するために克服する必要のある7つの主要な課題の1つとして認識されています。[ 92 ]
ビッグデータとIoTは連携して機能します。IoTデバイスから抽出されたデータは、デバイス間の相互接続のマッピングを提供します。このようなマッピングは、メディア業界、企業、政府によって、より正確にターゲットオーディエンスを絞り込み、メディアの効率を高めるために使用されています。IoTは、感覚データを収集する手段としてもますます採用されており、この感覚データは、医療[ 100 ] [ 101 ] [ 102 ]
ケビン・アシュトン氏 [ 103 ]
マーケティング ビッグデータは、インターネットの日常的な消費者の絶え間ない「データ化」 [ 111 ] [ 111 ] [ 112 ] [ 113 ] [ 114 ] [ 115 ]
マーケティングにおけるビッグデータの活用には、3つの重要な要素があります。
ビッグデータは、マーケターが分析して調査に利用できる読みやすい数値に人間の行動すべてを定量化するため、マーケターにとって顧客行動パターンの発見に役立ちます。[ 116 ] [ 117 ] リアルタイムの市場対応力は、マーケティング活動を現在のトレンドに合わせて調整し、消費者との関連性を維持するのに役立つため、マーケターにとって重要です。これにより、企業は消費者の欲求やニーズを事前に予測するために必要な情報を得ることができます。[ 116 ] データ駆動型市場の両利き性はビッグデータによって大きく促進されている。[ 116 ] [ 118 ]
事例研究
政府
インド ビッグデータ分析は、2014年のインド総選挙でBJPが 勝利するために試みられた。 [ 124 ] インド政府は、 インドの有権者が政府の行動にどのように反応しているかを把握するため、また政策強化のためのアイデアを得るために、数多くの手法を用いている。
イスラエル GlucoMeのビッグデータソリューションを通じて、個別化された糖尿病治療を作成することができる。[ 125 ]
イギリス 公共サービスにおけるビッグデータの活用例：
処方薬に関するデータ：研究ユニットは、各処方箋の出所、場所、および時間を関連付けることで、特定の薬剤の発売から英国国立医療技術評価機構（NICE） のガイドラインの英国全土への適用までの間にかなりの遅延があることを例示し、検証することができました。これは、新しい薬剤や最新の薬剤が一般の患者に浸透するまでには時間がかかることを示唆しています。[ 126 ] データの統合：地方自治体は、道路の除雪ローテーションなどのサービスに関するデータ と、配食 サービスなどのリスクのある人々向けのサービスに関するデータを統合しました。データの接続により、地方自治体は天候による遅延を回避することができました。[ 127 ]
小売り ウォルマートは 毎時100万件以上の顧客取引を処理しており、それらのデータは2.5ペタバイト（2560テラバイト）以上のデータを含むと推定されるデータベースにインポートされます。これは米国議会図書館 にあるすべての書籍に含まれる情報の167倍に相当します。[ 6 ] ウィンダミア不動産は、 約1億人のドライバーの位置情報を使用して、新しい住宅購入者が1日のさまざまな時間帯における通勤にかかる平均時間を判断できるようにしています。[ 137 ] FICOカード検出システムは世界中のアカウントを保護します。[ 138 ] オムニチャネル小売[ 139 ]
科学 大型ハドロン衝突型加速器の 実験では、約1億5000万個のセンサーが 毎秒4000万回データを送信しています。毎秒約6 億回の衝突が発生しています。これらのストリームの99.99995%以上[ 140 ] [ 141 ] [ 142 ] [ 143 ] その結果、センサーストリームデータの0.001%未満しか使用していないにもかかわらず、4つのLHC実験すべてからのデータフローは、複製前で年間25ペタバイトのレートに相当する（2012年時点）。 もし全てのセンサーデータがLHCに記録されるとしたら、データフローは極めて扱いづらいものになるだろう。複製前のデータフローは年間1億5000万ペタバイト、つまり1日あたり約500エクサバイト にも達する。この数字を分かりやすく説明すると、1日あたり500京バイト （5×10²⁰バイト ）に相当し、世界中の他の全てのデータソースを合わせた量の約200倍にもなる。 スクエア・キロメートル・アレイは 、数千のアンテナで構成された電波望遠鏡です。2024年までに運用開始される予定です。これらのアンテナは合計で14エクサバイトのデータを収集し、1日あたり1ペタバイトのデータを保存することが期待されています。[ 144 ] [ 145 ] [ 146 ] スローン・デジタル・スカイ・サーベイ （SDSS）が2000年に天文データの収集を開始したとき、最初の数週間でそれまでの天文学史上収集されたすべてのデータよりも多くのデータが蓄積されました。1 晩あたり約200GBのペースで収集を続け、SDSSは140テラバイト以上の情報を蓄積しました。[ 6 ] SDSSの後継機である大型シノプティック・サーベイ・テレスコープが 2020年に稼働を開始すると、設計者は5日ごとにその量のデータを取得すると予想しています。[ 6 ] ヒトゲノムの解読には 当初10年かかっていたが、今では1日未満で完了できる。DNAシーケンサーは過去10年間でシーケンスコストを1万分の1に削減しており、これはムーアの法則で予測されたコスト削減よりも100倍安価である 。[ 147 ] NASA気候シミュレーションセンター（NCCS）は、 Discoverスーパーコンピューティングクラスターに32ペタバイトの気候観測データとシミュレーションデータを保存している。[ 148 ] [ 149 ] GoogleのDNAStackは、世界中の遺伝子データのDNAサンプルを収集・整理し、病気やその他の医学的欠陥を特定します。これらの高速かつ正確な計算により、DNAを扱う多数の科学および生物学の専門家が犯す可能性のある「摩擦点」、つまり人的ミスが排除されます。Google Genomicsの一部であるDNAStackは、科学者がGoogleの検索サーバーからの膨大なリソースサンプルを使用して、通常は数年かかる社会実験を瞬時に拡大することを可能にします。[ 150 ] [ 151 ] 23andMe のDNAデータベース には、世界中の100万人以上の遺伝情報が含まれています。[ 152 ] [ 153 ] [ 154 ] [ 155 ] [ 156 ] [ 157 ] 2009年から23andMeを研究に使用しているデューク大学 の心理学および神経科学の教授であるAhmad Hariri氏は、同社の新しいサービスの最も重要な側面は、科学者にとって遺伝子研究が利用しやすく、比較的安価になることだと述べています。[ 153 ] [ 158 ] 計算流体力学（CFD ）と流体力学的乱流 研究では、膨大なデータセットが生成されます。ジョンズ・ホプキンス乱流データベース（JHTDB）には、様々な乱流の直接数値シミュレーションから得られた350テラバイトを超える時空間フィールドが収録されています。このようなデータは、従来のシミュレーション出力ファイルをダウンロードするなどの方法では共有が困難でした。JHTDB内のデータは、「仮想センサー」を使用してアクセスでき、Webブラウザからの直接クエリ、クライアントのプラットフォーム上で実行されるMatlab、Python、Fortran、Cプログラムからのアクセス、生データをダウンロードするためのカットアウトサービスなど、様々なアクセスモードが利用可能です。このデータは、150以上の科学論文で使用されています。
スポーツ ビッグデータは、スポーツセンサーを使用してトレーニングを改善したり、競技者を理解したりするために使用できます。ビッグデータ分析を使用して試合の勝者を予測することも可能です。[ 159 ] [ 160 ] [ 161 ]
フォーミュラワンの レースでは、数百個のセンサーを搭載したレーシングカーがテラバイト級のデータを生成します。これらのセンサーは、タイヤの空気圧から燃料消費効率まで、さまざまなデータポイントを収集します。[ 162 ] [ 163 ]
COVID-19（新型コロナウイルス感染症 COVID-19パンデミック の間、ビッグデータは疾病の影響を最小限に抑える方法として注目されました。ビッグデータの重要な応用例としては、ウイルスの拡散の最小化、症例の特定、および医療処置の開発が挙げられます。[ 169 ]
政府は感染拡大を最小限に抑えるため、ビッグデータを使って感染者を追跡した。早期導入国には中国、台湾、韓国、イスラエルなどがある。[ 170 ] [ 171 ] [ 172 ]
研究活動 ビッグデータにおける暗号化検索とクラスタ形成は、2014 年 3 月に米国工学教育協会で実証されました。MITコンピュータ科学および人工知能研究所 の「ビッグデータの課題への取り組み」 に参加した Gautam Siwach氏と UNH 研究グループの Amir Esmailpour 氏は、クラスタ形成とその相互接続といったビッグデータの主要な特徴を調査しました。彼らは、ビッグデータのセキュリティと、クラウド インターフェースで暗号化された形式でさまざまな種類のデータが存在する方向への用語の方向性に焦点を当て、技術内の生の定義とリアルタイムの例を提供しました。さらに、暗号化されたテキストに対する検索を高速化し、ビッグデータのセキュリティ強化につながるエンコード技術を特定するアプローチを提案しました。[ 173 ]
2012年3月、ホワイトハウスは、6つの連邦省庁が ビッグデータ研究プロジェクトに2億ドル以上を投じる国家的な「ビッグデータイニシアチブ」を発表した。[ 174 ]
この取り組みには、カリフォルニア大学バークレー校のAMPLab [ 175 ]に対する、国立科学財団の「コンピューティング探査」助成金（5年間で1,000万ドル）が含まれていました。 [ 176 ] DARPAや10社以上の産業界のスポンサーからも資金提供を受けており、ビッグデータを使用して、交通渋滞の予測 [ 177 ] [ 178 ]
ホワイトハウスのビッグデータイニシアチブには、エネルギー省が5年間で2500万ドルの資金を提供し、エネルギー省のローレンス・バークレー国立研究所が主導するスケーラブルデータ管理、分析、視覚化（SDAV）研究所を設立するという約束も含まれていた [ 179 ]
米国のマサチューセッツ 州は、2012年5月にマサチューセッツ・ビッグデータ・イニシアチブを発表し、州政府と民間企業からさまざまな研究機関に資金を提供している。[ 180 ] は、 MITコンピュータ科学・人工知能研究所 内にインテル・ビッグデータ科学技術センターを擁し、政府、企業、機関からの資金提供と研究活動を統合している。[ 181 ]
欧州委員会は、第7次フレームワークプログラムを通じて、ビッグデータに関する問題について企業、学者、その他の利害関係者が議論できるよう、2年間のビッグデータ官民フォーラムに資金を提供しています。このプロジェクトは、ビッグデータ経済の成功裡の実現に向けて欧州委員会が支援する行動を導くための研究とイノベーションの観点からの戦略を定義することを目的としています。このプロジェクトの成果は、次期フレームワークプログラムである Horizon 2020 へのインプットとして使用されます。[ 182 ]
英国政府は2014年3月、コンピュータの先駆者であり暗号解読者でもあるアラン・チューリングにちなんで名付けられたアラン・チューリング研究所 の設立を発表した。同研究所は、大規模データセットの収集と分析の新しい方法に焦点を当てる予定である。[ 183 ]
ウォータールー大学ストラトフォードキャンパスの カナダオープンデータエクスペリエンス（CODE）インスピレーションデーでは、参加者がデータ視覚化を使用することでビッグデータセットの理解と魅力を高め、そのストーリーを世界に伝える方法を実演しました。[ 184 ]
計算社会科学 – GoogleやTwitterなどのビッグデータ保有者が提供するアプリケーションプログラミングインターフェース（API）は誰でも使用でき、社会科学や行動科学の研究を行うことができます。[ 185 ] [ 185 ] Tobias Preis らはGoogleトレンドの データを使用して、一人当たりの国内総生産（GDP）が高い国のインターネットユーザーは、過去に関する情報よりも未来に関する情報を検索する可能性が高いことを示しました。この調査結果は、オンライン行動と現実世界の経済指標の間に関連性がある可能性を示唆しています。[ 186 ] [ 187 ] [ 188 ] 未来志向指数 」と呼んでいます。[ 189 ]
トビアス・プライス と彼の同僚ヘレン・スザンナ・モートとH・ユージン・スタンレーは 、Googleトレンドが提供する検索ボリュームデータに基づく取引戦略を使用して、株式市場の動きのオンライン前兆を特定する方法を紹介しました。[ 190 ] Scientific Reports Google 検索ボリュームの分析[ 191 ] [ 192 ] [ 193 ] [ 194 ] [ 195 ] [ 196 ] [ 197 ] [ 198 ]
ビッグデータセットには、これまで存在しなかったアルゴリズム上の課題が伴います。そのため、処理方法を根本的に変える必要があると考える人もいます。[ 199 ]
ビッグデータのサンプリング ビッグデータセットに関してよく問われる研究課題は、データの特性について特定の結論を導き出すためにデータ全体を見る必要があるのか、それともサンプルで十分なのか、という点です。ビッグデータという名前自体にサイズに関連する用語が含まれており、これはビッグデータの重要な特徴です。しかし、サンプリング によって、より大きなデータセットの中から適切なデータポイントを選択し、母集団全体の特性を推定することができます。製造業では、音響、振動、圧力、電流、電圧、コントローラーデータなど、さまざまな種類のセンサーデータが短い時間間隔で利用可能です。ダウンタイムを予測するには、すべてのデータを見る必要はなく、サンプルで十分な場合があります。ビッグデータは、人口統計、心理統計、行動、トランザクションデータなど、さまざまなデータポイントカテゴリに分類できます。大規模なデータポイントセットがあれば、マーケターはより戦略的なターゲティングのために、よりカスタマイズされた消費者セグメントを作成して使用することができます。
批評 ビッグデータパラダイムに対する批判には2種類ある。アプローチ自体の意味合いを問うものと、現在のやり方を問うものである。[ 200 ] この批判に対するアプローチの一つが、批判的データ研究 の分野である。
ビッグデータパラダイムへの批判 「重要な問題は、ビッグデータの典型的なネットワーク特性の出現につながる根底にある経験的なミクロプロセスについて、我々があまり知らないということである。」スナイダーズ、マツァット、ライプス クリス・アンダーソンの主張に対して広範な批判を展開している。 [ 201 ] [ 202 ] ハーバード・ビジネス・レビュー [ 203 ]
同様の論調で、ビッグデータの分析に基づく意思決定は必然的に「過去の世界、あるいはせいぜい現在の世界に影響される」と指摘されている。[ 204 ] 定常プロセスでない場合）、過去は将来についてほとんど何も語らない。変化する環境で予測を行うには、理論を必要とするシステムのダイナミクスを徹底的に理解する必要がある。 [ 204 ] [ 205 ] さらに、ビッグデータアプローチと、エージェントベースモデル 複雑系 などのコンピュータシミュレーションを組み合わせることが提案されています。エージェントベースモデルは、相互に依存するアルゴリズムの集合に基づくコンピュータシミュレーションを通じて、未知の将来のシナリオであっても社会的複雑性の結果を予測する能力がますます向上しています。[ 206 ] [ 207 ] 最後に、因子分析 やクラスター分析 など、データの潜在構造を調査する多変量手法の使用は、通常、より小さなデータセットで使用される二変量アプローチ (分割表 など) をはるかに超える分析アプローチとして有用であることが証明されています。
健康や生物学では、従来の科学的手法は実験に基づいています。これらの手法では、制限要因は、最初の仮説を裏付けるか反証できる関連データです。[ 208 ] オミクス ）によって提供される情報は、実験に基づく従来の手法を補完し、時には必要とします。[ 209 ] [ 210 ] [ 211 ] CD Broad 、1926年）を考慮する必要があります。
プライバシー擁護者は、 個人識別情報 の保存と統合の増加によってもたらされるプライバシーへの脅威を懸念しており、専門家パネルは、プライバシーの期待に沿った慣行を確立するためのさまざまな政策提言を発表している。[ 212 ] [ 213 ]
バロカスとニッセンバウムは、個人ユーザーを保護する一つの方法として、収集される情報の種類、共有される相手、制約条件、目的について知らされることを挙げている。[ 214 ]
ビッグデータの「V」モデルは、計算のスケーラビリティを中心に据えており、情報の知覚可能性と理解可能性に関する損失が欠けているため、懸念されています。このため、認知ビッグデータ のフレームワークが生まれ、ビッグデータアプリケーションを次のように特徴付けています。[ 215 ]
データ完全性：データから明らかでない事柄を理解すること データ相関、因果関係、および予測可能性：予測可能性を達成するための必須要件としての因果関係 説明可能性と解釈可能性：人間は理解したことを理解し受け入れたいという欲求を持っているが、アルゴリズムはこれに対処できない。 自動意思決定 のレベル：自動意思決定とアルゴリズムによる自己学習をサポートするアルゴリズム
斬新さに対する批判 大規模なデータセットは、1世紀以上にわたりコンピュータによって分析されてきました。例えば、IBM のパンチカードマシンによる米国国勢調査の分析では、大陸全体の人口の平均値や分散などの統計が算出されました。近年では、CERN などの科学実験によって、現在の商用「ビッグデータ」と同規模のデータが生成されています。しかし、科学実験では、現在の商用波のように安価な汎用コンピュータのクラウドではなく、専用に構築された高性能コンピューティング （スーパーコンピューティング）クラスターやグリッドを使用してデータを分析する傾向があり、これは文化と技術スタックの両面で違いがあることを示しています。
ビッグデータ実行に対する批判 ウルフ＝ディートリッヒ・ライプス とウーヴェ・マッツァットは2014年に、ビッグデータは科学研究において「流行」になっていると書いた。[ 185 ] ダナ・ボイドは、膨大な量のデータの処理に気を取られすぎて、 代表サンプルの 選択などの原則を無視して科学でビッグデータを使用することについて懸念を表明している。[ 216 ] 偏り のある結果につながる可能性がある。 [ 217 ] [ 218 ] [ 219 ] 神話 の一部としている。「大規模なデータセットは、真実、客観性、正確さのオーラとともに、より高度な知性と知識を提供する」。ビッグデータの利用者はしばしば「膨大な数値に圧倒され」、ビッグデータの扱いは依然として主観的であり、それが定量化するものが必ずしも客観的な真実に近いとは限らない。[ 219 ] 有用でないデータや相関関係 の自動フィルタリング を通じて、ビッグデータの使いやすさの向上を目指している。[ 220 ] 真に大数の法則 ）、ビッグランダム性の性質のみ[ 222 ] ラムゼイ理論 ） 、または含まれていない要因 の存在により、偽 。 [ 223 ] キャサリン・タッカーは ビッグデータに関する「誇大宣伝」を指摘し、「ビッグデータ自体は価値がない可能性が高い」と書いている。この記事では、「データ処理のための人材確保コストに比べてデータ自体が安価である状況は数多く存在し、企業にとって価値を創造する上で、データそのものよりも処理スキルの方が重要であることを示唆している」と説明している。[ 224 ]
ビッグデータ分析は、小規模データセットの分析に比べて浅い場合が多い。[ 225 ] 抽出、変換、ロードの 部分である。[ 225 ]
ビッグデータはバズワード であり「曖昧な用語」[ 226 ] [ 227 ] [ 227 ] となっています。Google Flu Trends のようなビッグデータのショーケースは近年、インフルエンザの流行を2倍も過大評価するなど、良い予測を提供できていません。同様に、 Twitterのみに基づくアカデミー賞 や選挙の予測は、的中するよりも外れることの方が多かったのです。ビッグデータはしばしばスモールデータと同じ課題を抱えています。データを増やしてもバイアスの問題は解決せず、他の問題を強調する可能性があります。特にTwitterのようなデータソースは全体の人口を代表するものではなく、そのようなソースから得られた結果は誤った結論につながる可能性があります。テキストのビッグデータ統計分析に基づくGoogle翻訳は 、ウェブページの翻訳において優れた仕事をします。しかし、専門分野の結果は著しく偏っている可能性があります。一方、ビッグデータは、多重比較問題 などの新たな問題も引き起こす可能性があります。多数の仮説を同時に検証すると、誤って有意に見える多くの誤った結果が生じる可能性が高くなります。イオアニディスは、「発表された研究結果のほとんどは誤りである」[ 228 ] [ 229 ] 。
ビッグデータを用いた警察活動と監視に対する批判 ビッグデータは、法執行機関 や企業などの組織によって、警察活動や監視に利用されてきた（ [ 230 ] ビッグデータ監視：警察活動の事例』 [ 231 ] 社会的不平等を 次の3つの方法で再現する可能性がある。
数学的かつ偏りのないアルゴリズムを正当化の根拠として、人々を監視下に置く。 法執行機関による追跡の対象となる範囲と人数が増加し、刑事司法制度における既存の人種的過剰代表が悪化する。 社会の構成員に対し、デジタル痕跡を残すような機関との交流を断つよう促すことで、社会参加への障害を作り出す。 これらの潜在的な問題が是正または規制されない場合、ビッグデータによる監視の影響は社会階層を形成し続ける可能性がある。ブレイン氏はまた、ビッグデータによる監視を良心的に利用することで、個人レベルの偏見が制度的な偏見に発展するのを防ぐことができると指摘している。
参考文献 ↑ Breur, Tom (2016年7月) 「統計的検出力分析と社会科学における現代の「危機」」 Journal of Marketing Analytics . 4 ( 2–3 ). ロンドン、イングランド: Palgrave Macmillan : 61–65 . doi : 10.1057/s41270-016-0001-3 . ISSN 2050-3318 . ↑ McAfee, Andrew; Brynjolfsson, Erik (2012年10月1日). 「ビッグデータ：経営革命」. Harvard Business Review . 90 (10): 60–66 , 68, 128. ISSN 0017-8012 . PMID 23074865 . ↑ ショルツ、トビアス M. (2017)、 「理論的枠組み」 、 ビッグデータと組織における人的資源管理の役割 、複雑系理論に基づく概念化、ピーター・ラング AG、pp. 9–82 、 ISBN 978-3-631-71890-2 2025年11月27日 取得 ↑ Cappa, Francesco; Oriani, Raffaele; Peruffo, Enzo; McCarthy, Ian (2021). "デジタル化された環境における価値創造と獲得のためのビッグデータ：量、多様性、真実性が企業業績に及ぼす影響の解明" . Journal of Product Innovation Management . 38 (1): 49– 67. doi : 10.1111/jpim.12545 . ISSN 0737-6782 . S2CID 225209179 . ↑ Boyd, Danah; Crawford, Kate (2011年9月21日). "ビッグデータに対する6つの挑発" . Social Science Research Network . doi : 10.2139/ssrn.1926431 . S2CID 148610111 . 2020年2月28日のオリジナルから アーカイブ済み。 2019年 7月12日 取得 。 1 2 3 4 5 6 7 「データ、データ、どこにでもある」 。 エコノミスト 。2010年2月25日。 2018年5月27日にオリジナルから アーカイブ 。 2012年 12月9日 に取得。 ↑ 「コミュニティの知恵が必要」 . Nature . 455 (7209): 1. 2008年9月. Bibcode : 2008Natur.455....1. . doi : 10.1038/455001a . PMID 18769385 . ↑ ライヒマン OJ、ジョーンズ MB、シルトハウアー MP (2011 年 2 月)。 「生態学におけるオープンデータの課題と機会」 。 科学 。 331 (6018): 703– 5. Bibcode : 2011Sci...331..703R 。 土井 : 10.1126/science.1197962 。 PMID 21311007 。 S2CID 22686503 。 2020年10月19日のオリジナルから アーカイブ 。 2019 年 7 月 12 日 に取得 。 ↑ Hellerstein, Joe (2008年11月9日). 「ビッグデータ時代の並列プログラミング」 . Gigaomブログ . 2012年10月7日の オリジナルからアーカイブ済み. 2010年 4月21日 取得 . ↑ セガラン、トビー、ハンマーバッハー、ジェフ (2009)。 『美しいデータ：洗練されたデータソリューションの裏にある物語 』オライリー・メディア、 257ページ 。ISBN 978-0-596-15711-1 2016年5月12日にオリジナルからアーカイブされました。2015年 12月31日 に取得 。1 2 Hilbert M、López P (2011 年 4 月)。 「世界の情報保存、通信、計算の技術的能力」 (PDF) 。 Science 。 332 (6025): 60– 5。 Bibcode : 2011Sci...332...60H 。 doi : 10.1126/science.1200970 。 PMID 21310967 。 S2CID 206531385 。 2019 年 8 月 19 日にオリジナルから アーカイブ (PDF) 。 2019 年 5 月 11 日 に取得 。 ↑ 「IBM ビッグデータとは？ – 企業にビッグデータをもたらす」 。ibm.com。 2013年8月24日のオリジナルから アーカイブ。 2013年 8月26日 取得 。 ↑ Reinsel, David; Gantz, John; Rydning, John (2017年4月13日). "データ時代2025：生命に関わるデータの進化" (PDF) . seagate.com . Framingham, MA, US: International Data Corporation . 2017年12月8日のオリジナルから アーカイブ (PDF) . 2017年 11月2日 取得 . ↑ 「IDCの新しい支出ガイドによると、ビッグデータと分析ソリューションへの世界的な支出は2021年に2157億ドルに達する見込み」 。 2022年7月23日に オリジナルからアーカイブ済み 。 2022年 7月31日 に取得。 ↑ 「ビッグデータとビジネスアナリティクスの収益 2022」 。 ↑ 「世界のビッグデータ産業市場規模 2011-2027 」 1 2 3 ビッグデータ：イノベーション、競争、生産性の次のフロンティア2023年3月15日に Wayback Machineに アーカイブされましたマッキンゼー・グローバル・インスティテュート 2011年5月 ↑ OracleとFSN、「ビッグデータの活用：洞察を機会に変えるCFO戦略」、 2013年8月4日にWayback Machine に アーカイブ済み、2012年12月 ↑ Jacobs, A. (2009年7月6日). "ビッグデータの病理" . ACMQueue . 2015年12月8日のオリジナルから アーカイブ済み。 2010年 4月21日 取得 。 ↑ Magoulas, Roger; Lorica, Ben (2009年2月). "Introduction to Big Data" . Release 2.0 (11). Sebastopol, CA: O'Reilly Media. 2021年11月2日にオリジナルから アーカイブ済み。 2021年 2月26日 に取得 。 ↑ John R. Mashey (1998年4月25日)。 「ビッグデータ…と次のインフラストレスの波」 (PDF) 。 招待講演のスライド 。Usenix。 2016年10月12日のオリジナルから アーカイブ (PDF) 。 2016年 9月28日 取得 。 ↑ スティーブ・ローア (2013年2月1日)。 「ビッグデータの起源：語源探偵物語」 。 ニューヨーク・タイムズ 。 2016年3月6日のオリジナルから アーカイブ。 2016年 9月28日 取得 。 ↑ Dedić, N.; Stanier, C. (2017). "ビジネスインテリジェンス、ビッグデータ、データ分析、知識発見の差別化に向けて" . エンタープライズ情報システム管理とエンジニアリングにおけるイノベーション . ビジネス情報処理に関する講義ノート. 第 285巻. ベルリン; ハイデルベルク: Springer International Publishing. pp. 114–22 . doi : 10.1007/978-3-319-58801-8_10 . ISBN 978-3-319-58800-1 ISSN 1865-1356。OCLC 909580101。 2020年11月27 日 にオリジナルからアーカイブ済み。2019年 9月7日 に取得 。 ↑ エヴァーツ、サラ（2016）。 「情報過多」 。Distillations 。第 2巻、第2号、 26～ 33 ページ。 2019年4月3日にオリジナルから アーカイブ済み。 2018年3 月 22日 に取得 。 ↑ イブラヒム。タルジオ・ハシェム、アベイカー。ヤクーブ、イブラル。バドルル・アヌアール、ノル;モフタル、サリマ。ガニ、アブドラ。ウラ・カーン、サミー（2015）。クラウド コンピューティングの「ビッグ データ」: 研究課題のレビューとオープン化」. 情報システム . 47 : 98–115 e. ↑ Fox, Charles (2018年3月25日). Data Science for Transport . Springer Textbooks in Earth Sciences, Geography and Environment. Springer. ISBN 978-3-319-72952-7 2018年4月1日にオリジナルからアーカイブされました。2018年 3月31日 に取得 。↑ Kitchin, Rob; McArdle, Gavin (2016). "ビッグデータとは何か？26のデータセットの存在論的特性を探る" . Big Data & Society . 3 : 1– 10. doi : 10.1177/2053951716631130 . S2CID 55539845 . ↑ Balazka, Dominik; Rodighiero, Dario (2020). "ビッグデータとリトルビッグバン：認識論的（R）進化" . Frontiers in Big Data . 3 : 31. doi : 10.3389/fdata.2020.00031 . hdl : 1721.1/128865 . PMC 7931920 . PMID 33693404 . ↑ 「ビッグ データ と分析に焦点を当てた」 （PDF） 。Bigdataparis.com 。 2021年2月25日に オリジナル （PDF） からアーカイブ済み 。 2017年 10月8日 に取得。 1 2 Billings SA「非線形システム同定：時間、周波数、および時空間領域におけるNARMAX法」Wiley、2013年 ↑ "le Blog ANDSI » DSI Big Data" . Andsi.fr . 2017年10月10日のオリジナルから アーカイブ済み 。 2017年 10月8日 取得。 ↑ レゼコー (2013 年 4 月 3 日)。 「Les Echos – ビッグ データ カーの低密度データ ? 情報の事実上の密度 – アーカイブ」 。 レセコス.fr 。 2014 年 4 月 30 日のオリジナルから アーカイブ 。 2017 年 10 月 8 日 に取得 。 ↑ Sagiroglu, Seref (2013). 「ビッグデータ：レビュー」. 2013 International Conference on Collaboration Technologies and Systems (CTS) . pp. 42–47 . doi : 10.1109/CTS.2013.6567202 . ISBN 978-1-4673-6404-1 . S2CID 5724608 . ↑ Kitchin, Rob; McArdle, Gavin (2016年2月17日). 「ビッグデータとは何か？26のデータセットの存在論的特性を探る」 . Big Data & Society . 3 (1): 205395171663113. doi : 10.1177/2053951716631130 . ↑ Onay, Ceylan; Öztürk, Elif (2018). "ビッグデータ時代の信用スコアリング研究のレビュー". Journal of Financial Regulation and Compliance . 26 (3): 382– 405. doi : 10.1108/JFRC-06-2017-0054 . S2CID 158895306 . ↑ ビッグデータの第4のV ↑ 「ビッグデータのビジネス価値の測定 | IBM Big Data & Analytics Hub」 。www.ibmbigdatahub.com 。 2021年1月28日にオリジナルから アーカイブ済み 。 2021年 1月20日に 取得 。 ↑ Mlącki, Jakub (2026年4月6日). "ビッグデータの7つのV – それらは何で、なぜそれほど重要なのか？" . www.dsstream.com . DS Stream . 2026年 6月23日 取得 . ↑ Kitchin, Rob; McArdle, Gavin (2016年1月5日). 「ビッグデータとは何か？26のデータセットの存在論的特性を探る」 . Big Data & Society . 3 (1): 205395171663113. doi : 10.1177/2053951716631130 . ISSN 2053-9517 . ↑ 「調査：最大規模のデータベースが30テラバイトに迫る」 。Eweek.com 。 2003年11月8日。 2017年 10月8日 取得 。 ↑ 「LexisNexisがSeisintを7億7500万ドルで買収へ」 。 ワシントン・ポスト 。 2008年7月24日のオリジナルから アーカイブ。 2004年 7月15日 閲覧 。 ↑ 「ワシントン・ポスト」 。 ワシントン・ポスト 。 2016年10月19日のオリジナルから アーカイブ。 2017年 8月24日 取得 。 ↑ Bertolucci, Jeff「Hadoop: 実験から主要なビッグデータプラットフォームへ」Wayback Machine に2020年11月23日に アーカイブ済み、「Information Week」、2013年。2013年11月14日に取得。 ↑ ウェブスター、ジョン。「MapReduce: 大規模クラスタにおける簡素化されたデータ処理」Wayback Machine に 2009 年 12 月 14 日に アーカイブ済み、「検索ストレージ」、2004 年。2013 年 3 月 25 日に取得。 ↑ 「ビッグデータソリューションの提供」 。MIKE2.0。 2013年3月16日のオリジナルから アーカイブ済み 。 2013年 12月8日 取得。 ↑ 「ビッグデータの定義」 。MIKE2.0。 2018年9月25日のオリジナルから アーカイブ済み 。 2013年 3月9日 取得。 ↑ ボジャ、C;ポコヴニク、A;バタガン、L. (2012)。 「ビッグデータのための分散並列アーキテクチャ」。 インフォマティカ エコノミカ 。 16 (2): 116–127 . ↑ 「ビッグデータレイクで主要なビジネス課題を解決する」 （PDF） 。Hcltech.com 。 2014 年8月。 2017年7月3日にオリジナルから アーカイブ （PDF） 。 2017年 10月8日 取得 。 ↑ 「MapReduceフレームワークの耐障害性をテストする方法」 (PDF) 。コンピュータネットワーク。2015年。 2016年7月22日のオリジナルから アーカイブ (PDF) 。 2016年 4月13日 取得 。 1 2 Manyika, James; Chui, Michael; Bughin, Jaques; Brown, Brad; Dobbs, Richard; Roxburgh, Charles; Byers, Angela Hung (2011 年 5 月)。 「ビッグデータ: イノベーション、競争、生産性の次のフロンティア」 (PDF) 。マッキンゼー・グローバル・インスティテュート。2021 年 7 月 25 日のオリジナルから アーカイブ (PDF) 。2021 年 5 月 22 日 取得 。 ↑ 「テンソルベースの計算とモデリングの将来の方向性」 （PDF） 。2009年5月。 2018年4月17日にオリジナルから アーカイブ （PDF） 。 2013年 1月4日 に取得。 ↑ Lu, Haiping; Plataniotis, KN; Venetsanopoulos, AN (2011). "テンソルデータのための多重線形部分空間学習の概観" (PDF) . Pattern Recognition . 44 (7): 1540– 1551. Bibcode : 2011PatRe..44.1540L . doi : 10.1016/j.patcog.2011.01.004 . 2019年7月10日にオリジナルから アーカイブ (PDF) 。 2013年 1月21日 に取得 。 ↑ Pllana, Sabri; Janciak, Ivan; Brezany, Peter; Wöhrer, Alexander (2016). "データマイニングと統合クエリ言語の現状に関する調査". 2011 第14回ネットワークベース情報システム国際会議 . IEEE Computer Society. pp. 341–348 . arXiv : 1603.01113 . Bibcode : 2016arXiv160301113P . doi : 10.1109/NBiS.2011.58 . ISBN 978-1-4577-0789-6 . S2CID 9285984 . ↑ Wang, Yandong; Goldstone, Robin; Yu, Weikuan; Wang, Teng (2014年10月)「HPCシステムにおけるメモリ常駐型MapReduceの特性評価と最適化」 2014 IEEE 28th International Parallel and Distributed Processing Symposium . IEEE. pp. 799–808 . doi : 10.1109/IPDPS.2014.87 . ISBN 978-1-4799-3800-1 . S2CID 11157612 . ↑ L'Heureux, A.; Grolinger, K.; Elyamany, HF; Capretz, MAM (2017). "Machine Learning With Big Data: Challenges and Approaches" . IEEE Access . 5 : 7776–7797 . Bibcode : 2017IEEEA...5.7776L . doi : 10.1109/ACCESS.2017.2696365 . ISSN 2169-3536 . ↑ モナシュ、カート（2009年4月30日）。 「eBayの2つの巨大なデータウェアハウス」 。 2019年3月31日のオリジナルから アーカイブ 。 2010年 11月11日 取得。 モナシュ、カート（2010年10月6日）。「eBayの続報 – Greenplum撤退、Teradataは10ペタバイト超、Hadoopには一定の価値がある、その他」。2019年3月31日のオリジナルからアーカイブ。 2010年 11月11日 取得 。 ↑ 「トポロジカルデータ解析がビッグデータの分析にどのように使用されるかに関するリソース」 。Ayasdi。 2013年3月3日のオリジナルから アーカイブ。 2013年 3月5日 取得 。 ↑ CNETニュース（2011年4月1日）。 「ストレージエリアネットワークは不要」 。CNET 。 2013年10月18日のオリジナルから アーカイブ 。 2013年 4月17日 取得 。 ↑ Samborska, Veronika (2025年1月20日). 「スケールアップ：入力の増加が人工知能の能力向上にどう貢献したか」 . Our World in Data . ↑ Hilbert, Martin (2014). "世界の技術的に媒介された情報およびコミュニケーション能力の内容とは何か：テキスト、画像、音声、ビデオはどれくらいか？" . The Information Society . 30 (2): 127– 143. doi : 10.1080/01972243.2013.873748 . S2CID 45759014 . 2020年6月24日のオリジナルから アーカイブ済み。 2019年 7月12日 取得 。 ↑ Rajpurohit, Anmol (2014年7月11日) 「インタビュー: eBayの顧客分析・インサイト担当ディレクター、Amy Gershkoff氏による、社内カスタムBIツールの設計方法」 KDnuggets 2014 年 7月14日のオリジナルから アーカイブ2014 年 7月14日 閲覧 一般的に、既製のビジネスインテリジェンスツールは、 データから独自のインサイトを得たいクライアントのニーズを満たしていないと感じています。そのため、優秀な技術人材を擁する中規模から大規模の組織には、通常、社内カスタムソリューションの構築を推奨しています。 ↑ 「政府とビッグデータ：利用、問題点、可能性」 Computerworld 。 2012年3月21日。 2016年9月15日のオリジナルから アーカイブ。 2016年 9月12日 取得 。 ↑ 「ホワイトペーパー：開発のためのビッグデータ：機会と課題」 。 グローバルパルス 。国連。2012年。 2020年6月1日にオリジナルから アーカイブ 。 2016年 4月13日 に取得。 ↑ 「ビッグデータ、大きなインパクト：国際開発の新たな可能性」 。世界経済フォーラム＆バイタルウェーブコンサルティング。 2020年6月1日時点のオリジナルより アーカイブ。 2012年 8月24日 取得 。 ↑ 「エレナ・クヴォチコ、『ビッグデータについて語る4つの方法（開発のための情報通信技術シリーズ）』」 。worldbank.org。2012年12月4日。 2012年12月15日のオリジナルから アーカイブ。 2012年 5月30日 取得 。 ↑ 「ダニエレ・メドリ：ビッグデータとビジネス：進行中の革命」 。統計ビュー。2013年10月21日。 2015年6月17日の オリジナルからアーカイブ。 2015年 6月21日 取得 。 ↑ Tobias Knobloch および Julia Manske (2016 年 1 月 11 日)。 「データの責任ある利用」 。D +C、開発と協力 。2017 年 1 月 13 日のオリジナルから アーカイブ済み。2017 年 1 月 11 日 取得 。 ↑ Mann, S., & Hilbert, M. (2020). AI4D: 開発のための人工知能。International Journal of Communication, 14(0), 21. https://www.martinhilbert.net/ai4d-artificial-intelligence-for-development/ 2021年4月22日にWayback Machine に アーカイブ済み ↑ Blumenstock, JE (2016). データで貧困と闘う。サイエンス、353(6301)、753–754。https ://doi.org/10.1126/science.aah5217 2022年6月1日にWayback Machine に アーカイブ済み ↑ Blumenstock, J., Cadamuro, G., & On, R. (2015). Predicting poverty and wealth from mobile phone metadata. Science, 350(6264), 1073–1076. https://doi.org/10.1126/science.aac4420 2022年6月1日にWayback Machine に アーカイブ済み ↑ Jean, N., Burke, M., Xie, M., Davis, WM, Lobell, DB, & Ermon, S. (2016). Combining satellite imagery and machine learning to predict poverty. Science, 353(6301), 790–794. https://doi.org/10.1126/science.aaf7894 2022年6月1日にWayback Machine に アーカイブ済み 1 2 Hilbert, M., & Lu, K. (2020). ラテンアメリカ・カリブ海地域におけるオンライン雇用市場の動向 (UN ECLAC LC/TS.2020/83; p. 79). 国連ラテンアメリカ・カリブ経済委員会。https ://www.cepal.org/en/publications/45892-online-job-market-trace-latin-america-and-caribbean 2020年9月22日にWayback Machine に アーカイブ済み ↑ 国連ラテンアメリカ・カリブ経済委員会（UN ECLAC）。(2020)。ラテンアメリカ・カリブ海地域におけるデジタルフットプリントの追跡：ビッグデータを用いたデジタル経済評価から得られた教訓（生産的開発、ジェンダー問題 LC/TS.2020/12; プロジェクト文書）。国連ラテンアメリカ・カリブ経済委員会。https ://repositorio.cepal.org/handle/11362/45484 2020年9月18日にWayback Machine に アーカイブ済み ↑ Banerjee, Amitav; Chaudhury, Suprakash (2010). "涙なしの統計学：母集団と標本" . Industrial Psychiatry Journal . 19 (1): 60– 65. doi : 10.4103/0972-6748.77642 . ISSN 0972-6748 . PMC 3105563 . PMID 21694795 . ↑ Aldridge, Irene (2016). Real-Time Risk: What Investors Should Know about FinTech, High-Frequency Trading, and Flash Crashes . Steven Krawciw. Somerset: John Wiley & Sons, Incorporated. ISBN 978-1-119-31906-1 OCLC 972292212。 ↑ Aldridge, Irene (2021). Big data science in finance . Marco Avellaneda. Hoboken, New Jersey: Wiley. ISBN 978-1-119-60297-2 . OCLC 1184122216 . ↑ Hasan, Md. Morshadul; Popp, József; Oláh, Judit (2020年3月12日). 「金融におけるビッグデータの現状と影響」 . Journal of Big Data . 7 (1): 21. doi : 10.1186/s40537-020-00291-z . ISSN 2196-1115 . ↑ Huser V、Cimino JJ (2016年7月) 「ビッグデータの利用における差し迫った課題」 International Journal of Radiation Oncology, Biology, Physics . 95 (3): 890– 894. doi : 10.1016/j.ijrobp.2015.10.060 . PMC 4860172 . PMID 26797535 . ↑ Sejdic, Ervin; Falk, Tiago H. (2018年7月4日). Signal Processing and Machine Learning for Biomedical Big Data . Sejdić, Ervin, Falk, Tiago H. [出版地不明]. ISBN 978-1-351-06121-6 . OCLC 1044733829 . {{cite book}}: CS1メンテナンス: 場所の発行元が見つかりません (リンク)↑ Raghupathi W 、Raghupathi V (2014 年 12 月 ) 。 「 ヘルスケアにおけるビッグデータ分析：約束と可能性」 。Health Information Science and Systems。2 ( 1 ) 3。doi : 10.1186 /2047-2501-2-3。PMC 4341817。PMID 25825667 。 ↑ Viceconti M、Hunter P、Hose R (2015年7月)。 「ビッグデータ、ビッグナレッジ：パーソナライズされたヘルスケアのためのビッグデータ」 ( PDF) 。IEEE Journal of Biomedical and Health Informatics。19 (4): 1209–15。doi : 10.1109 / JBHI.2015.2406883。PMID 26218867。S2CID 14710821。 2018年 7 月 23 日のオリジナルから アーカイブ (PDF) 。 2019年 9 月21 日 取得 。 ↑ O'Donoghue, John; Herbert, John (2012年10月1日). "mHealth環境におけるデータ管理：患者センサー、モバイルデバイス、データベース". Journal of Data and Information Quality . 4 (1): 5:1–5:20. doi : 10.1145/2378016.2378021 . S2CID 2318649 . ↑ Mirkes EM、Coats TJ、Levesley J 、 Gorban AN (2016 年 8 月)。「大規模医療データセットにおける欠損データの処理：外傷転帰不明 の 事例 研究 」 。Computers in Biology and Medicine。75 : 203–16。arXiv : 1604.00627。Bibcode : 2016arXiv160400627M。doi : 10.1016 / j.compbiomed.2016.06.004。PMID 27318570。S2CID 5874067 。 ↑ Murdoch TB、Detsky AS (2013年4月)「医療へのビッグデータの必然的な応用」 JAMA 309 ( 13 ): 1351–2 . doi : 10.1001/jama.2013.393 . PMID 23549579 . S2CID 20462354 . ↑ Vayena E、Salathé M、Madoff LC、Brownstein JS (2015年2月)。 「 公衆 衛生におけるビッグデータの倫理的課題 」 。PLOS Computational Biology。11 ( 2 ) e1003904。Bibcode : 2015PLSCB..11E3904V。doi : 10.1371 / journal.pcbi.1003904。PMC 4321985。PMID 25664461 。 ↑ Copeland, CS (2017年7月～8月) 「データ主導の発見」 (PDF) . Healthcare Journal of New Orleans : 22– 27. 2019年12月5日のオリジナルから アーカイブ (PDF) 。 2019年 12月5日 取得 。 ↑ Dong X、Bahroos N、Sadhu E、Jackson T、Chukhman M、Johnson R、Boyd A、Hynes D (2013)。「大規模臨床情報学アプリケーションのためのHadoopフレームワークの活用」。AMIA Joint Summits on Translational Science Proceedings。AMIA Joint Summits on Translational Science。2013 ： 53。PMID 24303235 。 ↑ Clunie, D. (2013). 「乳房トモシンセシスはデジタル画像インフラストラクチャに課題を突きつける」 . Science and Medicine Group. 2021年2月24日のオリジナルから アーカイブ済み 。 2023年 11月28日 取得。 ↑ Yanase J, Triantaphyllou E (2019b). "The Seven Key Challenges for the Future of Computer-Aided Diagnosis in Medicine". International Journal of Medical Informatics . 129 : 413– 22. doi : 10.1016/j.ijmedinf.2019.06.017 . PMID 31445285 . S2CID 198287435 . ↑ 「ビッグデータ学位：一過性の流行か、それともキャリア成功への近道か」 。Forbes。 2016 年 3月3日時点のオリジナルより アーカイブ。 2016年 2月21日 閲覧 。 ↑ 「ニューヨークにデータサイエンティスト向けの新しいブートキャンプが開設：無料だがハーバード大学よりも入学が難しい」 。Venture Beat 。 2016年2月15日のオリジナルから アーカイブ。 2016年 2月21日 閲覧 。 ↑ Wedel, Michel; Kannan, PK (2016). "データ豊富な環境におけるマーケティング分析". Journal of Marketing . 80 (6): 97–121 . doi : 10.1509/jm.15.0413 . S2CID 168410284 . ↑ クードリー、ニック；トゥロウ、ジョセフ（ 2014）。「広告、ビッグデータ、公共領域のクリアランス：コンテンツ補助金に対するマーケターの新たなアプローチ」。International Journal of Communication。8 ： 1710–1726 。 ↑ 「デジタル広告代理店が顧客獲得に弱く、AI支援によるアップグレードが切実に必要な理由」 。Ishti.org 。 2018 年4月15日。 2019年2月12日の オリジナル からアーカイブ。 2018年 4月15日 取得 。 ↑ 「ビッグデータとアナリティクス：C4 と Genius Digital」 。Ibc.org 。 2017年10月8日のオリジナルから アーカイブ済み。 2017年 10月8日 に取得 。 ↑ マーシャル・アレン (2018年7月17日)。 「健康保険会社はあなたの詳細情報を収集している ― そしてそれは保険料の値上げにつながる可能性がある」 。www.propublica.org 。 2018 年7月21日のオリジナルから アーカイブ済み 。 2018年 7月21日 に取得。 ↑ 「QuiOがアクセンチュア・ヘルステック・イノベーション・チャレンジのイノベーション・チャンピオンに選出」 。Businesswire.com 。 2017 年1月10日。 2017年3月22日のオリジナルから アーカイブ。 2017年 10月8日 取得 。 ↑ 「運用 技術 革新のためのソフトウェアプラットフォーム」 （PDF） 。Predix.com 。 2017年3月22日に オリジナル （PDF） からアーカイブ済み 。 2017年 10月8日に 取得。 ↑ Z. Jenipher Wang (2017年3月) 「ビッグデータ駆動型スマート交通：IoT変革型モビリティの根底にあるストーリー」 。 2018年7月4日にオリジナルから アーカイブ 。 2018年 7月4日 に取得。 ↑ 「モノのインターネット」 。2009年6月22日。2013年5月2日に オリジナル からアーカイブ済み。 2017年 12月29日 閲覧 。 1 2 Solnik, Ray. 「時が来た：アナリティクスがIT運用に成果をもたらす」 . Data Center Journal . 2016年8月4日のオリジナルから アーカイブ済み。 2016年 6月21日 取得 。 ↑ 「BigSurv: ビッグデータと調査科学の融合」 。 2023年 10月15日 取得 。 ↑ エック、アダム。カザール、アナ・ルシア・コルドバ。カレガロ、マリオ。ポール・ビーマー（2021）。 」 Social Science Computer Review . 39 (4): 484– 488. doi : 10.1177/0894439319883393 .↑ 「特集号：ビッグデータと調査科学の出会い」 。 王立 統計学会誌、シリーズA。185 （ S2）： S165– S166。 ↑ 「調査データと非調査データを統合して行動と世論を測定する」 。www.springeropen.com 。 2023年 10月19日 取得 。 ↑ Hill, Craig A.; Biemer, Paul P.; Buskirk, Trent D.; Japec, Lilli; Kirchner, Antje; Kolenikov, Stas; Lyberg, Lars E. 編 (2020年10月13日). Big Data Meets Survey Science: A Collection of Innovative Methods (第1 版). Wiley. doi : 10.1002/9781118976357 . ISBN 978-1-118-97632-6 . S2CID 240797608 . ↑ 「過去のウォーレン・J・ミトフスキー革新者賞受賞者 - AAPOR」 。2023年6月7日。 2023年 10月19日 取得 。 1 2 Strong, Colin (2015). Humanizing big data: marketing at the meeting of data, social science and consumer insights . London: Kogan Page. ISBN 978-0-7494-7211-5 。↑ Berisha, Blend; Mëziu, Endrit; Shabani, Isak (2022). "クラウドコンピューティングにおけるビッグデータ分析：概要" . Journal of Cloud Computing . 11 (1): 24. doi : 10.1186/s13677-022-00301-w . PMC 9362456 . PMID 35966392 . ↑ Bosch, Volker (2016). "市場調査におけるビッグデータ：データ量が増えても必ずしも情報が良くなるわけではない理由" . GFK Marketing Intelligence Review . 8 (2): 56– 63. doi : 10.1515/gfkmir-2016-0017 . ↑ McFarland, Daniel A.; McFarland, H Richard (2015). "ビッグデータと正確すぎることの危険性" . Big Data & Society . 2 (2). doi : 10.1177/2053951715602495 . ↑ シバラジャ、ウタヤサンカール。カマル、ムハンマド・ムスタファ。イラニ、ザヒル。ウィーラッコディ、ヴィシャンス (2017)。 「ビッグデータの課題に対する批判的分析と分析手法」。 ビジネス研究ジャーナル 。 70 : 263–286 . 土井 : 10.1016/j.jbusres.2016.08.001 。 hdl : 10454/11325 。 1 2 3 De Luca, Luigi M.; Herhausen, Dennis; Troilo, Gabriele; Rossi, Andrea (2021-07-01). 「ビッグデータ投資はどのように、いつ成果を上げるのか？マーケティングアフォーダンスとサービスイノベーションの役割」。Journal of the Academy of Marketing Science . 49 (4): 790–810. ↑ Ghasemaghaei, Maryam; Calic, Goran (2020年1月)「ビッグデータが企業のイノベーションパフォーマンスに与える影響の評価：ビッグデータは必ずしも優れたデータではない」 Journal of Business Research . 108 : 147–162 . doi : 10.1016/j.jbusres.2019.09.062 . ISSN 0148-2963 . ↑ Grybauskas, Andrius; Pilinkienė, Vaida; Stundžienė, Alina (2021). "COVID-19パンデミック中の不動産市場におけるビッグデータを用いた予測分析" . Journal of Big Data . 8 (1): 105. doi : 10.1186/s40537-021-00476-0 . PMC 8329615 . PMID 34367876 . ↑ ジョシュ・ロギン（2018年8月2日） 「中国で民族浄化が復活」 ワシントン ・ポスト紙。 2019年3月31日時点の オリジナルよりアーカイブ。 2018年 8月4日 閲覧 。 さらに、身分証明書、検問所、顔認識、数百万人の個人からのDNA収集に基づく包括的な監視を含む、新疆ウイグル自治区の前例のない治安・監視国家も加わる。当局は、人々の生活のあらゆる側面をコントロールするために、共産党への忠誠度を評価する人工知能マシンにこれらのデータをすべて入力している。 ↑ 「中国：ビッグデータが少数民族地域での弾圧を助長：予測型警察プログラムが個人を捜査・拘束対象として特定」 。hrw.org 。 ヒューマン ・ライツ・ウォッチ。2018年2月26日。 2019年12月21日のオリジナルから アーカイブ。 2018年 8月4日 取得 。 ↑ 「規律と処罰：中国の社会信用システムの誕生」 。 ザ・ネーション 。2019年1月23日。 2019年9月13日のオリジナルから アーカイブ。 2019年 8月8日 取得 。 ↑ 「中国の行動監視システムにより、一部の人々は旅行や不動産の購入を禁止されている」 。CBS ニュース 。2018年4月24日。 2019年8月13日にオリジナルから アーカイブ済み。 2019年 8月8日 に取得 。 ↑ 「中国の社会信用システムに関する複雑な真実」 . WIRED . 2019年1月21日。 2019年8月8日にオリジナルから アーカイブ済み 。 2019年 8月8日 に取得。 ↑ 「ニュース：Live Mint」 。 インド企業はビッグデータを十分に活用できているのか？ Live Mint。2014年6月23日。 2014年11月29日のオリジナルから アーカイブ。 2014年 11月22日 取得 。 ↑ 「イスラエルのスタートアップ企業がビッグデータと最小限のハードウェアで糖尿病を治療」 。 タイムズ・オブ・イスラエル 。 2018年3月1日のオリジナルから アーカイブ。 2018年 2月28日 取得 。 ↑ Singh, Gurparkash; Schulthess, Duane; Hughes, Nigel; Vannieuwenhuyse, Bart; Kalra, Dipak (2018). "臨床研究と医薬品開発のための実世界のビッグデータ" . Drug Discovery Today . 23 (3): 652– 660. doi : 10.1016/j.drudis.2017.12.002 . PMID 29294362 . ↑ 「モバイルクラウドコンピューティングとモノのインターネットによるビッグデータアプリケーションへの最近の進歩：調査」 。International Journal of Network Management。2016年3月11日。 2022年6月1日にオリジナルから アーカイブ。 2016年 9月14日 取得 。 ↑カリル、トム（2012年3 月 29日）。 「ビッグデータは大きな問題だ」 。whitehouse.gov 。 2017年1月10日のオリジナルから アーカイブ 。 2012年 9月26日 取得- 国立公文書館 経由 。 ↑ 大統領府（2012年3月）。 「連邦政府全体におけるビッグデータ」 （PDF） 。 科学技術政策局 。 2017年1月21日にオリジナルから アーカイブ （PDF） 。 2012年 9月26日に 国立 公文書館 経由で 取得 。 ↑ ランピット、アンドリュー（2013年2月14日）。 「ビッグデータ分析がオバマの勝利にどの よう に役立ったかの真実の物語」 。InfoWorld 。 2014年7月5日のオリジナルから アーカイブ。 2014年 5月31日 取得 。 ↑ 「2023年11月 | TOP500」 。 2024年4月7日にオリジナルから アーカイブ済み 。 2024年 4月20日 に取得。 ↑ Hoover, J. Nicholas. 「政府の最も強力なスーパーコンピューター10台」 . Information Week . UBM. 2013年10月16日のオリジナルから アーカイブ済み。 2012年 9月26日 取得 。 ↑ ジェームズ・バンフォード (2012年3月15日) 「NSAは国内最大のスパイセンターを建設中（発言には注意が必要）」 Wired 2012 年4月4日のオリジナルより アーカイブ済み 。 2013年 3月18日 閲覧 。 ↑ 「12億ドルのユタ州データセンターの起工式が開催」 。国家安全保障局中央保安局。 2013年9月5日の オリジナルからアーカイブ。 2013年 3月18日 取得 。 ↑ ヒル、カシミール。 「ユタ州にあるNSAの途方もなく高価なデータセンターの設計図は、考えられていたよりも情報量が少ないことを示唆している」 。 フォーブス 。 2018年3月29日のオリジナルから アーカイブ。 2013年 10月31日 取得 。 ↑ スミス、ジェリー; ホールマン、ベン (2013 年 6 月 12 日)。 「NSA スパイ活動論争がビッグデータの受容を浮き彫りにする」 。 ハフィントン ポスト 。2017 年 7 月 19 日のオリジナルから アーカイブ済み。2018 年 5 月 7 日 取得 。 ↑ ウィングフィールド、ニック（2013年3月12日）。 「住宅購入希望者のための通勤時間のより正確な予測」 。 ニューヨーク・タイムズ 。 2013年5月29日のオリジナルから アーカイブ。 2013年 7月21日 閲覧 。 ↑ 「FICO® Falcon® Fraud Manager」 。Fico.com。 2012年11月11日のオリジナルから アーカイブ済み 。 2013年 7月21日 取得。 ↑ Brynjolfsson, Erik; Hu, Yu Jeffrey; Rahman, Mohammad S. (2013年5月21日). 「オムニチャネル小売時代の競争」 . MIT Sloan Management Review . ↑ Alexandru, Dan. "Prof" (PDF) . cds.cern.ch . CERN. 2017年7月15日のオリジナルから アーカイブ (PDF) . 2015年 3月24日 取得 . ↑ 「LHCパンフレット、英語版。2008年に稼働を開始した世界最大かつ最強の粒子加速器、大型ハドロン衝突型加速器（LHC）の紹介。その役割、特徴、技術などが一般向けに説明されている」 。CERN -Brochure-2010-006-Eng。LHCパンフレット、英語版 。CERN。 2019年3月19日のオリジナルから アーカイブ。 2013年 1月20日 取得 。 ↑ 「LHCガイド、英語版。大型ハドロン衝突型加速器（LHC）に関する事実と数字を質疑応答形式でまとめたもの」 。CERN -Brochure-2008-001-Eng。LHCガイド、英語版 。CERN。 2020年4月7日にオリジナルから アーカイブ済み。 2013年 1月20日 取得 。 ↑ Brumfiel, Geoff (2011年1月19日). 「高エネルギー物理学：ペタバイトハイウェイを下って」 . Nature . 469 ( 7330): 282–83 . Bibcode : 2011Natur.469..282B . doi : 10.1038/469282a . PMID 21248814. S2CID 533166 . ↑ 「IBMリサーチ – チューリッヒ」 （PDF） 。Zurich.ibm.com 。 2022 年 6月1日にオリジナルから アーカイブ済み 。 2017年 10月8日 に取得。 ↑ 「未来の望遠鏡アレイがエクサバイト級の処理能力の開発を推進」 。Ars Technica 。2012年4月2日。 2019年3月31日にオリジナルから アーカイブ済み。 2015年 4月15日 取得 。 ↑ 「オーストラリアのスクエア・キロメートル・アレイ誘致計画 ― 関係者の視点」 。The Conversation 。2012年2月1日。 2016年10月12日のオリジナルより アーカイブ。 2016年 9月27日 閲覧 。 ↑ 「Delort P.、OECD ICCP技術予測フォーラム、2012年」 （PDF） 。Oecd.org 。 2017年6月19日のオリジナルから アーカイブ （PDF） 。 2017年 10 月8日 取得 。 ↑ 「NASA – NASAゴダード 宇宙 飛行センターがNASA気候シミュレーションセンターを設立」 。Nasa.gov 。 2016年4月3日時点のオリジナルより アーカイブ 。 2016年 4月13日 閲覧。 ↑ ウェブスター、フィル。 「気候のスーパーコンピューティング：NASAのビッグデータミッション」 。CSC World 。コンピュータサイエンスコーポレーション。 2013年1月4日の オリジナルからアーカイブ。 2013年 1月18日 取得 。 ↑ 「これらの6つの素晴らしい神経科学のアイデアは、研究室から市場へと飛躍する可能性がある」 。 グローブ・アンド・メール 。2014年11月20日。 2016年10月11日にオリジナルから アーカイブ。 2016年 10月1日 に取得 。 ↑ 「DNAstackはGoogle Genomicsを使用して大規模で複雑なDNAデータセットに取り組みます」 。Google Cloud Platform。 2016年9月24日のオリジナルから アーカイブ 。 2016年 10月1日 に取得。 ↑ 「23andMe – Ancestry」 。23andme.com 。 2016 年12月18日のオリジナルから アーカイブ済み 。 2016年 12月29日 取得。 1 2 ポテンツァ、アレッサンドラ（2016年7月13日）。 「23andMeは遺伝子データの収集を拡大するため、研究者に自社のキットを使用してもらいたいと考えている」 。The Verge 。 2016年12月29日のオリジナルから アーカイブ。 2016年 12月29日 に取得 。 ↑ 「このスタートアップ企業はあなたのDNAを解析し、医学研究に貢献できるようにします」 。Fast Company 。2016年12月23日。 2016年12月29日のオリジナルから アーカイブ。 2016年 12月29日 に取得 。 ↑ セイフ、チャールズ。 「23andMeは恐ろしいが、FDAが考えているような理由ではない」 。 サイエンティフィック・アメリカン 。 2016年12月29日のオリジナルから アーカイブ 。 2016年 12月29日 に取得。 ↑ Zaleski, Andrew (2016年6月22日) 「このバイオテクノロジー系スタートアップ企業は、あなたの遺伝子が次の奇跡の薬を生み出すと賭けている」 CNBC。 2016年12月29日時点のオリジナルより アーカイブ。 2016年 12月29日 閲覧 。 ↑ Regalado, Antonio. 「23andMeはいかにしてあなたのDNAを10億ドルの創薬マシンに変えたか」 . MIT Technology Review . 2016年12月29日のオリジナルから アーカイブ済み. 2016年 12月29日 取得 . ↑ 「ファイザーのうつ病研究を受けて、23andMeのデータ要求が急増したと報告 | FierceBiotech」 。fiercebiotech.com 。 2016年8月22日。 2016年12月29日のオリジナルから アーカイブ。 2016年 12月29日 に取得 。 ↑ Admire Moyo (2015年10月23日) 「データ科学者がスプリングボクスの敗北を予測」 . itweb.co.za . 2015年12月22日のオリジナルから アーカイブ済み 。 2015年 12月12日 取得。 ↑ Bai, Zhongbo; Bai, Xiaomei (2021). "スポーツビッグデータ：管理、分析、アプリケーション、および課題" . Complexity . 2021 : 1– 11. doi : 10.1155/2021/6676297 . ↑ Regina Pazvakavambwa (2015年11月17日)。 「予測分析、ビッグデータがスポーツを変革する」 。itweb.co.za 。 2015年12月22日のオリジナルから アーカイブ 。 2015年 12月12日 取得 。 ↑ Dave Ryan (2015年11月13日). 「スポーツ：ビッグデータがついに意味を持つ場所」 . huffingtonpost.com . 2015年12月22日のオリジナルから アーカイブ。 2015年 12月12日 閲覧 。 ↑ Frank Bi. 「F1チームはビッグデータを使ってどのように優位性を獲得しているか」 . Forbes . 2015年12月20日時点のオリジナルより アーカイブ。 2015年 12月12日 閲覧 。 ↑ Tay, Liz. 「eBayの90PBデータウェアハウスの内部」 . ITNews. 2016年2月15日のオリジナルから アーカイブ済み。 2016年 2月12日 取得 。 ↑ レイトン、ジュリア (2006 年 1 月 25 日)。 「アマゾンのテクノロジー」 。Money.howstuffworks.com。2013 年 2 月 28 日時点のオリジナルから アーカイブ済み。2013 年 3 月 5 日 取得 。 ↑ 「Facebookを5億ユーザー、そしてその先へと拡大する」 。Facebook.com。 2013年7月5日時点のオリジナルより アーカイブ。 2013年 7月21日 閲覧 。 ↑ Constine, Josh (2017年6月27日). 「Facebookの月間アクティブユーザー数が20億人に達し、責任も伴う」 . TechCrunch . 2020年12月27日のオリジナルより アーカイブ。 2018年 9月3日 閲覧 。 ↑ 「Googleは依然として年間少なくとも1兆回の検索を行っている」 。Search Engine Land 。2015年1月16日。 2015年4月15日のオリジナルから アーカイブ済み 。 2015年 4月15日 に取得。 ↑ ハリーム、アビド;ジャワイド、モハド。カーン、イブラヒム。ヴァイシャ、ラジュ（2020）。 「新型コロナウイルス感染症のパンデミックにおけるビッグデータの重要な応用」 。 インド整形外科ジャーナル 。 54 (4): 526–528 . 土井 : 10.1007/s43465-020-00129-z 。 PMC 7204193 。 PMID 32382166 。 ↑ マナンクール、ヴァンサン（2020年3月10日）。 「コロナウイルスがヨーロッパのプライバシーに対する決意を試す」 。 ポリティコ 。 2020年3月20日のオリジナルから アーカイブ。 2020年 10月30日 取得 。 ↑ Choudhury, Amit Roy (2020年3月27日). 「コロナ禍における政府」 . Gov Insider . 2020年3月20日のオリジナルより アーカイブ。 2020年 10月30日 閲覧 。 ↑ Cellan-Jones, Rory (2020年2月11日). 「中国、コロナウイルスの「濃厚接触検出」アプリをリリース」 . BBC . 2020年2月28日の オリジナルからアーカイブ済み。 2020年 10月30日 閲覧 。 ↑ Siwach, Gautam; Esmailpour, Amir (2014年3月). ビッグデータにおける暗号化検索とクラスタ形成 (PDF) . ASEE 2014 Zone I Conference . ブリッジポート大学 、 ブリッジポート 、コネチカット州、米国。 2014年8月9日に オリジナル (PDF) からアーカイブ済み。 2014年 7月26日 取得 。 ↑ 「オバマ政権が「ビッグデータ」イニシアチブを発表：2億ドルの新たな研究開発投資を発表」 （PDF） 。 科学技術政策局 。 2017年1月21日のオリジナルから アーカイブ （PDF） - 国立公文書館 経由 。 ↑ 「カリフォルニア大学バークレー校のAMPLab」 。Amplab.cs.berkeley.edu。 2011年5月6日のオリジナルから アーカイブ済み 。 2013年 3月5日 取得。 ↑ 「NSFがビッグデータに関する連邦政府の取り組みを主導」 。米国国立科学財団（NSF）。2012年3月29日。 2019年3月31日時点のオリジナルより アーカイブ。 2018年 4月6日 取得 。 ↑ Timothy Hunter; Teodor Moldovan; Matei Zaharia; Justin Ma; Michael Franklin; Pieter Abbeel ; Alexandre Bayen (2011 年 10 月). クラウドにおけるモバイル ミレニアム システムのスケーリング . 2019 年 3 月 31 日時点のオリジナルから アーカイブ済み. 2012 年 11 月 2 日 取得 . ↑ デビッド・パターソン (2011年12月5日) 「コンピューター科学者は癌の治療に役立つかもしれない」 ニューヨーク ・タイムズ 。 2017年1月30日のオリジナルから アーカイブ。 2017年 2月26日 閲覧 。 ↑ 「チュー長官、DOEスーパーコンピューターでの大規模データセット研究の改善を支援する新研究所の設立を発表」 。energy.gov。 2019年4月3日時点のオリジナルより アーカイブ。 2012年 11月2日 閲覧 。 ↑ ヤング、シャノン (2012 年 5 月 30 日)。 「マサチューセッツ州知事と MIT がビッグデータ イニシアチブを発表」 。Boston.com。2021 年 7 月 29 日時点の オリジナル からアーカイブ。2021 年 7 月 29 日 取得 。 ↑ 「CSAILにおけるビッグデータ」 。Bigdata.csail.mit.edu。2013年2月22日。 2013年3月30日の オリジナルからアーカイブ済み 。 2013年 3月5日 取得。 ↑ 「ビッグデータ公開民間フォーラム」 . cordis.europa.eu. 2012年9月1日。 2021年3月9日にオリジナルから アーカイブ済み。 2020年 3月16日 取得 。 ↑ 「ビッグデータ研究のためのアラン・チューリング研究所が設立される」 。BBC ニュース 。2014年3月19日。 2021年8月18日のオリジナルから アーカイブ。 2014年 3月19日 取得 。 ↑ 「ウォータールー大学ストラトフォードキャンパスでのインスピレーションデー」 。betakit.com/。 2014年2月26日の オリジナルからアーカイブ済み 。 2014年 2月28日 取得。 1 2 3 Reips, Ulf-Dietrich; Matzat, Uwe (2014). "ビッグデータサービスを使用したビッグデータのマイニング" . International Journal of Internet Science . 1 (1): 1– 8. 2014年8月14日のオリジナルから アーカイブ済み。 2014年 8月14日 に取得 。 ↑ Preis T、Moat HS、Stanley HE、 Bishop SR ( 2012 ) 。 「将来 を 見据えること の利点を定量化する」 。Scientific Reports。2 350。Bibcode : 2012NatSR ... 2..350P。doi : 10.1038 / srep00350。PMC 3320057。PMID 22482034 。 ↑ Marks, Paul (2012年4月5日) 「未来に関するオンライン検索は経済的成功と関連している」 New Scientist 。 2012年4月8日のオリジナルから アーカイブ済み。 2012年 4月9日 取得 。 ↑ ジョンストン、ケイシー（2012年4月6日）。 「Googleトレンドが富裕国のメンタリティに関する手がかりを明らかにする」 。Ars Technica 。 2012年4月7日のオリジナルから アーカイブ。 2012年 4月9日 取得 。 ↑ Tobias Preis (2012年5月24日) 「補足情報：未来志向指数はダウンロード可能です」 (PDF) 。 2013年1月17日のオリジナルから アーカイブ (PDF) 。 2012年 5月24日 取得 。 ↑ Philip Ball (2013年4月26日) 「Google検索数を数えることで市場の動きを予測できる」 Nature . doi : 10.1038 / nature.2013.12879 . S2CID 167357427. 2013年9月27日のオリジナルから アーカイブ済み。 2013年 8月9日 取得 。 ↑ Preis T、Moat HS、Stanley HE ( 2013)。 「Google Trends を使用した金融市場における取引行動 の 定量 化 」 。Scientific Reports。3 1684。Bibcode : 2013NatSR ... 3.1684P。doi : 10.1038 / srep01684。PMC 3635219。PMID 23619126 。 ↑ ニック・ビルトン（2013年4月26日） 「Google検索語句で株式市場を予測できる、研究で判明」 ニューヨーク・タイムズ 。 2013年6月2日のオリジナルから アーカイブ 。 2013年 8月9日 閲覧 。 ↑ Christopher Matthews (2013年4月26日) 「投資ポートフォリオに問題がありますか？Googleで検索しましょう！」 Time。 2013 年 8月21日のオリジナルから アーカイブ済み。 2013年 8月9日 閲覧 。 ↑ Philip Ball (2013年4月26日) 「Google検索数を数えることで市場の動きを予測できる」 Nature . doi : 10.1038 / nature.2013.12879 . S2CID 167357427. 2013年9月27日のオリジナルから アーカイブ済み。 2013年 8月9日 取得 。 ↑ ベルンハルト・ワーナー（2013年4月25日） 。 ブルームバーグ・ビジネスウィーク 2013年 8月9日 取得 。↑ ハミッシュ・マクレー（2013年4月28日）。 「ハミッシュ・マクレー：投資家心理を的確に把握したいなら、グーグルで検索しよう」 。 インディペン デント紙。ロンドン。 2018年7月25日のオリジナルより アーカイブ。 2013年 8月9日 閲覧 。 ↑ リチャード・ウォーターズ (2013年4月25日) 「Google検索が株式市場予測における新たなキーワードとなる」 フィナンシャル ・タイムズ 2022 年6月1日時点のオリジナルより アーカイブ 2013年 8月9日 閲覧 . ↑ ジェイソン・パーマー（2013年4月25日） 「Google検索は市場の動きを予測する」 BBC 。 2013 年6月5日のオリジナルから アーカイブ。 2013年 8月9日 閲覧 。 ↑ E. Sejdić (2014年3月)「ビッグデータで使用できるように既存のツールを適応させる」 Nature . 507 (7492): 306. ↑ Chris Kimble; Giannis Milolidakis (2015 年 10 月 7 日). 「ビッグデータとビジネスインテリジェンス: 神話の解明」. Global Business and Organizational Excellence . 35 (1): 23–34 . arXiv : 1511.03085 . doi : 10.1002/JOE.21642 . ISSN 1932-2054 . Wikidata Q56532925 . ↑ クリス・アンダーソン（2008年6月23日） 「理論の終焉：データの洪水が科学的方法を時代遅れにする」 Wired 。 2014 年3月27日のオリジナルから アーカイブ。 2017年 3月5日 閲覧 。 ↑ Graham M. (2012年3月9日) 「ビッグデータと理論の終焉？」 ガーディアン紙 。 ロンドン。 2013年7月24日のオリジナルより アーカイブ。 2016年 12月14日 閲覧 。 ↑ Shah, Shvetank; Horne, Andrew; Capellá, Jaime (2012年4月) 「良いデータがあっても良い意思決定を保証するものではない」 . Harvard Business Review . 2012年9月11日のオリジナルから アーカイブ済み。 2012年 9月8日 取得 。 1 2 ビッグデータには大きな変革のための大きなビジョンが必要です。 2016年12月2日にWayback Machine に アーカイブされました、Hilbert, M. (2014). ロンドン: TEDx UCL、x=独立して組織されたTEDトーク ↑ Alemany Oliver, Mathieu; Vayre, Jean-Sebastien (2015). "ビッグデータとマーケティングリサーチにおける知識生産の未来：倫理、デジタル痕跡、およびアブダクション推論". Journal of Marketing Analytics . 3 (1): 5–13 . doi : 10.1057/jma.2015.1 . S2CID 111360835 . ↑ ジョナサン・ラウシュ (2002 年 4 月 1 日)。 「角の向こうを見る」 。 アトランティック 。2017 年 4 月 4 日のオリジナルから アーカイブ済み。2017 年 3 月 5 日 取得 。 ↑ エプスタイン、JM、アクステル、RL（1996）。人工社会の成長：ボトムアップからの社会科学。ブラッドフォードブックス。 ↑ 「Delort P.、『バイオサイエンスにおけるビッグデータ』、Big Data Paris、2012年」 （PDF） 。Bigdata Paris 。 2016年7月30日に オリジナル （PDF） からアーカイブ済み 。 2017年 10月8日 に取得。 ↑ 「次世代ゲノミクス：統合的アプローチ」 （PDF） 。nature。2010年7月。 2017年8月13日にオリジナルから アーカイブ （PDF） 。 2016年 10月18日 取得 。 ↑ 「バイオサイエンスにおけるビッグデータ」 。2015年10月。 2022年6月1日にオリジナルから アーカイブ済み。 2016年 10月18日 取得 。 ↑ 「ビッグデータ：私たちは大きな間違いを犯しているのだろうか？」 フィナンシャル・タイムズ 。 2014年3月28日。 2016年6月30日時点のオリジナルより アーカイブ。 2016年 10月20日 閲覧 。 ↑ Ohm, Paul (2012年8月23日). 「破滅のデータベースを作るな」 . Harvard Business Review . 2012年8月30日のオリジナルから アーカイブ済み 。 2012年 8月29日 取得。 ↑ Bond-Graham, Darwin (2018). "ビッグデータに関する展望" Wayback Machine に 2020 年 11 月 9 日に アーカイブされました。 The Perspective 。 ↑ Barocas, Solon; Nissenbaum, Helen (2014年6月). Lane, Julia; Stodden, Victoria; Bender, Stefan; Nissenbaum, Helen (編). Big Data's End Run around Anonymity and Consent . Cambridge University Press. pp. 44–75 . doi : 10.1017/cbo9781107590205.004 . ISBN 978-1-107-06735-6 . S2CID 152939392 . ↑ Lugmayr, A.; Stockleben, B; Scheib, C.; Mailaparampil, M.; Mesia, N.; Ranta, H.; Lab, E. (2016年6月1日). "ビッグデータ研究とその影響に関する包括的な調査 – ビッグデータで本当に「新しい」ものとは？ – それは認知ビッグデータです！" . 2022年6月1日のオリジナルから アーカイブ。 2023年 11月27日 取得 。 ↑ Danah Boyd (2010年4月29日) 「ビッグデータの文脈におけるプライバシーとパブリシティ」 WWW 2010カンファレンス 。 2018年10月22日のオリジナルから アーカイブ 。 2011年 4月18日 取得 。 ↑ Katyal, Sonia K. (2019). "人工知能、広告、および偽情報" . Advertising & Society Quarterly . 20 (4). doi : 10.1353/asr.2019.0026 . ISSN 2475-1790 . S2CID 213397212 . 2020年10月28日のオリジナルから アーカイブ済み。 2020年 11月18日 取得 。 ↑ Jones, MB; Schildhauer, MP; Reichman, OJ; Bowers, S (2006). "The New Bioinformatics: Integrating Ecological Data from the Gene to the Biosphere" (PDF) . Annual Review of Ecology, Evolution, and Systematics . 37 (1): 519– 544. doi : 10.1146/annurev.ecolsys.37.091305.110031 . 2019年7月8日のオリジナルから アーカイブ (PDF) 。 2012年 9月19日 取得 。 1 2 Boyd, D.; Crawford, K. (2012). "ビッグデータに関する重要な質問". Information, Communication & Society . 15 (5): 662– 679. doi : 10.1080/1369118X.2012.678878 . hdl : 10983/1320 . S2CID 51843165 . ↑ 起動の失敗: ビッグデータから大きな意思決定へ2016年12月6日にWayback Machine に アーカイブされました、Forte Wares。 ↑ 「互いに関連のある15の奇妙なこと」 。 2019年6月27日にオリジナルから アーカイブ済み 。 2019年 6月27日 に取得。 ↑ 「ランダム構造とアルゴリズム」 。doi : 10.1002 /(ISSN)1098-2418 。 2019年6月27日にオリジナルから アーカイブ済み 。 2019年 6月27日 に取得。 ↑ Cristian S. Calude、Giuseppe Longo、（2016）ビッグデータにおける偽相関の氾濫、 Foundations of Science ↑ Anja Lambrecht および Catherine Tucker (2016) 「ほとんどのマネージャーがアナリティクスで犯す 4 つの間違い」、ハーバード・ビジネス・レビュー 、7 月 12 日。https ://hbr.org/2016/07/the-4-mistakes-most-managers-make-with-analytics 2022 年 1 月 26 日にWayback Machine に アーカイブされました 1 2 Gregory Piatetsky (2014年8月12日)。 「インタビュー：KNIME創設者マイケル・ベルトルト氏、研究、創造性、ビッグデータ、プライバシーについて、パート2」 。KDnuggets。 2014年8月13日のオリジナルから アーカイブ。 2014年 8月13日 に取得 。 ↑ ペルト、メイソン（2015年10月26日） 。 年 10月30日のオリジナルからアーカイブ。 2015年 11月4日 取得 。1 2 ハーフォード、ティム（2014年3月28日）。 「ビッグデータ：私たちは大きな間違いを犯しているのだろうか？」 フィナンシャル ・タイムズ 。 2014年4月7日のオリジナルから アーカイブ。 2014年 4月7日 に取得 。 ↑ Ioannidis JP (2005年8月) 「発表された研究結果のほとんどが誤りである理由」 PLOS Medicine 2 ( 8) e124. doi : 10.1371/journal.pmed.0020124 . PMC 1182327 . PMID 16060722 . ↑ Lohr, Steve; Singer, Natasha (2016年11月10日) 「選挙結果の予測においてデータがいかに役に立たなかったか」 ニューヨーク・タイムズ。ISSN 0362-4331 。 2016 年 11 月 25日のオリジナルから アーカイブ。 2016年 11月27日 閲覧 。 ↑ 「データ駆動型警察活動が人間の自由を脅かす方法」 。エコノミスト誌。2018年6月4日。ISSN 0013-0613 。 2019 年 10 月 27日にオリジナルから アーカイブ 。 2019年 10月27日 に取得。 ↑ Brayne, Sarah (2017年8 月29日). 「 ビッグデータ監視：警察の事例」 . American Sociological Review . 82 (5): 977–1008 . doi : 10.1177/0003122417725865 . PMC 10846878. PMID 38322733. S2CID 3609838 .
参考文献 Hilbert, M (2016)、「開発のためのビッグデータ：期待と課題のレビュー」、Development Policy Review 、34 (1): 135–74 、doi : 10.1111/dpr.12142 Wayback Machine にアーカイブ済みスナイデルス、C.マザット、米国;ライプス、U.-D. （2012年）。」Journal of Internet Science。7 ：1–5 。 2019年11月23 日にオリジナルからアーカイブ。 2013年 4月13日 Yanase, J; Triantaphyllou, E (2019). "医学におけるコンピュータ支援診断の体系的調査：過去と現在の発展". Expert Systems with Applications 138 112821. doi : 10.1016/j.eswa.2019.112821 . S2CID 199019309 .
外部リンク ウィキメディア・コモンズにある ビッグデータ関連のメディア Wiktionaryにおける ビッグデータ の辞書定義
ウィキメディア・コモンズにあるビッグデータ関連のメディア
Wiktionaryにおけるビッグデータの辞書定義