Большие данные и цифровая экономика

Основное содержимое статьи

С. Д. Белов
Д. П. Зрелова
В. В. Кореньков

Аннотация

В данной работе Большие данные рассматриваются как «зонтичный» термин, объединяющий различные понятия, технологии и методы обработки данных в распределенных информационных системах, обеспечивающие получение качественно новой полезной информации (новых знаний). Описываются этапы «стандартного» исследования в подходе Больших данных. Дается краткое описание экосистемы Больших данных, состоящей из нескольких основных категорий. Рассматриваются различные проекты и инициативы национального и межгосударственного уровня, примеры применения Больших данных в бизнесе, экономике, обществе. В качестве конкретных примеров построения и использования аналитических платформ Больших данных приведены успешные социально-экономические исследования, выполненные авторами в составе научных коллективов на базе Российского экономического университета им. Г.В. Плеханова.
Метафора Больших данных удачна, поскольку естественным образом связывает комплекс понятий, технологий и методов Больших данных с экономикой посредством намека на связь с другими известными метафорами – «Большой нефтью», «Большой рудой» и т.д.

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
Белов, С. Д., Зрелова, Д. П., & Кореньков, В. В. (2021). Большие данные и цифровая экономика. Системный анализ в науке и образовании, (2), 1–11. https://doi.org/10.37005/2071-9612-2020-2-187-197
Раздел
Статьи

Библиографические ссылки

Andrea De Mauro, Marco Greco and Michele Grimaldi. “What is Big Data? A Consensual Definition and a Review of Key Research Topics”. In “AIP Proceedings”2014, “4th International Conference on Integrated Information”.

Cox M., Ellsworth D. The problem of big data. Application-Controlled Demand Paging for Out-of-Core Visualization. Proceedings of the 8th IEEE Visualization '97 Conference.

D. Laney, “3D Data Management: Controlling Data Volume, Velocity & Variety”, META-Group, 2001.

J. Dean and S. Ghemawat, “MapReduce: simplified data processing on large clusters”, Commun. ACM, vol. 51, no. 1, Jan. 2008.

Lynch C. How do your data grow? Nature. — 2008. — Vol. 455. — № 7209. — P. 28–29.

Manyika J., Chui M., Brown B., Bughin J., Dobbs R., Roxburgh C., Byers A.H. Big data: The next frontier for innovation, competition, and productivity: McKinsey Global Institute Report. — May 2011.

LHC (Large Hadron Collider). Web: https://home.cern/science/accelerators/large-hadron-collider

Square Kilometre Array. Public Website: https://www.skatelescope.org/.

Bernard Marr. “Big Data: Using SMART Big Data, Analytics and Metrics to Make Better Decisions and Improve Performance”. John Wiley & Sons Ltd, 2015.

Дэви Силен, Арно Мейсман, Мохамед Али. Основы Data Science и Big Data. Python и наука о данных. — СПб.: Питер, 2017.

Натан Марц и Джеймс Уоррен. Большие данные. Принципы и практика построения масштабируемых систем обработки данных в реальном времени. —Издательский дом «Вильямс», 2016.

Big Data Analytics. Tools and Technology for Effective Planning. Edited by Arun K. Somani, Ganesh Chandra Deka. CRC Press. Taylor & Francis Group. — 2018.

Кэти О’Нил, Рэйчел Шатт. Data Science. — СПб.: Питер, 2019.

Jure Leskovec, Anand Rajaraman, Jeffrey D. Ullman. Mining of Massive Datasets. — Cambridge University Press, 2012.

Анналин Ын, Кеннет Су. Теоретический минимум по Big Data. Все, что нужно знать о Больших данных. — СПб.: Питер, 2019.

Zhanpeng Huang, Pan Hui, Christoph Peylo. When Augmented Reality Meets Big Data. — arXiv:1407.7223v1.

https://www.unglobalpulse.org/about-new.

Аптекман А. и др., Цифровая Россия: новая реальность. — Digital/McKinsey. 2017.

Цифровая экономика. Видение 2025. — «Ростех», 2017.

Зрелов П., Кореньков В.В., Кутовский Н. Петросян А.Ш., Семенов Р. Филозова И.А. Мониторинг потребностей рынка труда в выпускниках вузов на основе аналитики с интенсивным использованием данных // Труды XVIII Межд. конф. DAMDID/RCDL. — М.: ТОРУС Пресс, 2016. — C. 124- 131.

Belov S., Filozova I., Kadochnikov I., Korenkov V., Semenov R., Zrelov P. Automated system to monitor and predict matching of higher vocational education programs with labour market // Proc. of 26th International Symposium NEC-2017, Budva, 2017. — http://ceur-ws.org/Vol-2023. — P. 98-104.

Badalov L.A., Belov S.D., Kadochnikov I.S. Checking foreign counterparty companies using Big Data // Selected Papers of the 8th International Conference "Distributed Computing and Grid-technologies in Science and Education". — Vol. 2267 of CEUR Workshop Proceedings. — CEUR-WS.org, 2018. — P. 523-527. —http://ceur-ws.org/Vol-2267/523-527-paper-100.pdf.