"ما هي أبرز تطبيقات البيانات الضخمة Big Data؟
في خدمات القطاع الحكومي:
في المجال الاقتصادي:
الأحوال الجوية Weather:
 التنبؤ بالأحداث القادمة عن طريق تحليل البيانات التاريخية وربطها مع القراءات الحالية:
دعم القرار الاستراتيجي باستخدام البيانات الضخمة:
ما هي أبرز تطبيقات البيانات الضخمة Big Data؟



وصل التقدم التقني في تقنية المعلومات إلى استثمار أدواتها في تحليل ومعالجة البيانات الضخمة (Big Data)، حيث تعمل على الاستفادة من هذه البيانات من أنظمة مختلفة في العديد من المجالات، ومن ثم معالجتها واستخدامها لغرض تحسين المنتجات أو تطوير منتجات جديدة، وكذلك توفير المعلومات اللازمة لمساعدة متخذي القرارت، وتطوير عملية التسويق الإلكتروني وتطوير الأدوية والمساعدة في اكتشاف الأمراض، وحل المشكلات والتنبؤ المسبق لها وتحقيق الأمن وتحسين العملية التعليمية. ومن أهم هذه التطبيقات ما يلي.



في خدمات القطاع الحكومي:



يمكن للحكومات تحليل محتوى مواقع التواصل الاجتماعي لمواطنيها حول قرار أو نظام معين مطبّق أو تريده أن يطبق، وبالتالي تعرف ردود الأفعال حول ذلك من قبول أو رفض، ممّا يساعد الحكومات في اتخاذ القرار المناسب لكل حالة. ونسبة لأن أغلب المنظمات الحكومية لاتملك العدد الكافي من الموظفين أو لاتملك القدرة الحسابية اللازمة لإدارة وتحليل بياناتهم إضافةً لطبيعة البيانات المتغيرة وإرتفاع حجمها أصبح الاستعانة بأدوات البيانات الضخمة من خلال الحوسبة السحابية (Cloud Computing) أمراً ضرورياً.



عندما يعتمد الأمر على إدارة البيانات في المؤسسات والشركات، تواجه العديد من المؤسسات مشكلة وجود كميات كبيرة جداً من البيانات في أنظمة الكمبيوتر، وأغلبية هذه البيانات هي بيانات غير منظمة أو غير مهيكلة (unstructured data)، ممّا يعني أنها لا تتناسب مع أي نموذج بيانات محدد مسبقًا. لفهم الأنماط الموجودة في هذه البيانات، يجب على المنظمات الحكومية تطبيق النماذج الإحصائية التي تسعى إلى التقاط ومعالجة كميات هائلة من البيانات غير المهيكلة. هذه العملية تسمى البيانات الضخمة.



في المجال الاقتصادي:



يمكن للشركات الاستفادة من تحليل البيانات الناتجة من وسائل التواصل الاجتماعي مثل فيسبوك وتويتر؛ لتحديد جمهورها والتنبؤ بنتائج حملة التسويق والمبيعات، حيث أصبح باستطاعة الشركات والمؤسسات اليوم بمختلف اقطاعات، تحليل حركة العملاء من شراء وبيع بالدقة الكافية؛ ليتمكنوا من معرفة السلع الأكثر طلباً واقتراح سلع معينة علي عملائهم وفقا لعمليات الشراء التي تتم، وكذلك القدرة علي تحديد المميزين من العملاء ومن هم بحاجة لمساعدة أو لتحديد توجهاتهم.



كذلك تقوم بتحليل بيانات مستخدمي شبكات التواصل الاجتماعي أو البريد الإلكتروني من خلال رغباتهم وأرائهم وتفضيلاتهم؛ للاستفادة منها في التسويق لجلب أكبر ربح ممكن للشركة.



الأحوال الجوية Weather:



نظرًا للأعداد المتزايدة من أجهزة الاستشعار التي نمتلكها اليوم والمرفقة بالهواتف الذكية على وجه التحديد، فأنّ لدينا بيانات أكثر من أي وقت مضى حول أحوال الطقس بدقة عالية. يمكن للبيانات الضخمة الحالية التقاط صور دقيقة للظروف الجوية السائدة في أي مكان في العالم، والاستفادة من المعلومات المتاحة لتوليد تنبؤات جوية فائقة الدقة.



 التنبؤ بالأحداث القادمة عن طريق تحليل البيانات التاريخية وربطها مع القراءات الحالية:


شركات الكهرباء والطاقة:



يتضمن ذلك ما يحدث في شركات الكهرباء والطاقة، حيث يقومون بتحليل الانقطاعات السابقة وما إذا كان هناك عامل مشترك يسبب هذه الانقطاعات، ومن الأمثلة كتطبيق بسيط هو ربط انقطاع التيار الكهربائي بقوة الرياح، حيث يتم دراسة بيانات الطقس للتنبؤ انقطاع التيار الكهربائي في منطقة معينة، وكذلك على سبيل المثال عندما تزيد سرعة الرياح عن 50 كم/ساعة، وبالتالي يتم توجيه فريق دعم فني إلى المنطقة التي ستتعرض لرياح قوية قبل حدوث هذا الانقطاع لتقليل مدة انقطاع التيار الكهربائي.



شركات الطيران:



مثال آخر هو شركات الطيران، حيث تتم عمليات التنبؤ بحالات تأخير رحلات الطيران أو إمكانية تعرض الطائرة لعطل فني، وذلك حسب المؤشرات التي تنتج من ربط قراءات الطائرة وبيانات الطقس.



البنوك:



والمثال الأخير هو البنوك، حيث يتم التنبؤ عن حالات السرقة لبطاقات ائتمانية أو بطاقات الصراف، وذلك من خلال تحليل العمليات السابقة وموقع العميل، فعندما يتم تغير سلوك حامل البطاقة أو استخدامها بمواقع بعيدة عن موقعه الافتراضي يتم إيقافها فوراً.



دعم القرار الاستراتيجي باستخدام البيانات الضخمة:



من خلال مقارنة الإحصاءات الرسمية مع بيانات المستخدم الفعلية في العالم التقني. لنفترض أن وزارة التربية والتعليم قررت فتح أو إغلاق مدرسة في منطقة معينة. هنا يجب على الوزارة الحصول على بيانات من خارج الوزارة تتيح لها معرفة التركيز السكاني للطلاب خارج أوقات الدوام الرسمي. ومن الأمثلة على ذلك استخدام بيانات شركات الاتصالات عن عدد الهواتف الموصولة في برج اتصالات في منطقة معينة، ثم تحليل بيانات المستخدم لمعرفة تركيز الفئة العمرية المستهدفة في هذه المنطقة ومقارنتها مع المسؤول حول الإحصاء.



وكذلك الربط ببيانات برنامج الإسكان وحساب المواطن، حيث تتم مقارنة الإحصائيات الرسمية ببيانات المستخدم المدخلة في البرنامجين، وعندما يكون هناك اختلاف أو عدم تناسق يتم تحليلها لمعرفة الأسباب أو العيوب. ومن المتوقع أيضًا أن يكون عدد الطلاب المسجلين للعام القادم وفقًا لهذه البيانات.






"