Big Data: Veliki izazovi, velike prilike, a možda i veliki ‘buzzword’

Ako ičega ne nedostaje u našoj, IT, industriji, onda su to buzzwordi (svjestan sam ironije da je i buzzword, u biti, buzzword). Bili su to i Web 2.0, Cloud, Social Media – danas je to Big Data. Zadnjih desetak mjeseci, a intenzivno u zadnja tri mjeseca, pozornost mi privlači taj pojam, koji, pojednostavljeno govoreći, opisuje ogromne količine strukturiranih ili nestrukturiranih podataka s kojima je vrlo teško ili praktično nemoguće raditi korištenjem standardnih alata ili relacijskih baza podataka. Sada su igri neki novi “klinci”, poput Hadoopa.

Istovremeno, dojam autora ovog teksta je da je Big Data u biti, barem do značajne mjere, do-it-yourself superračunarstvo i računarstvo visokih performansi (HPC).

Big Data karakteristike

Koliko veliko je, zapravo, veliko? Veličina, odnosno, volumen podataka samo je jedna od tri mjere i karakteristike. Ostale su raznolikost i brzina. Često se to naziva V3 – volume, velocity i variety.

Volumen podataka je vjerojatno prva asocijacija uz pojmove big i data. Godine 2000. u svijetu je bilo pohranjeno 800.000 petabajta podataka. Danas samo Twitter dnevno generira oko 7 terabajta, a Facebook oko 10 terabajta podataka. Ukratko, Big Data karakterizira drastičan volumen/količinu podataka – pričamo o zettabajtima podataka, milijardama terabajta.

Druga karakteristika je raznolikost. Današnji podaci često dolaze i u oblicima koji nisu uvijek “uredni” i strukturirani na način na koji smo navikli u našim ranijim SQL-olikim svjetovima. Realnost je da su danas podaci neuredni i često vrlo nestrukturirani. Pogledajte JSON jednog tvita, a onda JSON tog istog tvita ako korisnik u njemu dijeli fotografiju ili geolokaciju… Facebook statusi pričaju sličnu priču, a načelno se društvene mreže oslanjaju na grafove kao tip podataka. Različiti internetski preglednici komuniciraju na različite načine s poslužiteljima i generiraju različite tipove podataka. Nikada nismo bili dalje od jednog jedinstvenog formata za pohranu podataka – i to je dobro. Izazovi su danas prebačeni u jednu drugu dimenziju.

Konačno, treća je karakteristika brzina. Dok smo ranije podatke učestalo obrađivali tako da smo uzeli batch podataka i na njima vršili niz operacija, danas imamo golemu količinu podataka koja stiže u realnom vremenu. Doslovno možemo govoriti o streamingu podataka. Prošle smo godine za potrebe Sveučilišta u Denveru postavili Wall of Tweets i našu pozadinsku analitiku – tijekom trajanja debate između Obame i Romneya poslano je više od 10,3 milijuna tvitova vezanih uz debatu (i famoznu Big Bird iz Ulice Sezam). To je ogromna količina podatka za prosječno razumijevanje. Međutim, u globalnim razmjerima, radi se o malom volumenu, ali je njegova složenost u tome što je stigao u izuzetno kratkom vremenu i predstavljao nemali napor za naš tadašnji improvizirani sustav.

Najveći izazov

Big Data ima nesumnjivo veliki potencijal i stvara velike prilike – kako za postojeće igrače na tržištu, tako i za neke nove izazivače. Međutim, ključni izazov je jasan: Trebamo rješenja koja će nam omogućiti da iz velike količine podataka dobijemo vrijedne informacije. Stotine tisuća agronomskih i meteoroloških senzora, RFID komunikacija, milijuni transakcija na internetskim trgovinama – svi generiraju golemu količinu podataka. No, bez dobivanja jasnih uvida, nećemo doći do korisnih informacija. Sljedeća velika stvar nakon Big Data je poznata – Big Insight. I to je novo područje u kojem će se voditi najveće podatkovne bitke u nadolazećem razdoblju. Cijena pohrane podataka, računalne memorije, CPU-a i samog hardvera drastično opada. Uz pomoć Hadoopa danas je moguće imati pravi DIY supercomputing setup na sasvim običnom hardveru, ali i dalje smo suočeni s istim izazovom: Kako od podataka doći do informacija, i to na brz i pouzdan način?

Tko na to pitanje uspješno odgovori, možda u rukama drži ključeve iduće računalne revolucije. A možda ćemo imati samo još jedan buzzword. Vrijeme će pokazati.

Napomena: Vibor uskoro drži predavanje na temu “UX and big data: love at first (in)sight”. Poslušati ga možete u sklopu konferencije The Geek Gathering, koja se od petka, 11. listopada, održava u Osijeku.