В декабре 2008 года Randal E. Bryant, Randy H. Katz и Edward D. Lazowska опубликовали статью «Big-data computing: creating revolutionary breakthroughs in commerce, science and society». В ней утверждалось: «Подобно поисковым системам, которые изменили степень доступности информации, обработка больших данных может изменить деятельность компаний, научных исследований, медицину и оборону… Обработка больших данных, вероятно, является самым большим достижением в области вычислительной техники за последнее десятилетие. Мы только начали понимать, какой потенциал несут большие данные во всех сферах жизни. Государственные инвестиции могут значительно ускорить исследования в этой области».
Формировались взгляды на большие данные и в бизнесе. Так, в мае 2009 года исследовательская и консалтинговая компания Gartner опубликовала документ, который прогнозировал рост данных, хранимых предприятиями, на 650% в следующие 5 лет. В нём также утверждалось, что если будет найден способ извлекать из этих данных полезные знания, то это может привести к революции в бизнесе.
В 2011 году McKinsey Global Institute опубликовал отчёт, в котором был приведён анализ технологий Big Data. Большие данные рассматриваются сразу в трех плоскостях - роста объемов, роста скорости обмена данными и увеличения информационного разнообразия. Согласно отчёту, существует пять основных способов, которыми использование больших данных может создать ценность. Во-первых, большие данные могут создать значительную ценность, делая информацию прозрачной и пригодной для использования с гораздо большей скоростью. Во-вторых, поскольку организации создают и хранят больше данных о транзакциях в цифровом виде, они могут собирать более точную и подробную информацию о производительности по всему, начиная с инвентарных списков продуктов и заканчивая больничными днями, и, следовательно, демонстрируют адаптивность и повышают производительность. Ведущие компании используют сбор и анализ данных для проведения контролируемых экспериментов с целью принятия лучших управленческих решений; другие используют данные для прогнозирования, чтобы своевременно вносить изменения в свой бизнес. В-третьих, большие данные обеспечивают более узкую сегментацию клиентов и, следовательно, более точные рекламные предложения. В-четвертых, аналитика больших данных может существенно улучшить процесс принятия решений. Наконец, большие данные могут быть использованы для улучшения разработки продуктов и услуг следующего поколения. Например, производители используют данные, полученные от датчиков, встроенных в продукты, для создания инновационных предложений послепродажного обслуживания, таких как проактивное обслуживание (профилактические меры, которые направлены на предотвращение сбоев и поломок). Также утверждается, что большие данные станут ключевой основой для конкуренции, которая послужит росту продуктивности и роста для отдельных фирм. В то время как использование больших данных будет иметь значение для разных отраслей экономики, некоторые отрасли настроены на большую прибыль. IT, а также финансы и страхование готовы существенно выиграть от использования больших данных.
В мае 2012 года Danah Boyd и Kate Crawford опубликовали статью «Critical Questions for Big Data». Они определяют большие данные как «культурный, технологический и научный феномен, основанный на взаимодействии технологии (увеличение вычислительной мощности и алгоритмической точности для сбора, анализа, связывания и сравнения наборов данных) и анализа (использование наборов больших данных для выявления закономерностей с целью предъявления экономических, социальных, технических и юридический требований)».
6 октября 2015 года стало известно об исключении из отчета Gartner «Hype Cycle 2015» сведений о больших данных. Свое решение аналитики компании объяснили тем, что в состав понятия «большие данные» входит большое количество технологий, активно применяющихся на предприятиях, они частично относятся к другим популярным сферам и тенденциям и стали повседневным рабочим инструментом., а в науке исследования, связанные с большими данными, рассредоточились в рамках прикладных дисциплин и областей.
1.4 Социализация информационных технологий
Социальная коммуникация - это:
- передача информации, идей, эмоций посредством знаков, символов;
- процесс, который связывает отдельные части соц. систем друг с другом;
- механизм, посредством которого реализуется власть (власть, как попытка определить поведение другого человека).
Имеются различные подходы к типологии коммуникации.
По масштабности процесса коммуникации и массовости вовлекаемых в него лиц различают массовую (на уровне социальной системы), среднего уровня (ограниченную в масштабах социальных групп и организаций - внутриорганизационные коммуникации) и локальную (внутрисемейная, триадная и др.), внутригрупповую (взаимодействие не выходит за рамки определенной группы), межгрупповую (между различными группами или большой группы с ее достаточно самостоятельными подгруппами.
По отношению к каждому из внешних субъектов межгрупповых взаимосвязей коммуникации подразделяют на: внешние коммуникации, межличностные (между отдельными людьми - диадные) и внутриличностные (общение с самим собой).
Коммуникации по способу установления и поддержания контакта подразделяются на непосредственные (прямые), опосредованные (дистанционные). Коммуникация непосредственная - коммуникация, осуществляемая напрямую с использованием вербальных и невербальных средств в пределах визуального восприятия (например, беседа, публичное выступление). Опосредованная коммуникация - взаимодействие, осуществляемая через посредника. Коммуникация при этом осуществляется как посредством физических лиц - посредников, так и различных средств коммуникации, включая технические (средства массовой информации, такие технические средства как рупор, громкоговоритель, телефон, радио, видеосвязь, компьютерные коммуникационные сети локального или глобального характера и другие информационные технологии).
Информационная технология - совокупность методов, производственных и программно-технологических средств, объединенных в технологическую цепочку, обеспечивающую сбор, хранение, обработку, вывод и распространение информации.
Ускоряющаяся информатизация является предсказуемым, наиболее видимым сейчас вектором воздействия новых технологий на социальную структуру общества. Такое воздействие можно разбить на две группы.
Непосредственное воздействие новых информационных технологий на сознание человека - в первую очередь, за счет значительного расширения его когнитивных и коммуникативных возможностей. При этом мало предсказуемыми являются ответы на вопрос о влиянии (прямом или косвенном) распространения новых информационных технологий на динамику изменения системы ценностей.
Воздействие информационных технологий на социальную организацию: использование новых средств коммуникации принципиально снижает издержки передачи информации, упрощается и стремительно ускоряется процесс создания географически распределенных социальных групп (сетей), характеризующихся преобладанием неиерархических «горизонтальных» коммуникаций, возможностью общения «всех со всеми».
Потребность человека в информации и необходимость её поиска в информационных ресурсах общества предполагают коммуникацию между человеком и информационными службами и создают ряд социально-психологических коллизий.
Согласно теории социальной коммуникации, коммуникация - это взаимодействие двух субъектов, где один субъект - коммуникант, отправитель, передатчик; второй - адресат, приемник, реципиент. Взаимодействие этих субъектов опосредуется передаваемым объектом.
Если применить это определение коммуникации к информационному обслуживанию, то становится ясно, что последнее - социальная коммуникация, поскольку в нем присутствует два субъекта (информационный работник и пользователь) и опосредующие их взаимодействие объекты - запрос, документ. Можно выделить в этом процессе еще каналы связи, барьеры коммуникации, информационную среду, в которой осуществляется взаимодействие.
Информационная и социально-коммуникационная стороны информационного обслуживания обусловлены связью социальной информации и социальной коммуникации: коммуникация предполагает передачу информации, исходя из этого, информация не может стать доступной без коммуникации.
Одной из особенностей информационного обслуживания как коммуникации является то, что роли субъектов в ходе этой деятельности меняются: при предъявлении пользователем запроса информационному работнику пользователь является коммуникантом, отправителем, а информационный работник - адресатом, приемником; при выполнении запроса и передаче информационным работником документа или информации пользователю первый становится коммуникантом, отправителем, второй - адресатом, приемником.
В ходе получения услуг между пользователем и информационной службой (информационным работником) осуществляется коммуникация.
Коммуникация пользователей и информационной службы осуществляется в устной и письменной формах, непосредственно при посещении информационного учреждения и через каналы связи с использованием технических средств.
В связи с внедрением новых информационных технологий говорят об удаленном (виртуальном) пользователе.
2. Технологии Big Data: контент обобществления коммуникаций
2.1 Анализ использования технологий Big Data в социальных сетях
Приступим к рассмотрению использования Big Data в социальных сетях на конкретных примерах.
Крупнейшая социальная сеть в мире - Facebook, использует большие данные для распознавания изображений, технологии, которая позволяет компьютеру идентифицировать объект на изображении или видео, основываясь на результатах анализа миллионов похожих изображений. Распознавание изображений позволяет Facebook предлагать пользователям отмечать на своих фотографиях других людей, распознавая их на фотографии. Также, технология корректирует ленту новостей пользователя. Например, если друзья пользователя часто ставят «лайк» изображениям с собаками, то пользователь начнёт видеть похожие изображения в своей ленте чаще.
Большое количество данных о пользователях также позволяет Facebook эффективно размещать таргетинговую рекламу. Социальная сеть помогает бизнесу в поиске потенциальных клиентов, основываясь на данных об их интересах и склонностях. Рекламодатели имеют возможность очень точно конфигурировать целевую аудиторию, а также получить от Facebook предложения по её расширению.
Когда речь заходит о данных пользователей, возникают вопросы приватности. В контексте рекламы Facebook решила эту проблему при помощи своей технологии «Тематических данных». Тематические данные (Topic Data) - это специальная технология Facebook, которая показывает маркетологам отзывы людей о брендах и событиях, но таким образом, чтобы вся информация осталась конфиденциальной. В свою очередь, маркетологи уже используют полученные данные для изменения стратегии размещения бренда как на Facebook, так и на других платформах. Ранее такие данные можно было получить только от специализированных компаний, однако выборка была небольшой, а определение демографии - вовсе почти невозможно. С помощью Topic Data соцсеть смогла сгруппировать данные для маркетологов по узким направлениям, убрав при этом личную информацию пользователей.
На свой 10-летний юбилей Facebook предложил пользователям посмотреть и поделиться видео, в котором показаны их самые популярные посты и действия со дня регистрации до настоящего времени. Такие видео называются флешбеками и состоят из фотографий, комментариев и постов, которые зациклены в слайдшоу под приятную музыку. Такие же видеозаписи Facebook автоматически создает на годовщины вашей дружбы с другими пользователями, с которыми вы хоть как-то были связаны внутри соцсети (есть общие фотографии или посты с тегами), а также в день вашего рождения.
Занимая шестое место в списке самых популярных социальных сетей во всем мире, Instagram стремится сделать платформу максимально толерантной. Для этой цели они используют DeepText, технологию Facebook, которая имеет возможность почти с человеческой точностью анализировать несколько тысяч постов пользователей в секунду.
Для определения тона и намерения комментария, его правильной интерпретации и различения между оскорблением и конструктивной критикой, технология Instagram также изучает контекстуальное значение смежных комментариев.
Кроме того, DeepText помогает в распознавании спама. Система определяет фейковые аккаунты и удаляет спам в комментариях под постами пользователей. Эта функция пока доступна не на всех языках и ещё находится в разработке.
Перед введением в использование система проанализировала и сгруппировала более двух миллионов комментариев по группам, таким как «оскорбление», «расизм», «сексуальные домогательства». Если пользователь не хочет видеть комментарии подобного рода, он может включить соответствующую функцию в настройках своей учётной записи.
Twitter, ещё одна крупная социальная сеть, использует машинное обучения для эффективной обрезки изображений. В ленте пользователя изображения не показываются в полном виде, а лишь в виде фрагментов. Совершенствуя свои алгоритмы, Twitter обучает свою систему выбирать наиболее интересные для пользователя фрагменты - лица, текст, животных.
Поскольку нейронные сети в рамках подобных задач работают слишком медленно, чтобы осуществлять работу в реальном времени, Twitter использует два метода. Первый их них, «дистилляция знаний», используется для обучения меньшей сети для имитации работы более большой и осуществления предсказания, основываясь на наборе изображений и сторонних важных данных. Второй из них, сокращение Фишера, используется для удаления лишних фрагментов при одновременном снижении затрат вычислительных мощностей.