Big Data.

Примеры процессов работы с большими данными могут быть «обработка претензий» или «порядок доставки». Они, в свою очередь, используют различные ресурсы, такие как человеческие и технические (заводы, оборудование и ИТ). Данные могут использоваться для оптимизации использования ресурсов, а также для оптимизации таких процессов, как время цикла, стоимость или качество. Некоторыми хорошими примерами использования больших данных для оптимизации процессов являются инвентаризация прогнозирование управления / продаж, операции с портами и логистика доставки пакетов.











Рисунок 2 – Архитектура высокого уровня для повышения информационной эффективности

5 Математические модели, применяемые для анализа ИС больших данных

Исходящей информацией при построении математических моделей процессов функционирования больших систем служат данные про назначение условий работы про исследуемую систему больших данных. Такая методика позволит определить основную цель моделирования системы больших данных и позволит сформулировать требования к разрабатываемой математической модели [8].
Модель объекта моделирования системы больших данных можно представить, как множество величин, которые описывают процесс функционирования реальной системы больших данных:


совокупность воздействий внешней среды



совокупность внутренних (собственных) параметров системы


совокупность выходных характеристик системы


Причем в перечисленных подмножествах можно выделить управляемые и неуправляемые переменные. В общем случае хі, у{, Кк, уі
являются элементами непересекающихся подмножеств и содержат как детерминированные, так и стохастические составляющие.

6 Криминалистика «Больших данных» и «Интернета вещей»

С точки зрения криминалистики весьма примечательным является то, что каждый из различных интеллектуальных устройств, кроме самого чувствительного элемента больших данных, обладает либо определенным объёмом внутренней памяти, где установленное время хранятся результаты его работы либо способно передавать получаемые данные по какому- либо каналу связи. Фактически каждое из этих устройств становится источником криминалистически значимой информации, способной пролить свет на уголовно релевантное событие [9].
Таким образом, кибернетическое пространство – это специфическая среда с большими данными, где генерируется значимая с криминалистической точки зрения цифровая информация. Но возникает вопрос о готовности криминалистической науки, уголовного процесса и сотрудников правоохранительных органов работать с ней. Ведь на сегодняшний день существует лишь частичная готовность этих направлений работать в этом направлении. В связи с этим возникают серьезные задачи совершенствования, как криминалистики, так и уголовного процесса.
Необходима модернизация механизма следообразования в кибернетическом пространстве. Ведь существует возможность единый след может состоять из нескольких цифровых записей, физически размещенных в различных устройствах и даже находящихся в различных географических точках.
Должны быть сформулированы специфические или определены новые для кибернетического пространства требования к следственным и иным процессуальным действиям, адекватно отражающие деятельность по технически корректному поиску, извлечению, сохранению и анализу доказательственной информации.

Заключение

В заключении отметить, что big data могут использоваться для оптимизации процессов и использования активов современных компаний в режиме реального времени, для улучшения их в долгосрочной перспективе и получения чистых новых доходов путем ввода новых мероприятий и действий. Такая технология непременно способствует повышению доходов предприятий и распространению их продукции различным клиентам.
В данной работе достигнута основная цель – описание big data.
В данном реферате были решены следующие задачи:
описаны основные понятия, связанные с big data;
описаны проблемы, возникающие при работе с большими данными;
приведены стратегические приложения больших данных;
приведены практические примеры применения big data.
Также в процессе написания реферата были использованы современные и классические источники литературы и глобальной сети Internet.


Список использованной литературы

Майер-Шенбергер, В. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим / Виктор Майер-Шенбергер, Кеннет Кукьер ; пер. с англ. Инны Гайдюк. — М. : Манн, Иванов и Фербер, 2014. — 240
Карпович Е.Б., Пархоменко Д.А. Основы информационно-аналитической деятельности. Пособие. — Минск : БГУИР, 2017. — 55 с.
Quinto Butch. Next-Generation Big Data: A Practical Guide to Apache Kudu, Impala, and Spark. Apress, 2018. — 557 p.
Srinivasan S. (Ed.)Guide to Big Data Applications. Springer International Publishing AG, 2018. — 567 p.
Taheri J. (Ed.) Big Data and Software Defined Networks. London, UK: The Institution of Engineering and Technology, 2018. — 504 p.
Перспективные направления исследований в области клинического моделирования, управления и принятия решений// А.Н. Виноградов, Я.И. Гулиев, Е.П. Куршев, В.Л.Малых. – М.: Менеджер здравоохранения. – 2014. – С. 48-59.
Kumar V. Naresh, Shindgikar P. Modern Big Data Processing with Hadoop. Packt Publishing, 2018. — 394 p.
Исаев А.Б. Современные технические методы и средства защиты информации: Учеб. пособие. - М.: РУДН, 2008. - 253 с.
Мещеряков В.А. Криминалистика «Больших данных» и «Интернета вещей»// В.А. Мещеряков// материалы Международной научно-практической конференции, приуроченной к 60-летию образования службы криминалистики (Москва, 16 октября 2014 года). - М.: Академия Следственного комитета Российской Федерации, 2014. - С. 341-343.








13