10.14489/vkit.2021.11.pp.047-052

DOI: 10.14489/vkit.2021.11.pp.047-052

Коновалов В. А.
ОБЩАЯ ОЦЕНКА ПЕРСПЕКТИВ ПРИМЕНЕНИЯ ПАРАДИГМЫ БОЛЬШИХ ДАННЫХ (BIG DATA) В СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМАХ
(с. 47-52)

Аннотация. Проведена оценка перспектив применения парадигмы больших данных в социально-экономических системах через анализ факторов, отличающих ее от научных идей синтеза и декомпозиции данных. Дан анализ идеи извлечения знаний непосредственно из больших данных. Приведено сравнение подходов к извлечению знаний из больших данных: алгебраический и многомерный анализы данных, применяемые в системах OLAP (OnLine Analytical Processing). Для оценки результата извлечения знаний из больших данных предложено использовать научные критерии: достоверность и оперативность. Выделены основные цели извлечения знаний в социально-экономических системах: прогноз и поддержка принятия управленческих решений. Приведен анализ факторов, отличающих большие данные (объем, многообразие, скорость прироста данных), в приложении к исследованию социально-экономических систем. Обоснована целесообразность введения универсума в системы для обработки больших данных. Проведен анализ влияния свойств выборочных совокупностей из больших данных: неполноты, неоднородности и нерепрезентативности, на выбор математических методов обработки больших данных. Сделан вывод о необходимости системного, комплексного, осторожного подхода к выработке принципиальных решений социально-экономического характера при применении парадигмы больших данных в исследовании отдельных социально-экономических подсистем.

Ключевые слова: большие данные; неполная выборка данных; неоднородность; нерепрезентативность; достоверность; оперативность; теория категорий.

Konovalov V. A.
GENERAL ASSESSMENT OF THE PROSPECTS FOR THE APPLICATION OF THE BIG DATA PARADIGM IN SOCIO-ECONOMIC SYSTEMS
(pp. 47-52)

Abstract. The paper assesses the prospects for the application of the big data paradigm in socio-economic systems through the analysis of factors that distinguish it from the well-known scientific ideas of data synthesis and decomposition. The idea of extracting knowledge directly from big data is analyzed. The article compares approaches to extracting knowledge from big data: algebraic and multidimensional data analysis used in OLAP-systems (OnLine Analytical Processing). An intermediate conclusion is made about the advisability of dividing systems for working with big data into two main classes: automatic and non-automatic. To assess the result of extracting knowledge from big data, it is proposed to use well-known scientific criteria: reliability and efficiency. It is proposed to consider two components of reliability: methodical and instrumental. The main goals of knowledge extraction in socio-economic systems are highlighted: forecasting and support for making management decisions. The factors that distinguish big data are analyzed: volume, variety, velocity, as applied to the study of socio-economic systems. The expediency of introducing a universe into systems for processing big data, which provides a description of the variety of big data and source protocols, is analyzed. The impact of the properties of sample populations from big data: incompleteness, heterogeneity, and non-representativeness, the choice of mathematical methods for processing big data is analyzed. The conclusion is made about the need for a systemic, comprehensive, cautious approach to the development of fundamental decisions of a socio-economic nature when using the big data paradigm in the study of individual socio-economic subsystems.

Keywords: Big data; Incomplete data sampling; Heterogeneity; Non-representativeness; Reliability; Timeliness; Category theory.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

В. А. Коновалов (ОАО «Курскрезинотехника», Курск, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

V. A. Konovalov (Open Joint-Stock Company “Kurskrezinotekhnika”, Kursk, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Синюк А. И., Яковлева Е. В. Краткий словарь основных логических понятий: учеб.-метод. пособие для преподавателей и студентов вузов. Нижнекамск: Изд-во Нижнекамского муниципального института, 2008. 39 с.
2. ГОСТ Р ИСО/МЭК 20546–2021. Информационные технологии. Большие данные. Обзор и словарь. Введ. 2021-11-01. М.: Стандартинформ, 2021. 21 с.
3. Шнайер Б. Прикладная криптография. Протоколы, алгоритмы и исходные тексты на языке С / пер. с англ. Н. Дубнова. 2-е изд. М.: Триумф, 2002. 816 с.
4. Рассел С., Норвиг П. Искусственный интеллект: современный подход: пер. с англ. 2-е изд. М.: Вильямс, 2016. 1408 с.
5. Бейли Л. Изучаем SQL. СПб.: Питер, 2012. 592 с.
6. Фаулер М., Садаладж П. Дж. NoSQL: новая методология разработки нереляционных баз данных / пер. с англ. и ред. Д. А. Клюшина. М.: Вильямс, 2013. 183 с.
7. Уайт Т. Hadoop: подробное руководство. СПб.: Питер, 2013. 672 с.
8. Анализ данных и процессов: учеб. пособие / А. А. Барсегян и др. 3-е изд., перераб. и доп. СПб.: БХВ-Петербург, 2009. 512 с.
9. Ивин А. А., Никифоров А. Л. Словарь по логике. М.: ВЛАДОС, 1997. 383 с.
10. Непейвода Н. Н. Прикладная логика: учеб. пособие. 2 изд., испр. и доп. Новосибирск: Изд-во Новосиб. ун-та, 2000. 521 с.
11. Бурбаки Н. Основные структуры анализа. Кн. 1. Теория множеств / пер. с фр. Г. Н. Поварова, Ю. А. Шихановича; под ред. В. А. Успенского. М.: Либроком, 2010. 456 с.
12. Hodge V. J., Austin J. A Survey of Outlier Detection Methodologies // Artificial Intelligence Review. 2004. V. 22, No. 2. P. 85 – 126. DOI 10.1023/B:AIRE.0000045502.10941.a9
13. Прикладная статистика: Классификация и снижение размерности. Справочное издание / С. А. Айвазян и др.; под ред. С. А. Айвазяна. М.: Финансы и статистика, 1989. 607 с.
14. Целенко М. Ш., Шульгейфер Е. Г. Основы теорий категорий. М.: Наука, 1974. 256 с.
15. Скурихин Е. Е. Категорная топология нормальных структур на множествах // Сиб. электрон. матем. изв. 2018. Т. 15. С. 1719 – 1734. DOI 10.33048/semi.2018.15.142
16. Советов Б. Я., Яковлев С. А. Моделирование систем: учеб. для бакалавров. 7-е изд. М.: Юрайт, 2012. 343 с.
17. Бурбаки Н. Кн. 2. Алгебра. Гл. 10. Гомологическая алгебра / пер. с фр. Е. С. Голода; под ред. А. И. Костикина. М.: Наука, 1987. 184 с.
18. Гротендик А. О некоторых вопросах гомологической алгебры / пер. с фр. Б. Б. Венкова; под ред. А. Л. Онищика. М.: Изд-во иностр. лит., 1961. 175 с.
19. Latkin E. I. Generalized Kripke Semantics for Nelson’s Logic // Algebra and Logic. 2010. V. 49. P. 426 – 443. DOI 10.1007/s10469-010-9107-4
20. Васюков В. Л. Категорная логика: учеб. пособие для академического бакалавриата. 2-е изд., перераб. и доп. М.: Юрайт, 2019. 201 с.

Eng

1. Sinyuk A. I., Yakovleva E. V. (2008). A short dictionary of basic logical concepts: a textbook for teachers and university students. Nizhnekamsk: Izdatel'stvo Nizhnekamskogo munitsipal'nogo instituta. [in Russian language]
2. Information Technology. Big data. Review and dictionary. (2021). Ru Standard No. GOST R ISO/MEK 20546–2021. Moscow: Standartinform. [in Russian language]
3. Shnayer B. (2002). Applied cryptography. C protocols, algorithms and source texts. 2nd ed. Moscow: Triumf. [in Russian language]
4. Rassel S., Norvig P. (2016). Artificial Intelligence: A Modern Approach. 2nd ed. Moscow: Vil'yams. [in Russian language]
5. Beyli L. (2012). Learning SQL. Saint Petersburg: Piter. [in Russian language]
6. Fauler M., Sadaladzh P. Dzh. (2013). NoSQL: a new methodology for developing non-relational data-bases. Moscow: Vil'yams. [in Russian language]
7. Uayt T. (2013). Hadoop: A Comprehensive Guide. Saint Petersburg: Piter. [in Russian language]
8. Barsegyan A. A. et al. (2009). Analysis of data and processes: a textbook. 3rd ed. Saint Petersburh: BHV-Peterburg. [in Russian language]
9. Ivin A. A., Nikiforov A. L. (1997). Dictionary of Logic. Moscow: VLADOS. [in Russian language]
10. Nepeyvoda N. N. (2000). Applied logic: a textbook. 2nd ed. Novosibirsk: Izdatel'stvo Novosibirskogo universiteta. [in Russian language]
11. Burbaki N. (2010). Basic analysis structures. Book 1. Set theory. Moscow: Librokom. [in Russian language]
12. Hodge V. J., Austin J. (2004). A Survey of Outlier Detection Methodologies. Artificial Intelligence Review, Vol. 22, (2), pp. 85 – 126. DOI 10.1023/B:AIRE.0000045502.10941.a9
13. Ayvazyan S. A. (Ed.) et al. (1989). Applied Statistics: Classification and Dimension Reduction. Handbook. Moscow: Finansy i statistika. [in Russian language]
14. Tselenko M. Sh., Shul'geyfer E. G. (1974). Foundations of category theories. Moscow: Nauka. [in Russian language]
15. Skurihin E. E. (2018). Category topology of normal structures on sets. Sibirskie elektronnye matematicheskie izvestiya, Vol. 15, pp. 1719 – 1734. [in Russian language] DOI 10.33048/semi.2018.15.142
16. Sovetov B. Ya., Yakovlev S. A. (2012). Modeling Systems: a textbook for bachelors. 7th ed. Moscow: Yurayt. [in Russian language]
17. Burbaki N. (1987). Book 2. Algebra. Chapter 10. Homological algebra. Moscow: Nauka. [in Russian language]
18. Grotendik A. (1961). On some questions of homological algebra. Moscow: Izdatel'stvo inostrannoy literatury. [in Russian language]
19. Latkin E. I. (2010). Generalized Kripke Semantics for Nelson’s Logic. Algebra and Logic, Vol. 49, pp. 426 – 443. DOI 10.1007/s10469-010-9107-4
20. Vasyukov V. L. (2019). Category logic: a textbook for the academic bachelor's degree. 2nd ed. Moscow: Yurayt. [in Russian language]

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 450 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

10.14489/vkit.2021.11.pp.047-052

и заполните форму

Отправляя форму вы даете согласие на обработку персональных данных.

Eng

This article is available in electronic format (PDF).

The cost of a single article is 450 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2021.11.pp.047-052

and fill out the form