In questo articolo del blog esploreremo i motivi per cui non riusciamo a staccarci dal telefono a tarda notte e l'impatto dei big data su questo fenomeno.
Sei appena tornato a casa da una lunga giornata di lavoro e sono già le 11. Hai avuto una giornata impegnativa e frenetica, e la tua mente e il tuo corpo sono esausti. Mentre sali in ascensore, ripercorri gli eventi della giornata. Una breve conversazione con il mio capo, una battuta con un collega e un sacco di cose da fare. La routine è sempre la stessa, ma le emozioni sono sempre diverse. Arrivi a casa, apri la porta d'ingresso e vieni accolto dal silenzio. È un momento di libertà e solitudine che deriva dal vivere da single senza famiglia.
Faccio una doccia veloce e mi sento rinfrescata, l'acqua calda accarezza il mio corpo stanco e mi libera dalla stanchezza della giornata. Dopo la doccia, sorseggio una tazza di tè caldo e guardo fuori dalla finestra. È già notte e le luci della città si stanno spegnendo una dopo l'altra. Ma la mia mente continua a correre. Sono felice di essere a letto e pronta per dormire, ma il sonno mi sfugge. Mi rendo conto che dormire ora è la scelta saggia per domani, ma prima che me ne renda conto, la mia mano è sullo smartphone. Il bagliore dello schermo illumina la stanza buia e inizia la piccola pausa alla fine della giornata.
Scorro i social media e, prima che me ne accorga, l'orologio segna la mezzanotte. Sono tentato di scrivere per un attimo, di documentare cosa mi è successo durante la giornata, ma resisto all'impulso per la stanchezza. Invece, penso tra me e me: "Questa è l'ultima cosa che guarderò!" e controllo i miei canali YouTube preferiti per vedere se hanno caricato qualche video. Purtroppo, oggi non ce ne sono. Ancora deluso, ho controllato l'elenco dei video personalizzati sulla pagina principale di YouTube. Ho controllato l'elenco dei video personalizzati sulla pagina principale di YouTube e ho scoperto che c'erano video di altri canali simili al tipo di video che guardo di solito. In effetti, è così che ho scoperto il canale YouTube che sto guardando ultimamente.
Ma dato che non guardo ogni singolo video su YouTube, come fa YouTube a suggerirmi video simili? Si basa semplicemente sul titolo o sulle parole chiave del video che ho già visto? O c'è un algoritmo più complesso dietro? Una delle ultime tendenze tecnologiche è l'analisi dei big data. I big data si riferiscono a dati di dimensioni che superano i limiti dei metodi di elaborazione precedentemente utilizzati per raccogliere e gestire i dati. In generale, si tratta di informazioni inviate e ricevute attraverso vari canali come Internet, social media, informazioni GPS, informazioni meteorologiche, ecc.
L'analisi dei Big Data è il processo di analisi di queste enormi quantità di dati, che vanno da decine di terabyte a petabyte. Ma perché tutti questi dati sono importanti? Lo scopo dei Big Data non è solo quello di avere tonnellate di dati. Si tratta di scoprire modelli significativi al loro interno e di formulare previsioni basate su di essi. Ad esempio, le aziende possono analizzare i modelli di comportamento dei clienti per fornire servizi personalizzati, e i governi possono identificare le tendenze nella società in generale e utilizzarle per formulare politiche. In altre parole, i Big Data stanno diventando più di una semplice raccolta di numeri, ma un potente strumento per prevedere il futuro e risolvere i problemi.
La funzionalità video personalizzata di YouTube sopra riportata è un esempio di come sia possibile utilizzare l'analisi dei big data. Anche Facebook offre annunci personalizzati e Amazon.com analizza la cronologia degli acquisti dei clienti per comprenderne gusti e interessi. I big data non vengono utilizzati solo nel mondo degli affari, ma anche in politica. Durante le elezioni presidenziali statunitensi del 2008, il candidato Barack Obama ha utilizzato i big data per vincere le elezioni. Barack Obama è riuscito a vincere le elezioni analizzando non solo i dati demografici di base degli elettori, ma anche informazioni relative alle preferenze personali, come il comportamento di voto passato e gli abbonamenti a riviste. Altre applicazioni includono l'analisi del DNA in biotecnologia, la gestione aziendale basata sui dati e l'analisi delle informazioni meteorologiche.
Come si analizzano quindi grandi quantità di dati? La maggior parte delle tecniche di analisi dei big data applica metodi utilizzati nei campi della statistica e dell'informatica, ma con l'aumento del numero di dati non strutturati dovuto alla recente attivazione dei social network, vengono utilizzate principalmente tecniche come il text mining, l'opinion mining e l'analisi dei social network.
Il text mining è una tecnica che estrae le informazioni desiderate elaborando dati scritti non strutturati e si basa sulla tecnologia di elaborazione del linguaggio naturale. Il processo generale del text mining prevede le seguenti fasi: pre-elaborazione del testo, conversione delle informazioni semantiche, estrazione delle informazioni semantiche, analisi di pattern e trend, rappresentazione e valutazione delle informazioni. Nella fase di pre-elaborazione del testo, il testo viene suddiviso in parole o frasi ed elaborato per un'ulteriore elaborazione. La fase di conversione delle informazioni semantiche separa i dati significativi da quelli pre-elaborati. Le informazioni semantiche complesse vengono semplificate nella fase di estrazione delle informazioni semantiche. Dopo l'analisi nella fase di analisi di pattern e trend, i risultati dell'analisi vengono elaborati e valutati utilizzando strumenti di visualizzazione nella fase di rappresentazione e valutazione delle informazioni. Queste informazioni vengono utilizzate per classificare o riassumere i documenti.
L'opinion mining è un tipo di text mining utilizzato per analizzare i post recenti sui social media per determinare se vi sia una preferenza positiva o negativa per un particolare argomento. Ad esempio, sui social media viene scritto "Mi piace molto il design del MacBook". In questo caso, l'oggetto della valutazione è "MacBook" e l'obiettivo è "Mi piace molto il design", quindi viene analizzato come una valutazione positiva. In questo caso, viene assegnato un punteggio numerico a ciascuna parola che esprime un'emozione, quindi il punteggio viene categorizzato in base al punteggio.
L'analisi dei social network è una tecnica che analizza le connessioni tra individui o gruppi sui social network e la loro intensità. Se si considerano individui o gruppi come nodi e le connessioni tra di essi come link, le connessioni tra individui o gruppi sui social network vengono rappresentate tramite un grafico. In questo grafico, l'importanza di un nodo è determinata dal numero di altri nodi a cui è direttamente connesso.
Nel 2020, Facebook ha rivelato di elaborare oltre 4 petabyte di dati al giorno, mentre YouTube carica 50 anni di video in un solo giorno. IBM ha stimato che la quantità di dati prodotta ogni giorno nel mondo sia di 2.3 trilioni di gigabyte. È come un'esplosione di dati, con una quantità enorme di dati che viene creata ogni giorno. Le tecniche di analisi dei Big Data sono strumenti utili per aiutarci a trovare le gemme nascoste nei dati.
