Bài viết Phân tích dữ liệu lớn với các ứng dụng tìm hiểu các khái niệm, xu hướng của dữ liệu lớn (BD) và phân tích dữ liệu lớn (BDA) cũng như những thách thức và cơ hội của việc phân tích dữ liệu lớn; tìm hiểu ứng dụng hệ thống thông tin sử dụng BDA nhằm nâng cao chất lượng hỗ trợ cho quá trình ra quyết định và tìm hiểu các công cụ hỗ trợ quan trọng cho BDA. Mời các bạn cùng tham khảo!
PHÂN TÍCH DỮ LIỆU LỚN VỚI CÁC ỨNG DỤNG ThS Trương Đình Hải Thụy ThS Trần Thanh San Trường Đại học Tài –Marketing Tóm tắt: Trong thời đại Cơng nghệ 4.0 với phát triển nhiều ứng dụng tảng Internet vạn vật (Internet of Things – IoT), phát triển công nghệ Big Data hệ thống thơng tin… phân tích liệu lớn xác định công nghệ quan trọng để hỗ trợ việc thu thập liệu, lưu trữ phân tích liệu hệ thống nhằm nâng cao chất lượng trình định, đặc biệt kỷ nguyên kỹ thuật số Câu hỏi liên quan làm doanh nghiệp tận dụng tiềm việc phân tích liệu Phương pháp viết tổng quan tài liệu có cấu trúc Những phát nghiên cứu cho thấy yêu cầu cần có hệ thống, thách thức hội việc phân tích liệu lớn để hỗ trợ hệ thống thông tin dựa đám mây Từ khóa: phân tích liệu lớn (BDA), điện toán đám mây, Internet of Thing (IoT), dịch vụ tảng đám mây (SaaS – PaaS – IaaS, DaaS) Đặt vấn đề Bất kỳ hệ thống thông tin (HTTT) thiết kế để xử lý chuyển đổi liệu đầu vào thành thông tin đầu tri thức, biểu đồ trực quan hóa liệu, định vận hành hệ thống Độ phức tạp hệ thống thông tin phụ thuộc vào liệu đầu vào thông tin đầu ra, mối tương quan chúng thời gian sống HTTT (Da Xu cộng sự, 2013) Một HTTT đo lường khả xử lý khối lượng, đa dạng tốc độ xử lý liệu khả đáp ứng việc hỗ trợ định nhà quản lý Ngày nay, thời đại công nghệ 4.0 với công nghệ công nghệ liệu lớn (Big Data), trí tuệ nhân tạo điện toán đám mây ảnh hưởng to lớn đến phát triển hiệu suất HTTT Phân tích liệu lớn (Big Data Analysis – BDA) áp dụng cho nhiều lĩnh vực khác nhau, ví dụ (Xiang cộng sự, 2015) áp dụng BDA lĩnh vực khách sạn để xác định trải nghiệm hài lòng khách hàng, (Steed, 2013) khẳng định phương pháp phân tích khí hậu thơng thường trở nên khơng cịn đáp ứng với khối lượng phức tạp liệu ngày đề xuất công cụ phân tích trực quan gọi phân tích liệu khám phá để mô hệ thống trái đất; phân tích liệu lớn sử dụng để đẩy nhanh việc phân tích liệu khí hậu Từ năm 2014, Schanse cộng sự đã phát triển mơ hình phân tích để dự đốn tiêu thụ điện quy trình sản xuất Hay ngành - 233 bán lẻ, dùng BDA để nắm rõ hành vi người tiêu dùng nhằm cung cấp sản phẩm dịch vụ thiết kế riêng theo nhu cầu khách hàng Nhiều ứng dụng sử dụng BDA để thay kho liệu thông thường hệ quản trị sở liệu truyền thống – RDDMS (Relational Database Management System) Giới hạn viết này, tác giả tìm hiểu (1) khái niệm, xu hướng liệu lớn (BD) phân tích liệu lớn (BDA) thách thức hội việc phân tích liệu lớn; (2) tìm hiểu ứng dụng HTTT sử dụng BDA nhằm nâng cao chất lượng hỗ trợ cho trình định (3) tìm hiểu công cụ hỗ trợ quan trọng cho BDA Cơ sở lý thuyết 2.1 Dữ liệu lớn Việc thu thập phân tích liệu cần thiết HTTT nào, quy mô độ phức tạp HTTT phụ thuộc vào độ lớn liệu phương pháp xử lý liệu Với phát triển nhanh chóng cơng nghệ, internet, mạng khơng dây, thiết bị cảm biến, thiết bị lưu trữ, thiết bị di động ngày giảm giá góp phần cho liệu tăng lên theo cấp số nhân theo IDC – trung tâm liệu internet – năm 2020 có khoảng 64 tỷ TB tạo dự đoán đến năm 2025 số liệu 180 zettabyte (1 zettabyte = nghìn exabyte) Dữ liệu lớn (big data – BD) lên lĩnh vực nghiên cứu Khoa học liệu lớn (Big data science), phân tích liệu lớn (Big Data Analysis – BDA) phương pháp giúp hiểu bên (inside) liệu Có thể nói liệu lớn giúp nhà quản lý thay đổi mơ hình kinh doanh nâng cao lực cạnh tranh doanh nghiệp lên nhiều Trong báo cáo Nhà Trắng (2014) xác định dùng liệu lớn để phát triển kinh tế Hoa Kỳ, cải thiện y tế giáo dục, đảm bảo an ninh quốc gia giảm tiêu thụ lượng Một nghiên cứu IBM tổ chức sử dụng liệu lớn hoạt động tốt 20% so với tổ chức dùng liệu truyền thống Công nghệ động lực thúc đẩy tương tác người thay đổi mơ hình kinh doanh doanh nghiệp Sự phát triển hệ thống nhúng, hệ thống vi mơ thiết bị điện tử kích thích đổi gia tăng giá trị kinh tế Sự phát triển Internet of Things (IoT) thu hút quan tâm đầu tư nhiều lĩnh vực nghiên cứu toàn giới Có thể xem HTTT tương tự hệ thống sản xuất, liệu xem nguyên liệu để sản xuất sản phẩm kiến thức, tri thức định Trong HTTT, để thu thập liệu, IoT giúp đám mây thu thập liệu từ nhiều nguồn từ Internet, thiết bị cảm biến, tập tin nhật ký (log files), từ hệ quản trị sở liệu thông thường (RDBMS), mạng công nghiệp hệ thống theo dõi Khối lượng liệu tăng trưởng theo định luật Moore – 18 tháng khả xử lý máy tính tăng 234 - gấp đơi Để quản lý liệu điện tốn đám mây cung cấp dịch vụ đáng tin cậy cách triển khai trung tâm liệu đám mây Một số công nghệ tảng cần thiết để xử lý liệu lớn MapReduce, NoSQL Dịch vụ đám mây cho phép người dùng truy cập liệu đâu lúc Dữ liệu lưu trữ đám mây vận hành khác với phương tiện lưu trữ truyền thống, liệu đám mây tích lũy nhanh chóng thành liệu lớn Hình Dữ liệu lớn (Big Data) Khái niệm liệu lớn đề cập đến đặc điểm liệu phương pháp xử lý liệu Có nhiều định nghĩa liệu lớn hầu hết định nghĩa đề cập đến công nghệ để thu thập, tổng hợp xử lý khối lượng, tốc độ đa dạng liệu ngày lớn Dữ liệu lớn đề cập đến liệu có khối lượng, tốc độ đa dạng vượt qua khả xử lý phân tích cách kịp thời tổ chức truyền thống Dữ liệu lớn không bao gồm khối lượng lớn, tốc độ cao đa dạng mà bao gồm kích thước lớn 2.2 Phân tích liệu lớn Hiện tổ chức chuyển từ việc lưu liệu có cấu trúc sang liệu khơng cấu trúc, thay đổi từ mơ hình tĩnh sang mơ hình động Việc xử lý liệu, chuyển đổi liệu thành thông tin, kiến thức trở nên quan trọng hoạt động định doanh nghiệp Phân tích liệu lớn (BDA) gồm phân tích khai thác liệu lớn để tạo kiến thức hoạt động kinh doanh (Cloud Security Alliance, 2013) Kết từ phân tích liệu lớn áp dụng cho nhiều doanh nghiệp quy mô lĩnh vực kinh doanh BDA khơng cơng nghệ, cịn cơng cụ tích hợp chiến lược, quảng - 235 cáo, nguồn nhân lực nghiên cứu thị trường BDA tập hợp phương pháp công cụ phân tích thiết lập sử dụng rộng rãi mối tương quan, phân tích cụm, lọc, định, phân tích Bayes, phân tích mạng nơ ron, phân tích hồi quy phân tích kết cấu (Davis, C K, 2014) BDA đề cập đến kỹ thuật công nghệ giúp cho việc xử lý liệu quy mô tiết kiệm BDA q trình kiểm tra, làm sạch, chuyển đổi mơ hình hóa liệu lớn với mục đích khám phá quy tắc, kiến thức, đưa giải pháp hỗ trợ việc định Có thể hiểu BDA phân tích dự báo để dự đốn “điều có khả xảy ra”, quy trình sử dụng để trích xuất thơng tin chi tiết có ý nghĩa, mẫu ẩn, mối tương quan, xu hướng thị trường sở thích người tiêu dùng Ứng dụng bda Giới hạn viết tác giả tìm hiểu ứng dụng BDA hệ thống doanh nghiệp sản xuất Bất kỳ doanh nghiệp sản xuất cần HTTT để giúp nhà quản lý cấp độ đưa định để vận hành doanh nghiệp Mức độ phức tạp HTTT phụ thuộc vào số lượng đầu vào đầu mối quan hệ chúng 3.1 Sự phát triển HTTT sản xuất Sự tiến hệ thống sản xuất đo lường quy mơ, độ phức tạp mức độ đáp ứng tự động hóa Hình Cơng nghệ sản xuất, HTTT, CNTT phát triển chúng Nguồn: Journal of Management Analytics 236 - Theo hình 2, ví dụ điển hình hệ thống sản xuất, cấp độ ba ma trận: (1) quy mô hệ thống, (2) mức độ phức tạp (3) mức độ đáp ứng tăng lên liên tục theo thời gian Sự phát triển công nghệ sản xuất phân thành giai đoạn NC/CNC workstation, hệ thống sản xuất linh hoạt (flexible manufacturing systems – FMSs), hệ thống sản xuất tích hợp CNTT (computer integrated manufacturing – CIM), sản xuất phân phối (distributed manufacturing – DM), sản xuất dự đoán (predictive manufacturing – PM) Các cơng cụ phần mềm điển hình hỗ trợ cho công nghệ sản xuất tương ứng Hệ thống kiểm soát chất lượng (Quality Control – QC); Quản lý chất lượng toàn diện (Total Quality Management – TQM); Hệ thống hoạch định nguồn lực doanh nghiệp (ERP-I, ERP-II); Quản lý chuỗi cung ứng (SCM); Quản lý vòng đời sản phẩm (Product Lifecycle Management – PLM); Phần mềm dạng dịch vụ (Software-as-a-Service – SaaS)/ Nền tảng dạng dịch vụ (Platform as a Service – PaaS)/ Cơ sở hạ tầng dịch vụ (Infrastructure as a Service – IaaS) Tương ứng, khối lượng, đa dạng, tốc độ xử lý liệu HTTT tăng dần từ liệu dòng đầu kỹ thuật số tăng dần liệu lớn cụ thể từ luồng liệu (stream data), kinh doanh thông minh (Business Intelligence), quản lý dự án doanh nghiệp (Enterprise Project Management), phân tích (Analysis), liệu lớn (Big data) Hệ thống phần cứng công nghệ thông tin (CNTT) phải có khả xử lý liệu kịp thời Mơi trường điện tốn phát triển từ Microchip, máy tính lớn (Mainframe), máy chủ (Servers), Internet hơm điện toán đám mây (Clound) Schulte cộng (2014) tìm hiểu đóng góp IoT sản xuất đám mây tính linh hoạt khả mở rộng quy trình nhà máy vật lý hệ thống doanh nghiệp Từ năm 2012 phát triển sản xuất nhanh đám mây đề xuất, theo hệ thống sản xuất công nghiệp coi dịch vụ Với mơ hình người dùng truy cập vào tất chức sản xuất trình thiết kế, sản xuất, quản lý, hội nhập kinh doanh, nhà máy ảo dịch vụ đám mây (Papanagnou, 2014) đưa khuôn khổ (framework) chung để giải thách thức liệu chuỗi giá trị sản xuất; mục tiêu chuyển đổi liệu lớn thành kiến thức hữu ích, hỗ trợ việc định cho doanh nghiệp Cooperative Synergies Inc xác định xu hướng thay đổi hệ thống doanh nghiệp mơi trường tồn cầu hóa, theo hệ thống doanh nghiệp hệ sau phải hợp tác, liên tục, hướng đến dịch vụ, dự đoán, mở rộng khả đáp ứng 3.2 Dữ liệu hệ thống thơng tin Cơng nghệ giúp người giới kết nối với nhau, mang đến nhiều hội để chia sẻ kiến thức, chuyên môn thông qua đám mây Công nghệ đám mây cho phép doanh nghiệp chuyển đổi mơ hình kinh doanh cách nhanh chóng nắm bắt hội kinh doanh mới, cải thiện suất, cải tiến chất lượng sản phẩm, giảm chi phí, giảm thời gian giao hàng, đáp ứng nhu cầu khách hàng từ tăng hài lịng khách - 237 hàng mở rộng thị phần Khái niệm đám mây nhà sản xuất áp dụng với tên gọi sản xuất đám mây (Cloud Manufacturing – CM) Sản xuất đám mây tương ứng với hệ thống vật lý mạng, cung cấp dịch vụ sản xuất theo yêu cầu đảm bảo sử dụng tối ưu nguồn lực sản xuất CM mô hình sản xuất hướng đến khách hàng, doanh nghiệp hưởng lợi từ triết lý chia sẻ để đạt nguồn lực sản xuất chuyên môn từ nguồn lực khác Với phát triển nhanh chóng mạng cảm biến không dây công nghệ IoT giúp liệu dễ thu thập hơn, dễ tiếp cận góp phần vào việc hình thành liệu lớn Ngày việc xử lý thông tin ngày dễ linh hoạt Việc sử dụng liệu lớn HTTT thực chất kế thừa mở rộng HTTT trước Hình Vai trị big data với HTTT sản xuất đám mây Một hệ thống doanh nghiệp phải có chức đưa định cho hoạt động liên quan đến vòng đời sản phẩm từ nguyên liệu thơ, quy trình sản xuất, đến sản xuất sản phẩm cuối dịch vụ sau bán hàng Tuy nhiên ranh giới hệ thống sản xuất với môi trường kinh doanh dần trở nên mơ hồ nhiều lý đáng Một hệ thống sản xuất phải cung cấp giá trị cho khách hàng Dịng giá trị bao gồm việc phát triển sản phẩm, chuỗi cung ứng mối quan hệ kinh doanh Với HTTT sử dụng Big Data khả nâng cao lên nhiều (1) liệu khơng gồm liệu bên doanh nghiệp mà từ nguồn khác IoT bao gồm tất người tham gia vào chuỗi cung ứng nó; (2) công cụ quản lý Big Data trở nên cần thiết để truy xuất liệu liên quan; (3) tất việc sử dụng liệu thực cách truy cập dịch vụ Big Data 238 - Phân tích liệu lớn áp dụng thành công số công ty sản xuất Một số trường hợp sử dụng BDA thành cơng Tập đồn Bosh Đức, tập đồn đa quốc gia Schneider Electric in Pháp, General Electric UPS Hoa Kỳ… BDA không dùng công cụ để cải thiện cách quản lý truyền thống mà để tạo sản phẩm dịch vụ có giá trị Hiện có nhiều doanh nghiệp chuyển đổi thành cơng mơ hình kinh doanh sang sử dụng kiến trúc CNTT dựa đám mây để sản xuất phân phối sản phẩm cách hiệu Các doanh nghiệp dùng BDA để hiểu thị trường đối thủ cạnh tranh Các công nghệ dựa đám mây dùng để chuyển đổi định hướng sản xuất sang định hướng dịch vụ lĩnh vực kinh doanh công nghệ Điều khẳng định lợi ích kinh tế đáng kể mà BDA mang lại cho doanh nghiệp 3.3 Những thách thức liệu lớn sản xuất Big Data thay đổi mơ hình kinh doanh cho tất nhà cung cấp CNTT truyền thông (ICT) khách hàng họ doanh nghiệp sản xuất BDA giúp doanh nghiệp sản xuất xử lý liệu lớn, đạt khả cạnh tranh toàn cầu Với Big Data, tất công cụ ứng dụng (application tools), platforms, sở hạ tầng truy cập dạng dịch vụ qua đám mây Big Data có ảnh hưởng lớn đến doanh nghiệp sản xuất, dựa vào liệu để tinh chỉnh chuỗi cung ứng, lập kế hoạch, phân tích hành vi người tiêu dùng, nắm nhu cầu khách hàng từ xây dựng chiến lược kinh doanh Doanh nghiệp đánh giá nhà cung cấp Big Data chủ yếu dựa khả bảo mật, độ tin cậy thời gian hoạt động họ Các ứng dụng Big Data có phạm vi rộng, liên quan đến mốt số thách thức kỹ thuật Big Data trung tâm nhiều dịch vụ dựa đám mây, bao gồm Cloud Manufacturing Vấn đề quan trọng người dủng phải hiểu rõ yêu cầu ứng dụng Big Data, khả BDA phương pháp triển khai tốt Những thách thức hệ thống doanh nghiệp đám mây phải kể tới giải pháp công nghệ thông tin hỗ trợ mở rộng chia sẻ dựa đám mây BDA hệ thống mạng vật lý phải tính đến suất hiệu HTTT Những đột phá BDA dự đoán trước khả kết hợp, triển khai trì thuật tốn có cách nhanh chóng Hai xu hướng kỹ thuật sản xuất ứng dụng cải tiến dịch vụ sản xuất dựa hệ thống mạng vật lý Các ứng dụng sản xuất, nghiên cứu BDA cần giải thách thức sau đây: – Framework Cloud Manufacturing hình thức sản xuất nối mạng, cung cấp dịch vụ sản xuất thơng qua đám mây Cloud Manufacturing cần mơ hình tích hợp phân phối tương thích hơn, thơng minh hơn, thích ứng thay đổi nôi trường Khi BDA triển khai Cloud Manufacturing, phục vụ nhiều chức mơ hình hóa hành vi hệ thống, hỗ trợ hoạt động tương tác đảm bảo tính dễ kiểm soát, nhanh nhẹn HTTT doanh nghiệp Các nhà sản - 239 xuất cần phát triển sở hạ tầng sáng tạo có khả sử dụng liệu ngày tăng từ nguồn liệu có cấu trúc khơng có cấu trúc mơi trường khơng đồng – Cơng cụ phân tích liệu lớn nâng cao Để tăng khả cạnh tranh, doanh nghiệp ngày cần sở hữu lượng liệu lớn từ nhiều nguồn khác để tận dụng thông tin từ BDA Các tảng phân tích đáp ứng nhu cầu xử lý liệu có khả mở rộng, hỗ trợ liệu có độ trễ thấp tăng tốc q trình xử lý, lập mơ hình phân tích nâng cao Ngày nay, ứng dụng sản xuất, số lượng công cụ phần mềm tăng lên theo cấp số nhân Do cơng cụ BDA phải thiết kế linh động, phù hợp với việc kích thước liệu ngày tăng, gia tăng khối lượng yêu cầu, có khả xử lý liệu chung riêng cách tích hợp, khả tương tác đa dạng người dùng BDA phải có khả quản lý việc tích hợp hệ thống qua đám mây – Quyền riêng tư Quyền riêng tư quan trọng liệu chia sẻ lĩnh vực ngành Thông thường quyền riêng tư chủ yếu dựa vào giới hạn cơng nghệ để trích xuất, phân tích tương quan với tập liệu Tuy nhiên với tiến BDA giúp cho việc trích xuất tương quan liệu trở nên dễ dàng nhiều Do đó, phương pháp BDA phải xem xét nguyên tắc kiến nghị quyền riêng tư để bảo vệ ứng dụng an tồn đám mây Cần phải xem đến tính xác thực tính tồn vẹn liệu công cụ phát triển BDA BDA đặt thách thức lớn để bảo vệ nguồi riêng tư – Các ứng dụng cho doanh nghiệp vừa nhỏ (SMEs) Các SMEs thường không đáp ứng sở hạ tầng CNTT nhân lực dể nghiên cứu phát triển, quản lý điều hành phối hợp để giải vấn đề CNTT phức tạp Mặc dù điện toán đám mây trở thành giải pháp tiềm để giải nút thắt kỹ thuật này, việc xây dựng giải pháp Big Data hoàn chỉnh tốn Việc đảm bảo chất lượng liệu thách thức cho SME – Một số thách thức khác: khác với việc áp dụng BD lĩnh vực khác, CM hoạt động dựa nguồn lực sản xuất dịch vụ kèm theo; dịch vụ tảng đám mây (SaaS – PaaS – IaaS, DaaS) Những thách thức kỹ thuật thúc đẩy Big Data phải kể tới là: kiến trúc quản lý liệu, phát triển mơ hình, trực quan hóa mơ hình kinh doanh Sự tích hợp qn mơ hình kinh doanh kiến trúc quản lý liệu Thách thức chung Big Data ứng dụng khác việc triển khai, điều chỉnh phát triển tảng xử lý tương lai Các thách thức mặt kỹ thuật phải kể đến tích hợp liệu; công nghệ cốt lõi để xử lý liệu từ thu thập liệu đến trực quan hóa khả mở rộng Big Data khối lượng, tốc độ đa dạng 240 - 3.4 Công nghệ cho Big Data Big Data có nghĩa thay đổi môi trường liệu khối lượng, vận tốc đa dạng BD tạo biến động mặt kiến trúc hệ thống, lưu trữ phần mềm kết nối quản lý Động lực cho BD phần mềm tảng cho sở hạ tầng phân tích Bốn cơng nghệ để tăng tốc xử lý liệu khổng lồ điện toán lưới, xử lý sở liệu, phân tích nhớ Hadoop – công nghệ cốt lõi cho việc xử lý truy cập liệu lớn Hai kiến trúc cho BDA RDBMS mở rộng MapReduce/Hadoop Hadoop sở hạ tầng sử dụng để phân phối, lập danh mục, quản lý truy vấn liệu nhiều nút dịch vụ theo chiều ngang; Hadoop Apache framework mã nguồn mở cho phép phát triển ứng dụng phân tán để lưu trữ quản lý liệu lớn Hadoop thực mơ hình MapReduce, với mơ hình ứng dụng chia nhỏ thành nhiều phân đoạn khác chạy song song nhiều node khác Apache Hadoop bao gồm hai thành phần (i) Hệ thống tập phân tán Hadoop (HDFS), hệ thống tự bảo vệ, lưu trữ nhóm băng thơng cao (ii) MapReduce, công cụ xử lý liệu song song dạng phân tán Kết luận Ngày nay, góp phần cho thành cơng doanh nghiệp sản xuất dựa vào tiến CNTT để hỗ trợ nâng cao dòng giá trị Các công cụ BDA giúp HTTT nắm bắt, xử lý sử dụng liệu phổ biến từ IoT cách hiệu Nó cho phép doanh nghiệp sản xuất nắm bắt hội kinh doanh, sẳn sàng thích ứng với thay đổi cách nhanh chóng kịp thời Tuy nhiên, có thách thức cần phải giải mối quan tâm công cụ BDA tiên tiến, bảo vệ quyền riêng tư, ứng dụng tùy chỉnh cho doanh nghiệp vừa nhỏ số thách thức khác… Bên cạnh thách thức kỹ thuật nói trên, thành cơng dự án Big Data phụ thuộc vào văn hóa tồ chức chun mơn người dùng Tài liệu tham khảo Bi, Z., & Cochran, D (2014) Big data analytics with applications. Journal of Management Analytics, 1(4), 249-265 Craig Stedman (2021) The ultimate guide to big data for businesses https://searchdatamanagement techtarget.com/The-ultimate-guide-to-big-data-for-businesses? Davis, C K (2014) Beyond data and analytics Communication of the ACM, 57, 39-41 Da Xu, L., Wang, C., Bi, Z., & Yu, J (2013) Object-oriented templates for automated assembly planning of complex products. IEEE Transactions on Automation Science and Engineering, 11(2), 492-503 - 241 Papanagnou, C (2014) The role of bid data exploration and cloud-based technologies in manufacturing High Speed Sustainable Manufacturing Institute (HSiSM) http://www hssmi.org/wp/wp-content/uploads/2014/04/WP-Big-Data-in-manufacturing-FINALVERSION.pdf Ram Narasimhan (2020) AI, Big Data & Cloud Big Data Analytics foe Cybersecurity & Theat Intelligence https://www.linkedin.com/pulse/big-data-analytics-cybersecurity-threatintelligence-ram-narasimhan Schulte, S., Hoenisch, P., Hochreiner, C., Dustdar, S., Klusch, M., & Schuller, D (2014) Towards process support for cloud manufacturing Proceedings of the 18th IEEE International Conference on Enterprise Distributed Object Computing (EDOC), Ulm, Germany, IEEE, 2014 http://www.dfki.de/lt/publication_show.php?id=7402 Simplilearn (2021) Big Data and Analytics What is Big Data Analytics and Why It is Important? https://www.simplilearn.com/what-is-big-data-analytics-article Steed, C A., Ricciuto, D M., Shipman, G., Smith, B., Thornton, P E., Wang, D., Shi, X., & Williams, D N (2013) Big data visual analysis for exploratory earth system simulation Computers & Geosciences, 61, 71-82 Xiang, Z., Schwartz, Z., Gerdes Jr, J H., & Uysal, M (2015) What can big data and text analytics tell us about hotel guest experience and satisfaction?. International Journal of Hospitality Management, 44, 120-130 242 - ... tác giả tìm hiểu (1) khái niệm, xu hướng liệu lớn (BD) phân tích liệu lớn (BDA) thách thức hội việc phân tích liệu lớn; (2) tìm hiểu ứng dụng HTTT sử dụng BDA nhằm nâng cao chất lượng hỗ trợ... lý phân tích cách kịp thời tổ chức truyền thống Dữ liệu lớn không bao gồm khối lượng lớn, tốc độ cao đa dạng mà bao gồm kích thước lớn 2.2 Phân tích liệu lớn Hiện tổ chức chuyển từ việc lưu liệu. .. hành khác với phương tiện lưu trữ truyền thống, liệu đám mây tích lũy nhanh chóng thành liệu lớn Hình Dữ liệu lớn (Big Data) Khái niệm liệu lớn đề cập đến đặc điểm liệu phương pháp xử lý liệu Có