 |
Xuất hiện từ cuối những năm 1990, Big Data hay dữ liệu lớn là khái niệm vẫn đang được phát triển, tranh luận và hoàn thiện theo thời gian, do có sự tác động không ngừng từ những công nghệ gắn liền với nó như Internet of Things (mạng lưới vạn vật kết nối Internet - IoT) hay Trí tuệ Nhân tạo (Artificial Intelligence) v.v..
Có thể nói, một trong những định nghĩa tương đối rõ ràng của Big Data được đề cập lần đầu vào tháng 6/2001, trong bài viết 3D Data Management: Controlling Data Volume, Velocity, and Variety của Doug Laney - một chuyên viên phân tích tại META Group, nơi sau này đã được thâu tóm bởi công ty nghiên cứu, tư vấn công nghệ thông tin quốc tế Gartner. Trong bài viết của mình, Laney đã chia sẻ về những thách thức và cơ hội trong quản lý dữ liệu theo 3 tiêu chí, là Volume (dung lượng), Velocity (vận tốc) và Variety (chủng loại). Ba tiêu chí này còn được biết đến với tên gọi mô hình 3Vs của Big Data.
Ngày nay, cả Gartner cùng nhiều công ty công nghệ thông tin khác trên thế giới tiếp tục sử dụng mô hình này để định nghĩa Big Data. Theo thời gian, đã có thêm 2 chữ “V” nữa được chấp nhận rộng rãi là Veracity (độ tin cậy) và Value (giá trị). Đến năm 2012, Gartner bổ sung một số nội dung và đi đến định nghĩa như sau: Big Data là những tài sản thông tin đa dạng, có dung lượng lớn và tốc độ cao. Và, các tài sản thông tin này đòi hỏi những nền tảng công nghệ mới, ít tốn kém trong việc xử lý, giúp con người cải thiện việc ra quyết định, nâng cao quá trình phân tích và tối ưu hóa việc xử lý dữ liệu.
Tuy nhiên, vấn đề đáng đem ra bàn luận không nằm ở bản thân Big Data, mà thay vào đó, là việc chúng ta sử dụng nó để làm gì. Dữ liệu chỉ đơn giản là dữ liệu, cho đến khi thông tin có giá trị ứng dụng thực tế được trích xuất từ nó. Thế nên, ngày nay, Big Data thường được dùng để chỉ việc sử dụng các dự báo phân tích hoặc một số phương pháp trích xuất thông tin giá trị từ bộ dữ liệu, hơn là nói đến kích thước của nó.
Link bài viết
Dựa trên quy mô và sự đa dạng của Big Data, có thể thấy, nó chứa đựng nhiều rất thông tin, mà nếu khai thác thành công, sẽ mang lại lợi ích cho nhiều lĩnh vực. Cần lưu ý rằng, sở dĩ Big Data có thể trở nên hữu ích, là nhờ vào nguyên tắc sau: Nếu chúng ta biết càng nhiều về một sự kiện, thì xác suất dự đoán chính xác về sự xuất hiện của sự kiện đó trong tương lai càng cao. Khi so sánh, phân tích dữ liệu, những mối quan hệ hay xu hướng ẩn sau chúng sẽ dần hé lộ; và các mối quan hệ này sẽ giúp cải thiện việc ra quyết định.
Một ví dụ đơn giản: Khi chúng ta tìm kiếm trên Google, mua sắm trên Amazon hoặc xem video trên Youtube, dễ thấy các trang này sẽ đưa ra lời gợi ý chuẩn xác cho các kết quả tìm kiếm có liên quan, hoặc giới thiệu sản phẩm hay video mà bạn có hứng thú để xem tiếp. Và, có lẽ, đã không ít lần bạn bắt gặp một mẫu quảng cáo đánh đúng vào thứ mà mình đang tìm kiếm khi lướt web. Tất cả những thông tin về thói quen, sở thích này của bạn có được từ đâu? Đó chính là kết quả từ lượng dữ liệu khổng lồ mà các doanh nghiệp thu thập được trong quá trình khách hàng ghé thăm và tương tác với trang web của họ.
Xa hơn, thông tin giá trị từ Big Data còn hỗ trợ nghiên cứu khoa học, giúp dự đoán dịch bệnh có khả năng phát sinh và xác định điều kiện giao thông theo thời gian thực. Bên cạnh đó là giúp cắt giảm chi phí, thời gian, tối ưu hóa sản phẩm cũng như hỗ trợ con người đưa ra quyết định đúng đắn và hợp lý hơn. Thế nên, dù còn tồn tại những hạn chế nhất định, nhưng Big Data vẫn sở hữu vai trò cũng như tác động lớn trong quá trình xây dựng, phát triển đô thị thông minh.
Trong giới hạn của bài viết này, xin đề cập đến một số lĩnh vực có thể thụ hưởng nhiều lợi ích từ Big Data khi nó được ứng dụng vào phát triển đô thị thông minh.
An ninh trật tự và phòng chống tội phạm
Không thể phủ nhận, việc đảm bảo an ninh - trật tự cho công dân tại các khu đô thị luôn là ưu tiên số một đối với bất kỳ thành phố nào, và Big Data có thể góp phần cải thiện điều này. Các thông tin được trích xuất từ kho dữ liệu khổng lồ có thể giúp lực lượng chức năng dự đoán được thời gian cũng như địa điểm xảy ra các vụ phạm tội tương đối chính xác.
Được biết, vào năm 2010, sở cảnh sát Los Angeles và Santa Cruz tại Mỹ đã từng triển khai một phần mềm dự báo tội phạm mang tên PredPol. Hoạt động dựa trên nền tảng trí tuệ nhân tạo và Big Data, PredPol có thể dự đoán nơi xảy ra các vụ phạm tội trong bán kính chưa tới 50m2. Theo thông tin công bố, số vụ trộm cắp đã giảm 33% và bạo lực giảm 19% tại những nơi mà PredPol được sử dụng. Sau đó, sở cảnh sát thành phố Atlanta, bang Georgia cũng triển khai PredPol và mang lại hiệu quả tương tự - tỷ lệ tội phạm giảm tới 19%.
Link bài viết
Giao thông vận tải
Kết hợp với IoT và trí tuệ nhân tạo, Big Data có thể giúp cải thiện tình trạng ùn tắc giao thông bằng cách ước lượng các dòng giao thông trong thành phố vào giờ cao điểm, từ đó có những kế hoạch phân luồng chi tiết hoặc cung cấp các tuyến đường thay thế. Bên cạnh đó, dữ liệu thu thập được có thể giúp tối ưu hóa tuyến đường vận chuyển hàng hóa cũng như giúp người dùng biết chính xác phương tiện nào là phù hợp nhất cho việc di chuyển ở bất kỳ thời điểm nào. Ngoài ra, các thông tin có liên quan đến mật độ, lưu lượng, vận tốc phương tiện hay việc phân loại cũng như nhận diện biển số xe đều có thể giải quyết được.
Điển hình thành công trong ứng dụng Big Data vào lĩnh vực giao thông, phải kể đến Transport for London (TfL) - đơn vị chịu trách nhiệm quản lý hệ thống đường sá, phương tiện giao thông cho gần 10 triệu người dân tại London. Nhờ dữ liệu thu thập mỗi ngày, TfL có thể phân bổ nhiều xe buýt hơn và điều chỉnh hệ thống đèn tín hiệu cho các tuyến đường thường xuyên có đông người di chuyển, giúp giảm thời gian đi lại và cải thiện luồng giao thông. Có lần, chính quyền đã buộc phải phong toả một cây cầu để sửa chữa khẩn cấp, mà kéo theo đó là việc đi lại của gần 900.000 người bị ảnh hưởng. Ngay lập tức, TfL đã có thể nhanh chóng thông báo tình hình cho những người có liên quan và cung cấp ngay cho họ một lịch trình khác, chưa kể việc điều chỉnh luôn cả hệ thống đèn giao thông cho phù hợp để giải quyết tình trạng khẩn cấp nói trên.
Chăm sóc sức khoẻ
Ngoài việc cho phép các bác sĩ nhanh chóng nắm bắt bệnh sử, lên kế hoạch điều trị phù hợp và kê toa, Big Data còn có thể phần nào dự đoán sự xuất hiện của dịch bệnh. Thay vì trải qua các thử nghiệm lâm sàng mất nhiều thời gian, tốn chi phí mới có thể xác định được các loại thuốc hay phương pháp trị liệu mới có an toàn, hiệu quả hay không, thì việc sử dụng phần mềm mô phỏng thí nghiệm dựa trên phân tích khối dữ liệu được sản sinh liên tục sẽ giúp mang lại kết quả nhanh và chính xác hơn. Và, dĩ nhiên, điều này sẽ giúp rút ngắn thời gian mà các loại thuốc mới có thể đến tay bệnh nhân.
Bên cạnh đó, Big Data còn giúp giải quyết công tác sắp xếp nhân sự, vốn là một thách thức lớn đối với các bệnh viện. Được biết, một nhóm 4 bệnh viện ở Paris đã thành công thử nghiệm một phần mềm ứng dụng Big Data và trí tuệ nhân tạo để dự đoán số người nhập viện trong tương lai, nhờ đó giúp sắp xếp nhân sự hợp lý. Sử dụng dữ liệu về số bệnh nhân nhập viện trong vòng 10 năm trở lại, mức giảm bệnh nhân theo từng đợt trong ngày, theo từng giờ trong ngày, kết hợp với các thông tin về thời tiết, kiểu bệnh cúm v.v., các bác sĩ đã có thể dự đoán được tỷ lệ người nhập viện trong 15 ngày kế tiếp. Và, kết quả trích xuất thông tin đã giúp bệnh viện phân công thêm nhân viên vào các thời điểm có đông bệnh nhân hơn thường lệ, từ đó cắt giảm thời gian chờ đợi, nâng cao chất lượng chăm sóc sức khoẻ.
