Associate Professor, Candidate of Technical Sciences, Associate Professor of Department of Information Technologies of Peoples’ Friendship University of Russia (RUDN University)
доцент, кандидат технических наук, доцент кафедры информационных технологий РУДН
post-graduate student of Information Technologies of Peoples’ Friendship University of Russia (RUDN University)
аспирант кафедры информационных технологий РУДН
The modern development of engineering, telecommunications, information and computer technologies allows for collecting, processing and storing huge volumes of data today. Among the first applications of Big Data there was the creation of corporate repositories that use gathered information for analysis and strategic decision-making. However, an unsystematic collection of information leads to the storage and processing of a large amount of non-essential data, while important information falls out of the analysts’ view. An important point is the analysis of the semantics and purpose of data collection, which define both the collection technology and infrastructure and the direction of subsequent processing and use of Big Data with the help of metrics that reduce data volume, leaving only essential information to process. As a first step towards this goal, we present a formalization approach of corporate Big Data using a partially observable Markov decision process (POMDP), and we show that it naturally aligns itself with the corporate governance system.
Современное развитие техники, телекоммуникационных, информационных и компьютерных технологий позволяет сегодня собирать, обрабатывать и хранить огромные объёмы данных. Одним из первых применений больших данных ( Big Data) стало создание корпоративных хранилищ, использующих собранную информацию для анализа и принятия стратегических решений. Однако бессистемный сбор информации приводит к хранению и обработке большого объёма несущественных данных, в то время как важная информация выпадает из поля зрения аналитиков. Важным моментом является анализ семантики и цели сбора данных, которые определяют как инфраструктуру и технологию сбора, так и направление последующей обработки и использования больших данных с помощью метрик, сокращающих объем данных, оставляя для обработки только необходимую информацию. В статье рассматривается использование онтологии корпоративного менеджмента для определения контекстной семантики больших данных и уменьшения разнообразия данных и итоговой энтропии в системе управления, а также описано применение частично наблюдаемого Марковского процесса принятия решений( POMDP) для формализации функционирования корпоративной системы управления в среде больших данных.