1. Suurandmetest

Suurandmed viitavad tohutule informatsiooni hulgale, mille maht nõuab uurimise eesmärgil spetsiifilisi analüüsimeetodeid ja tehnoloogiaid. Nende andmekogumite kolm põhilist omadust – nn kolm V-d – on:

• Maht. Tegemist on eriti mahukate andmetega, mis tähendab, et need suudavad võtta palju ruumi, alustades terabaitidest kuni petabaitideni;
• Kiirus. Kuigi andmete hulk on eriti suur, tuleb need dekodeerida ja lugeda võimalikult lühikese aja jooksul. Suurandmete käsitlemise ja korrektse haldamise määravaks teguriks on seega kiirus.
• Mitmekesisus. Suurandmed on defineeritud kui struktureerimata või poolstruktureeritud andmed ning see kujutab endast täiendavat raskust, kuna enne töötlemist on vajalik eelanalüüs.

Viimastel aegadel on kolmele V-le lisandunud ka teised omadused:

• Tõesus: Selleks, et suurandmeid saaks korralikult töödelda, tuleb neid filtreerida; kuna tegemist on toorandmetega, võivad need viia ebaõige analüüsi ja suure statistilise vea ning tõlgenduse riskini.
• Väärtus: Kõik suurandmed ei pruugi olla väärtuslikud sõltuvalt eesmärgist, milleks neid töödeldakse ja tõlgendatakse. Jällegi tuleks enne analüüsi välja valida huvipakkuvad andmed.
• Muudetavus: Neid saab filtreerida, kategoriseerida ja kasutada erinevatel viisidel vastavalt kasulikule eesmärgile.

Üldiselt on olemas kolm tüüpi andmeid: struktureeritud, poolstruktureeritud ja struktureerimata. Siiski tuleb rõhutada, et andmed ja informatsioon ei ole sünonüümid, sest – eriti informaatikas – informatsioon ei eksisteeri iseenesest, vaid see saadakse kogutud andmete töötlemise kaudu.

Kui räägime struktureeritud andmetest, peame silmas informatsiooni tüüpi, mida saab kergesti kapseldada ja organiseerida andmeväljadeks, kuna seda iseloomustab täpne struktuur; näiteks võib mõelda tabelile, mis sisaldab kolme erinevat veergu ja välju:

Kui räägime poolstruktureeritud andmetest, viitame informatsiooni tüübile, millest osa saab kapseldada andmeväljadeks – ja on seega struktureeritud andmed – samas kui teine osa koosneb struktureerimata andmetest; tüüpiliseks näiteks on e-kirjad, kus mõned väljad on eelmääratletud, nagu saatja, adressaat ja teema, samas kui e-kirja sisu – ehk sõnum, mida saadame – on struktureerimata andmete kujul, kuna seda ei saa kapseldada kindlasse välja.

^{Joonis 1 – Andmete klassifikatsioon e-kirja sees}

Suurandmed võivad olla struktureerimata, poolstruktureeritud ja struktureeritud andmete kujul.