1. Informazioni sui Big Data

Big data si riferisce a una quantità enorme di dati informativi il cui volume richiede specifiche metodologie e tecnologie di analisi per scopi di ricerca di qualsiasi tipo. Le tre caratteristiche fondamentali di questi insiemi informativi - le cosiddette tre V - sono:

• Volume. Si tratta di dati particolarmente voluminosi, il che implica che sono in grado di occupare molto spazio, partendo dall’ordine dei terabyte fino ai petabyte;
• Velocità. Sebbene la quantità di dati sia particolarmente ricca, deve essere decodificata e letta nel minor tempo possibile. Il fattore determinante per la gestione e la corretta amministrazione dei big data, quindi, è la velocità.
• Varietà. I big data sono definiti come dati non strutturati o semi-strutturati e questo costituisce una difficoltà aggiuntiva, poiché è necessaria un’analisi preliminare prima che possano essere processati.

In tempi ancora più recenti, ad esse sono state aggiunte altre caratteristiche:

• Veridicità: Affinché i Big Data possano essere processati correttamente, devono essere filtrati; essendo dati grezzi, possono portare ad analisi errate e a un alto rischio di errore statistico e di interpretazione.
• Valore: Non tutti i big data possono avere valore a seconda dello scopo per cui vengono processati e interpretati. Anche in questo caso, quelli di interesse devono essere selezionati prima dell’analisi.
• Variabilità: Possono essere filtrati, categorizzati e utilizzati in modi diversi a seconda dello scopo utile.

In generale esistono tre tipi di dati: strutturati, semi-strutturati e non strutturati. Va sottolineato, tuttavia, che dati e informazioni non sono sinonimi perché - soprattutto in informatica - l’informazione non esiste di per sé, ma viene ricavata attraverso l’elaborazione dei dati raccolti.

Quando si parla di dati strutturati, si intende un tipo di informazione che può essere facilmente incapsulata e organizzata in campi di dati poiché è caratterizzata da una struttura precisa; per fare un esempio, possiamo pensare a una tabella simile a questa, contenente tre colonne diverse con i relativi campi:

Quando si parla di dati semi-strutturati, si fa riferimento a un tipo di informazione, una parte della quale può essere incapsulata in campi di dati - e quindi è dato strutturato - mentre un’altra sezione è composta da dati non strutturati; un esempio tipico è quello delle e-mail, in cui alcuni campi sono predefiniti, come il mittente, il destinatario e l’oggetto, mentre il corpo dell’e-mail - cioè il messaggio che inviamo - è sotto forma di dati non strutturati poiché non può essere incapsulato in un campo specifico.

^{Figura 1 - Classificazione dei dati all’interno di una e-mail}

Per quanto riguarda i big data, essi si presentano sotto forma di dati non strutturati, semi-strutturati e strutturati.