DOI: https://doi.org/10.1007/s10462-024-10938-5
تاريخ النشر: 2024-09-16
المؤلف: Afzal Badshah وآخرون
الموضوع الرئيسي: البيانات الضخمة وذكاء الأعمال
نظرة عامة
تقدم هذه الورقة البحثية نظرة شاملة على تطبيقات البيانات الضخمة عبر مختلف القطاعات، بما في ذلك الرعاية الصحية، وسلسلة التوريد، والتسويق، والمدن الذكية، والمزيد. وتؤكد على الأهمية المتزايدة لهذه التطبيقات في تمكين المنظمات من استخلاص رؤى من مجموعات البيانات الضخمة والمعقدة، والتي تكافح التقنيات التقليدية لإدارتها بسبب قيود القابلية للتوسع والأداء. تحدد الدراسة المجالات الرئيسية المتأثرة بالبيانات الضخمة، وتفحص تأثيرها على عمليات اتخاذ القرار، وتستكشف التعقيدات والفرص الكامنة التي تقدمها هذه التقنيات.
في ختامها، تصنف الدراسة الأدبيات إلى فئات متميزة وتبرز التأثيرات التحويلية للرؤى المستندة إلى البيانات على اتخاذ القرار. تتناول التحديات المرتبطة بالبيانات الضخمة وتقدم توصيات للتغلب على هذه القضايا. علاوة على ذلك، تحقق الدراسة في التقنيات الأساسية اللازمة للتخزين الفعال، والمعالجة، وتحليل مجموعات البيانات الكبيرة، بينما تقترح أيضًا حلولًا للمخاوف المحتملة. من خلال تحليل مقارن مع الاستطلاعات الحالية، تؤكد الدراسة على مساهماتها الفريدة، مما يسد الفجوات في التحليل الجماعي ويقدم منظورًا شاملًا حول التطبيقات المتعددة الأوجه للبيانات الضخمة.
مقدمة
في العصر الرقمي، أصبحت البيانات الضخمة عنصرًا حاسمًا للمنظمات، مما يغير بشكل جذري طرق جمع البيانات وتخزينها وتحليلها. تعرف البيانات الضخمة بـ “3 Vs” – الحجم، والتنوع، والسرعة – وتشمل كميات هائلة من المعلومات المتنوعة التي يتم توليدها بسرعة، وغالبًا ما تكون مصحوبة بعدم اليقين بشأن جودتها (Laney، 2001؛ Badshah et al.، 2024). يتكون نظام البيانات الضخمة من أدوات أساسية مثل تقنيات البيانات (مثل Apache Hadoop، Apache Spark)، وأدوات التحليل والتصور (مثل Tableau، SAS)، وأدوات ذكاء الأعمال (مثل Cognos)، ومقدمي خدمات السحابة (مثل AWS، GCP)، وقواعد بيانات NoSQL (مثل MongoDB، Cassandra)، وأدوات البرمجة (مثل R، Python)، والتي تسهل مجتمعة إدارة البيانات على نطاق واسع بشكل فعال. تمتد تطبيقات البيانات الضخمة عبر مختلف القطاعات، بما في ذلك الرعاية الصحية، واللوجستيات، والتسويق، والتعليم، مما يمكّن المنظمات من استخلاص رؤى، وتعزيز الكفاءة التشغيلية، وتعزيز الابتكار (Himeur et al.، 2023؛ Talaoui et al.، 2023).
تؤكد التوقعات بنمو سوق البيانات الضخمة، المتوقع أن يصل إلى 473.6 مليار دولار أمريكي بحلول عام 2030، على أهميتها المتزايدة عبر الصناعات (Research and Consulting، 2023). في الوقت نفسه، من المتوقع أن يرتفع توليد البيانات العالمية إلى 175 زيتابايت بحلول عام 2025 (Statista، 2023)، مما يبرز الحاجة إلى تقنيات متقدمة مثل الذكاء الاصطناعي (AI)، وتعلم الآلة (ML)، وإنترنت الأشياء (IoT) في تحليلات البيانات الضخمة. على الرغم من الأدبيات الواسعة حول تطبيقات محددة للبيانات الضخمة، إلا أن هناك فجوة في التحليلات الشاملة عبر مجالات مختلفة. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال تحديد المجالات الرئيسية المتأثرة بالبيانات الضخمة بشكل منهجي، وفحص تأثيرها على عمليات اتخاذ القرار، ومعالجة التحديات والمخاوف الأخلاقية، وتوضيح التقنيات الأساسية المعنية. ستفصل الأقسام التالية منهجية البحث، وتصنيف الأدبيات، واستكشاف التكنولوجيا، والتحليل المقارن مع الاستطلاعات الحالية، مما يؤدي إلى فهم شامل لمساهمات البيانات الضخمة المتعددة الأوجه.
الطرق
تركز منهجية البحث لهذه الدراسة حول تطبيقات البيانات الضخمة على المقالات المنشورة بين عامي 2018 و2023، المستمدة من قواعد بيانات مثل Google Scholar، Scopus، IEEE Xplore، وScience Direct. تؤكد عملية الاختيار على أهمية سلسلة البحث المحددة جيدًا، والتي تتضمن كلمات رئيسية تتعلق بالسكان، والمنهجية، والنتائج ذات الصلة. تم هيكلة المنهجية في ثلاث مراحل متميزة: (i) التخطيط، (ii) التنفيذ، و(iii) التقرير، مع مزيد من الفحص لهذه المراحل المقدمة في الأقسام التالية.
تؤكد الدراسة على استخدام تطبيقات البيانات الضخمة كتقنية أساسية لتحقيق النتائج المرجوة عبر مجالات مختلفة. على وجه التحديد، تستند المنهجية إلى تقنيات معالجة البيانات، باستخدام كلمات رئيسية مثل “تحليل البيانات”، “تعلم الآلة”، و”الذكاء الاصطناعي” لتمثيل التقنيات الأساسية المستخدمة في البحث. يهدف هذا النهج إلى ضمان تغطية شاملة للمنهجيات ذات الصلة التي تسهم في نتائج الدراسة.
المناقشة
في قسم المناقشة من الورقة البحثية، يحدد المؤلفون النهج المنهجي المتبع لإجراء مراجعة شاملة لتطبيقات البيانات الضخمة عبر مجالات مختلفة. تضمنت مرحلة التخطيط الأولية إنشاء إطار عمل مفصل يتضمن صياغة بروتوكول دراسة، وتحديد الأدبيات ذات الصلة، وتعريف معايير الإدراج والاستبعاد. لا يبرز هذا النهج المنظم أهمية الدراسة فحسب، بل يضمن أيضًا عملية مراجعة مركزة وصارمة. يعد بروتوكول المراجعة أمرًا حيويًا لتوجيه البحث عن الدراسات ذات الصلة، مع التركيز بشكل خاص على المجالات المتنوعة المتأثرة بالبيانات الضخمة، مثل الرعاية الصحية، واللوجستيات، والتسويق، والمدن الذكية.
أثناء تنفيذ المراجعة، طبق المؤلفون معايير محددة لتقييم الصلة وجودة الدراسات المختارة. تطلبت معايير الإدراج أن تتناول الأوراق تطبيقات البيانات الضخمة، وتقدم منهجيات ونتائج واضحة، وتفي بحد أدنى من الاقتباسات، بينما استبعدت معايير الاستبعاد الدراسات غير ذات الصلة أو تلك التي تفتقر إلى الصرامة المنهجية الكافية. أسفرت التقييم النهائي عن 125 ورقة ذات صلة، تم تصنيفها بناءً على مساهماتها في مجالات مختلفة. تسلط النتائج الضوء على الدور الشامل للبيانات الضخمة في تحويل الصناعات، وتعزيز عمليات اتخاذ القرار، ومعالجة التحديات المعاصرة، مع الاعتراف أيضًا بالمخاوف المتعلقة بالخصوصية وإدارة البيانات التي يجب معالجتها مع استمرار تطور تقنيات البيانات الضخمة.
DOI: https://doi.org/10.1007/s10462-024-10938-5
Publication Date: 2024-09-16
Author(s): Afzal Badshah et al.
Primary Topic: Big Data and Business Intelligence
Overview
This research paper provides a comprehensive overview of Big Data applications across various sectors, including healthcare, supply chain, marketing, smart cities, and more. It emphasizes the growing importance of these applications in enabling organizations to derive insights from massive and complex datasets, which traditional technologies struggle to manage due to scalability and performance limitations. The study identifies key domains affected by Big Data, examines its influence on decision-making processes, and explores the inherent complexities and opportunities presented by these technologies.
In its conclusion, the research categorizes the literature into distinct segments and highlights the transformative effects of data-driven insights on decision-making. It addresses challenges associated with Big Data and offers recommendations for overcoming these issues. Furthermore, the study investigates core technologies necessary for the effective storage, processing, and analysis of large datasets, while also proposing solutions to potential concerns. Through a comparative analysis with existing surveys, the research underscores its unique contributions, bridging gaps in collective analysis and providing a holistic perspective on the multifaceted applications of Big Data.
Introduction
In the digital age, big data has become a crucial element for organizations, fundamentally altering their methods of data collection, storage, and analysis. Defined by the “3 Vs”—volume, variety, and velocity—big data encompasses vast amounts of diverse and rapidly generated information, often accompanied by uncertainties regarding its quality (Laney, 2001; Badshah et al., 2024). The Big Data Ecosystem consists of essential tools such as Data Technologies (e.g., Apache Hadoop, Apache Spark), Analytics and Visualization tools (e.g., Tableau, SAS), Business Intelligence tools (e.g., Cognos), Cloud Service Providers (e.g., AWS, GCP), NoSQL Databases (e.g., MongoDB, Cassandra), and Programming Tools (e.g., R, Python), which collectively facilitate effective large-scale data management. The applications of big data span various sectors, including healthcare, logistics, marketing, and education, enabling organizations to derive insights, enhance operational efficiency, and foster innovation (Himeur et al., 2023; Talaoui et al., 2023).
The anticipated growth of the big data market, projected to reach USD 473.6 billion by 2030, underscores its increasing significance across industries (Research and Consulting, 2023). Concurrently, the global data generation is expected to soar to 175 zettabytes by 2025 (Statista, 2023), emphasizing the need for advanced technologies such as Artificial Intelligence (AI), Machine Learning (ML), and the Internet of Things (IoT) in big data analytics. Despite extensive literature on specific applications of big data, a gap exists in comprehensive analyses across various domains. This study aims to bridge this gap by systematically identifying key areas influenced by big data, examining its impact on decision-making processes, addressing challenges and ethical concerns, and elucidating the core technologies involved. The subsequent sections will detail the research methodology, literature classification, technology exploration, and comparative analysis with existing surveys, culminating in a comprehensive understanding of big data’s multifaceted contributions.
Methods
The research methodology for this study on big data applications focuses on articles published between 2018 and 2023, sourced from databases such as Google Scholar, Scopus, IEEE Xplore, and Science Direct. The selection process emphasizes the importance of a well-defined search string, which incorporates keywords related to the population, methodology, and outcomes of interest. The methodology is structured into three distinct phases: (i) Planning, (ii) Conducting, and (iii) Reporting, with further examination of these phases provided in subsequent sections.
The study emphasizes the use of big data applications as a core technique for achieving desired results across various domains. Specifically, the methodology is anchored in Data Processing Techniques, utilizing keywords such as ‘Data Analytics’, ‘Machine Learning’, and ‘Artificial Intelligence’ to represent the essential techniques employed in the research. This approach aims to ensure comprehensive coverage of the relevant methodologies that contribute to the study’s outcomes.
Discussion
In the discussion section of the research paper, the authors outline the systematic approach taken to conduct a comprehensive review of big data applications across various domains. The initial planning phase involved establishing a detailed framework that included formulating a study protocol, identifying relevant literature, and defining inclusion and exclusion criteria. This structured approach not only underscores the significance of the study but also ensures a focused and rigorous review process. The review protocol is critical for guiding the search for pertinent studies, with a particular emphasis on the diverse fields impacted by big data, such as healthcare, logistics, marketing, and smart cities.
During the execution of the review, the authors applied specific criteria to evaluate the relevance and quality of the selected studies. The inclusion criteria required that papers address big data applications, present clear methodologies and results, and meet a minimum citation threshold, while the exclusion criteria eliminated irrelevant studies or those lacking sufficient methodological rigor. The final assessment yielded 125 relevant papers, which were categorized based on their contributions to various domains. The findings highlight the pervasive role of big data in transforming industries, enhancing decision-making processes, and addressing contemporary challenges, while also acknowledging concerns related to privacy and data management that must be addressed as big data technologies continue to evolve.