Näkemyksiä Big Datasta : paljon dataa, vai jotain enemmän?

Abstract

Datan määrä on kasvanut räjähdysmäisesti. Datan rooli yhteiskunnassa on muuttunut 2000-luvulla merkittävästi. Dataa hyödynnetään monilla eri tavoilla, esimerkiksi markkinoinnissa. Big Datalla tarkoitetaan dataa, joka on määrältään suurta ja olemukseltaan moninaista. Big Datalle ei kuitenkaan ole olemassa yksittäistä käsitettä, vaan niin yritysmaailma, kuin myös akateeminen maailma ovat pullollaan useita toisistaan poikkeavia käsitteitä. Tässä tutkielmassa tavoitteena on kartoittaa niin kirjallisuuskatsauksen kuin myös empiirisen tutkimuksen avulla sitä, mitä Big Datalla tarkoitetaan ja sitä, minkälaisia väärinkäsityksiä Big Dataan liittyy. Tutkielmassa tutustutaan aluksi kuvailemaan sitä, miten akateemikot näkevät Big Datan käsitteen tasolla. Lisäksi tutustutaan Big Datan yleisimpiin ominaisuuksiin. Empiirisen tutkimuksen avulla tutustutaan siihen, miten asiantuntijoiden ja opiskelijoiden piirissä Big Data mielletään. Tutkimuksessa havaittiin, että Big Dataan liittyviä väärinkäsityksiä ovat yleisimmin se, että Big Datan koetaan olevan vain määrällisesti suurta dataa ja täten eroavan vain määrän perusteella tavallisesti datasta. Lisäksi toisena yleisimpänä väärinkäsityksen muotona tutkimuksessa ilmeni se, että Big Data sekoitetaan analytiikan kanssa, toisin sanoen vastaajat olettavat, että Big Data itsessään on prosessi, joka kattaa kaiken tiedon keräämisestä analysointiin saakka. Tutkimuksen lopussa pohditaan Big Datan tärkeyttä ja tarpeellisuutta. Kyseenalaistetaan termin Big Data tarpeellisuus ja ehdotetaan, että Big Data olisi vain osa data-analytiikkaa.

The amount of data has grown significantly. Nowadays data is collected in many different ways and with different means. Data is, for example, used to profile us and in marketing. Big Data has multiple different definitions. Usually Big Data is seen as data that is huge in volume and rich in form. Most of academics explain the Big Data with three feature, volume, velocity and variety. Because of the lack of accepted definition, defining Big Data is challenging. The aim of this Master’s thesis is to investigate how Big Data is defined in academia and in practice, and what misunderstanding and misconceptions of Big Data excist. The study found that the most common misconceptions about Big Data are that Big Data is perceived to be only quantitatively large data and thus differs only with volume when compared to basic data. the second most common form of misunderstanding in the study was that Big Data is confused with analytics, i.e., respondents assume that Big Data itself is a process that covers everything from data collection to analysis. At the end of the study, the importance and necessity of Big Data is considered. The necessity of the term Big Data is questioned and it is suggested that Big Data should only be part of data analytics.