1. Big Data :
 volume di dati
 livelli variabili di complessità
 generati a velocità differenti
 non elaborabili con tecnologie tradizionali

2.  Volume: gestione di moltissimi
dati
 Velocità: gestione in tempo
reale
 Varietà: fonti e tipologie diverse

3.  Veridicità: attendibilità
dei dati raccolti
 Volatilità: tempo di
validità dei dati

4.  Opportunità di conoscenza
 Capire il mondo reale
 Opportunità commerciali

5.  Non possiedono un modello prestabilito
 Non sono organizzati
 Possono causare ambiguità
 Sono costituiti da:
› Testo
› Audio
› Video
› Flussi di click
› …

6.  Raccolta di informazioni
 Classificazione in categorie prestabilite
 Organizzazione secondo uno schema preciso
 Memorizzazione fisica dei dati

7.  Collezione e
memorizzazione dei dati
 Classificazione per
categorie
 Trasformazione dei dati
 Generazione dei risultati
trovati

9.  ASCOLTARE
 CAPIRE
 RIELABORARE
 VISUALIZZARE

10.  Script pattern matching:
› individuare tokens
› stabilire il pattern delle frequenze in un testo
 Set di parole:
› Google books
› Twitter
› Canzoni 1960/2007
› New York Times 1987/2007
 Grado di felicitá:
› Amazon’s Mechanical Turk
http://www.hedonometer.org/index.html

11.  havg(T) = livello di felicitá della frase T
 havg (wi) = felicitá di ciascuna parola
 Fi = frequenza della i-esima parola

12.  484 miloni di tweets
 9.8 milioni di persone
 Luglio 2009 e Gennaio 2012
 54 piú larghe cittá della Gran Bretagna
 Parole cercate:
PAURA, GIOIA, RABBIA, TRISTEZZA
PAPER: <<Big Data Analysis of News and Social Media Content>>
Ilias Flaounas, Thomas Lansdall-Welfare, Nello Cristianini
Intelligent Systems Laboratory, University of Bristol

14. PAPER: <<Temporal patterns of happiness in a global social
network: Hedonometrics and Twitter>>
P. Sheridan Dodds, K. Decker Harris, I. Kloumann,
Center of complex systems of the university of Vermont

15. http://www.blogsvoices.unimi.it

16.  AMBIGUITÁ
 SENSI MULTIPLI
 TONO
 SARCASMO
 SOPRANNOMI
 IMMAGINI

17. «Il Big Data ha avuto un impatto nello
studio del comportamento umano simile
all’introduzione del microscopio o del
telescopio nei campi della biologia e
dell’astronomia»
Zeynep Tufekci
“Big Questions for Social Media Big Data”

19.  Big Data aiutano a comprendere le dinamiche
del proprio mercato di riferimento
 Per riuscire a trarne il massimo bisogna
sodisfare alcuni requisiti:
› Nuova mentalità
› Leadership
› Team di ricerca
› Gestione dei dati

20. Big Data + Marketing =
ROI enorme
=
Risultato Operativo
Capitale investito netto operatvo

21. Attraverso un’analisi dei dati il negozio Target è
riuscito a scoprire che una ragazza era incinta,
ancora prima che lo sapessero i suoi genitori.
Fedelity Card
Informazioni Personali
+
Informazioni di Vendita
Big Data

22.  152 milioni di conti cliente
Ricerche
+
Acquisti
+
Desideri
Big Data Pubblicità
• Raccolta
• Archiviazione
• Calcolo
• Condivisione

23.  5 GB gratis
 1.000 GB massimo
 2 GB trasferimento massimo per file
 $ 0.50 per GB
 Online software  Cloud Player

24. Obiettivi:
 Restringere tempi di attesa
 Predire gli ordini del cliente
« Se non lo vuoi,
te lo regaliamo! »

25.  15 KM massimo
 2 KG massimo
 Spediti 30/60 minuti dall’ordine
 Ricevuti nella stessa giornata dell’ordine

26.  Utenti:
› Motore di ricerca
› Chrome
› Gmail
 Aziende:
› Pubblicità con testo
› Pubblicità multimediale

27.  Traffico
 Meteo
 Sport
 Attività
 Appuntamenti
 Trasporto pubblico
 Attrazioni nelle vicinanze
 Amici nelle vicinanze
 Notizie

28.  Salvataggio posizione parcheggio
 Conto alla rovescia
 Promemoria pagamento bollette
 Cronologia delle posizioni
 GPS
 Gmail
 Calendario
 Contatti
 Ricerche Google

29.  Trascinamento
 Caricamento
 URL
 Click su un’immagine Web
 Immagine stessa
 Immagini simili
 Siti web contenenti immagini simili

30.  80 lingue
 traduzione automatica statistica
 possibilità di cambiare il testo tradotto
scegliendo alternative da un elenco esistente
« Improve this translation »

31.  immissione vocale
 fotocamera
 scrittura a mano libera
 modalità offline

32. Reperimento delle informazioni:
È l'insieme delle tecniche utilizzate per gestire
oggetti contenenti informazioni

33. Permette di:
 Rappresentare
 Memorizzare
 Organizzare

34. Soddisfa:
 Il bisogno informativo
dell’utente
Gestistione:
 Ricerca di informazioni,
non di dati
 Possibile restituzione di
risultati non pertinenti

35. È un movimento che promuove il non utilizzo
del modello relazionale.
Identifica:
 un'ampia varietà di tecnologie legate ai database
Risponde:
 al crescente volume di dati memorizzati sulla Rete
 alle modalità e alla frequenza di accesso ai dati
 alla necessitá di performance e di potenza di
calcolo

36.  Scalabilitá
 Prestazioni migliori
 Schemi dinamici
 Facile da utilizzare
 Flessibile

37.  È un framework che supporta applicazioni
distribuite con elevato accesso ai dati
 Permette di lavorare con migliaia di nodi
e petabyte di dati

38.  Yahoo! è il più grande contributore a questo
progetto
 È usato anche da:
AOL, Ebay, Facebook, IBM, ImageShack, Joost,
Linkedin, Spotify, The New York Times e Twitter