Weltweit sind Unternehmen mit immer größer werdenden Datenmengen konfrontiert, mit denen sie jedoch nichts anzufangen wissen. Denn Big Data ist komplex und bringt unterschiedlichste Herausforderungen mit sich, welchen Datenanalysten in bisherigen IT-Projekten nicht in dieser Art und Weise begegnet sind. Diese Herausforderungen werden mit dem sogenannten 5V-Modell dargestellt und beschreiben, was beim Analysieren von Big Data zu beachten ist.
In dieser Seminararbeit werden daher die einzelnen Elemente des 5V-Modells sowie die Herausforderungen, die sie mit sich bringen, erläutert. Zudem wird gezeigt, wie diese Herausforderungen in der Praxis zu bewältigen sind und inwiefern herkömmliche Ressourcen nicht dazu in der Lage wären, dies zu bewerkstelligen.
Hierzu wird als Einstieg in die Erläuterung des 5V-Modells zuerst der Begriff Big Data definiert, wodurch der Grund für das Bestehen des Modells deutlich wird. Im Anschluss wird kurz dessen Entstehungsgeschichte vorgestellt und danach die einzelnen Bestandteile näher erläutert sowie ihre Herausforderungen anhand von Beispielen verdeutlicht. Zum Abschluss wird anhand des autonomen Fahrens die besondere Komplexität der Echtzeitverarbeitung von audiovisuellen Daten (AV-Daten) dargestellt.
Inhaltsverzeichnis
- Einleitung
- Problemstellung
- Zielsetzung
- Vorgehensweise
- Big Data Herausforderungen: Das 5V-Modell
- Die Bedeutung von Big Data
- Die Entstehung des 5V-Modells
- V1: Volume
- V2: Velocity
- V3: Variety
- V4: Veracity
- V5: Value
- Analyse dynamischer AV-Daten
- Die Bedeutung dynamischer AV-Daten
- Autonomes Fahren als Anwendungsbeispiel des 5V-Modells
- Fazit und Ausblick
- Das 5V-Modell als Einstieg in Big Data
- Die Weiterentwicklung des xV-Modells ist nicht beendet
Zielsetzung und Themenschwerpunkte
Diese Seminararbeit befasst sich mit der Organisation von Daten im Kontext von Big Data, wobei das 5V-Modell als zentrales analytisches Werkzeug dient. Die Arbeit untersucht die Bedeutung von Big Data, die Entstehung des 5V-Modells und die einzelnen Dimensionen des Modells (Volume, Velocity, Variety, Veracity und Value). Darüber hinaus wird der Fokus auf die Analyse dynamischer audiovisueller Daten (AV-Daten) gelegt, wobei autonomes Fahren als relevantes Anwendungsbeispiel dient.
- Die Bedeutung von Big Data und die Herausforderungen, die sich daraus ergeben
- Das 5V-Modell als Framework zur Charakterisierung von Big Data
- Die Analyse dynamischer AV-Daten im Kontext von Big Data
- Autonomes Fahren als Anwendungsbeispiel für die Verwendung des 5V-Modells in der Praxis
- Die zukünftige Entwicklung des 5V-Modells und die Erweiterung des xV-Modells
Zusammenfassung der Kapitel
Die Einleitung führt in die Thematik der Datenorganisation im Big Data-Kontext ein und definiert die Problemstellung, die Zielsetzung und die Vorgehensweise der Arbeit. Das zweite Kapitel befasst sich mit dem 5V-Modell, das als Framework zur Beschreibung von Big Data dient. Es werden die Bedeutung von Big Data, die Entstehung des Modells und die einzelnen Dimensionen (Volume, Velocity, Variety, Veracity und Value) erläutert. Das dritte Kapitel analysiert die Bedeutung dynamischer AV-Daten im Kontext von Big Data und veranschaulicht die Anwendung des 5V-Modells am Beispiel des autonomen Fahrens.
Schlüsselwörter
Big Data, 5V-Modell, Datenorganisation, Datenmanagement, Volumen, Geschwindigkeit, Vielfalt, Verlässlichkeit, Wert, dynamische AV-Daten, autonomes Fahren, xV-Modell.
- Quote paper
- Anonym (Author), 2022, Datenorganisation in Big Data. Das 5V-Modell unter Einbezug dynamischer AV-Daten, Munich, GRIN Verlag, https://www.grin.com/document/1322222
