Садржај
Увод
Интернет ствари и паметни градови
Вештачка интелигенција
Мaшинско учење
Обрада великих количина података
Роботика
Криптографија
Закључак
Доношење одлука на основу података¶
Људи на основу података често могу да дођу до тачнијих предвиђања неке појаве и да унапреде своје деловање. Зато постоји природно интересовање за праћење и прикупљање масовнијих података о најразличитијим појавама, као што су метеоролошки подаци ради прогнозе времена, параметри рада машине (температура, притисак, напрезање и др.) да би се предупредили могући кварови, подаци о условима (влажност, температура, присуство потребних хемикалија у земљишту) за раст гајених биљака итд.
У данашње време, када су многи статистички подаци јавно доступни, одлуке на основу података могу да доносе и појединци, било да се ради о избору будућег занимања, о куповини стана, или избору начина лечења неке болести. Ако желите да знате више о томе како да анализирате податке и доносите одлуке на основу њих, погледајте и Петљине курсеве Анализа (отворених) података и Буди Data Driven - анализа и визуализација података.
Занимљивост:
Ефектан пример доношења одлука заснованих на подацима описан је у књизи Moneyball: The Art of Winning an Unfair Game написаној по стварним догађајима (истоимени филм, Moneyball, код нас се појавио под насловом Формула успеха). Реч је о бејзбол клубу чија управа је почела да доноси одлуке о куповини и продаји играча само на основу модерних и детаљних статистика, не ослањајући се на процене стручњака (скаута). Клуб је проналазио играче који су према коришћеним статистикама потцењени на тржишту и уз овакав приступ са сразмерно врло малим буџетом постигао неслућен успех. Израз Moneyball је након ове књиге и филма ушао у ширу употребу као опис за такав начин управљања било којим клубом, а понекад и за такав начин доношења одлука уопште.
Прикупљање, обрада и анализа података ради доношења одлука није новост у људском понашању, мада је у последње време у великој експанзији. Заправо, примерима таквог понашања је прошарана цела историја. Поменимо само два насумична примера. Познато је на пример, да су још у древном Египту вршени пописи становнишвта, да би се боље планирала наплата пореза и рад на изградњи пирамида. Такође је забележено да се у Холандији у једанаестом веку одлука о висини насипа доносила на основу статистичких података о висини претходних поплава.
Развој обраде и анализе података¶
Извлачењу корисних закључака и предвиђања из података претходи процес који обухвата прикупљање, чување, обраду и анализу података, представљање података на прегледан начин, тумачење примећених правилности и неправилности и слично. Сваки од тих поступака је у неком периоду представљао главни изазов, односно најслабију карику у ланцу повезаних активности. Осврнимо се сасвим кратко на тешкоће на које се наилазило, а којих има и данас, као и на начине на које су те тешкоће превазилажене.
Математичка обрада (анализа) података
Да би се подаци квалитетније обрадили, тј. да би се из њих добили што поузданији и кориснији закључци, развијена је математичка статистика. Саме почетке статистике је тешко датирати, али значајан напредак статистике се догодио у XVII и XVIII веку. Најважније примене су поново биле у вези са пописом становништва. Ово не треба да чуди, јер и корен речи „статистика“ указује на то да се њено првобитно значење односило на неки посао за државу, тј. у вези са државним пописом. Примена статистике на податке добијене пописом омогућила је стварање прецизније демографске слике популације, процене шанси да се преживи одређено животно доба, односно да се одреди очекивано трајање живота и сл.
Чување и електронска обрада података (копирање, сортирање и сл.)
Крајем XIX века у САД је живело преко 60 милиона људи. У то време, да би се обавио попис становништва било је потребно 7 година. Осим што подаци током овако дугог процеса могу значајно да се промене и тиме умање вредност целог посла, поступак који толико траје је сам по себи морао бити и прилично скуп и подложан грешкама. Да би омогућио бржу, тачнију и јефтинију израду пописа, Херман Холерит је 1890. године конструисао табеларну машину. Машина је користила специјално дизајниране картице стандардизованих димензија, што је омогућило брзу, аутоматизовану обраду (сортирање, пребројавање). Пописивачи би бележили податке бушењем картица на тачно одређени начин, а те картице су касније очитаване електронски и обрађиване без даље интервенције човека. Изум је брзо нашао примену и у осигуравајућим компанијама, а касније и у другим областима пословања. Компанија коју је Холерит основао прерасла је пар деценија касније у чувени IBM („Аај-би-ем“).
Холеритова табеларна машина¶
Adam Schuster, CC BY 2.0 <https://creativecommons.org/licenses/by/2.0>, via Wikimedia Commons
Холеритова табеларна машина, детаљ¶
Marcin Wichary, CC BY 2.0 <https://creativecommons.org/licenses/by/2.0>, via Wikimedia Commons
Аутоматско прикупљање података
Аутоматска обрада података је принципијелно отворила могућност примене у много већем броју области него што је то претходно био случај. Да би обрада и анализа података постала масовнија, било је потребно да се омогући и аутоматско прикупљање података. Са појавом интернета, а нарочито „интернета ствари“, долази до праве експлозије различитих врста података. У поглављу о „интернету ствари“ смо поменули различите примене „интернета ствари“, које кроз прикупљање и обраду података воде ка бољим пословним одлукама.