Использовать ли дополненную реальность для чистки, анализа и демонстрации Больших данных? (часть вторая)

Часть первая Давайте посмотрим на сценарий, который может выступить примером. В управлении проектами есть полный ...

Часть первая

Давайте посмотрим на сценарий, который может выступить примером. В управлении проектами есть полный Жизненный цикл проекта (Project Life Cycle — PLC). Полный PLC охватывает все области, такие как технико-экономическое обоснование, доказательство практической пользы концепта (Proof Of Concept), планирование, разработка бюджетов, исполнение, тестирование, внедрение, последующий анализ и выпуск продукта. Из-за всего этого, как часто случалось, разработка проекта на самом деле будет такой долгой, что он может устареть, прежде чем будет реализован. Это было не очень эффективно. В результате концепция деления проекта возникла в более мелких сегментах. Одной из таких методологий стала Agile (Гибкая методология разработки — прим. ред.). Проще говоря, Agile — это когда проект разбивается на кратковременные стадии, которые могут меняться в зависимости от изменения направления усилий. Это связано с тем, что в небольших сегментах может быть получен фактический прогресс при высокой гибкости.

Аналогичным образом, в стремлении получить максимальную точность, усилий может оказаться очень много, как при полном PLC. Время, проведённое за проектированием, подготовкой, исполненинем, проверкой, переделыванием и интерпретацией результатов, часто оканчивается тем, что различные затраты перевешивают полученную пользу.

Время от времени хорошо обоснованное предположение может быть достаточно близко к тому, чтобы перевесить лучший ответ. Иногда это воспринимается как SWAG — прямая, необязательная, тупая догадка («straight, off the wall, wild ass guess» — прим. ред.). Как однажды высказался Колин Пауэлл, бывший генерал и госсекретарь при президенте Буше, «у экспертов часто больше данных, чем выводов».

Другой пример, который демонстрирует визуальный и экспериментальный подход поверх чисто технического понимания, практически полезен. На крупном коммунальном предприятии Нью-Йорка возникла проблема производительности на одном из эксплуатируемых процессоров мейнфрейма. Инженеры аппаратного обеспечения следовали основным стандартным процедурам согласно Руководству по эксплуатации устройства, на которое было указано как на источник препятствий для производительности. Руководство по эксплуатации было руководством, которое описывало инженерные операции на устройстве в вопросах. Инженеры приложили усилия к решению проблемы, и она не была решена, как ожидалось. Один из операторов компьютера, который не обучался тонкостям работы с устройством, объяснил инженерам: он наблюдал за устройством, и описанное в руководстве не было тем, что происходило на самом деле. Инженеры оставили наблюдение без внимания, заключив, что оператор не может знать больше инженера, но один из них по исчерпании вариантов рассмотрел более подробное руководство на устройстве. В нём показывалось то, что называется Автоматической логической диаграммой (Automated Logic Diagram — ALD). ALD очень подробно описала устройство, включая его фактическую логическую схему. Благодаря своему изысканию инженер узнал, что оператор всё время был прав. Руководство по эксплуатации упростило понимание для ежедневного использования. Элементарно, но случай показал, что визуальное наблюдение оказалось жизненной важным для разрешения производственной проблемы.

Перейдём к вопросу о том, как может помочь дополненная реальность. Ответ в том, что, поскольку AR подразумевает работу в реальном времени, это исключительно мощный метод просмотра потоков и взаимодействия больших объёмов данных. Так как объём информации увеличивается геометрически, эта возможность оказывается всё более полезной для понимания данных и их движущих элементов вместе с их нишами, причудами и аномалиями. Благодаря этому дополненная реальность также может обеспечить среду, в которой можно идентифицировать данные; тем самым она будет помогать в их отборе. AR предоставляет чрезвычайно мощный инструмент в багаж учёного, занимающегося данными, как для анализа, так и для чистки огромных объёмов доступной информации.

В третьей части использование дополненной реальности будет представлено в качестве мощного метода адресации и понимания Анализа Больших данных при всей их сложности. Оставайтесь с нами. 

Если вы нашли ошибку, пожалуйста, сообщите нам, выделив текст и нажав клавиши Shift + E или кликнув сюда.

Раздел
Статьи

Другие статьи