Indietro

ⓘ Big data




Big data
                                     

ⓘ Big data

In statistica e informatica, la locuzione inglese big data, o in italiano megadati, indica genericamente una raccolta di dati informativi così estesa in termini di volume, velocità e varietà da richiedere tecnologie e metodi analitici specifici per lestrazione di valore o conoscenza. Il termine è utilizzato dunque in riferimento alla capacità di analizzare ovvero estrapolare e mettere in relazione unenorme mole di dati eterogenei, strutturati e non strutturati, allo scopo di scoprire i legami tra fenomeni diversi e prevedere quelli futuri.

                                     

1. Descrizione

Malgrado non esista una separazione rigorosa tra big data e altri dati non classificabili come big, sono stati proposti diversi approcci per descriverne le peculiarità. Nel 2011 Teradata afferma che "Un sistema di big data eccede/sorpassa/supera i sistemi hardware e software comunemente usati per catturare, gestire ed elaborare i dati in un lasso di tempo ragionevole per una comunità/popolazione di utenti anche massiva". Unulteriore proposta di caratterizzazione dei big data è stata data dal McKinsey Global Institute: "Un sistema di Big Data si riferisce a dataset la cui taglia/volume è talmente grande che eccede la capacità dei sistemi di database relazionali di catturare, immagazzinare, gestire ed analizzare".

Per poter parlare di big data il volume dei dati deve essere correlato alla capacità del sistema di acquisire le informazioni così come arrivano dalle differenti sorgenti dati che sono adoperate, quindi, un sistema diventa big quando aumenta il volume dei dati e allo stesso tempo aumenta la velocità/flusso di informazioni che il sistema deve poter acquisire e gestire per secondo. Negli ultimi due anni cè stato infatti un incremento del 90% dei dati prodotti nel mondo le aziende potrebbero arrivare a produrre zettabyte di dati, ad esempio considerando dati provenienti da sensori, dati satellitari, finanziari, telefonici, ecc.

Il progressivo aumento della dimensione dei dataset è legato alla necessità di analisi su un unico insieme di dati, con lobiettivo di estrarre informazioni aggiuntive rispetto a quelle che si potrebbero ottenere analizzando piccole serie, con la stessa quantità totale di dati. Ad esempio, lanalisi per sondare gli "umori" dei mercati e del commercio, e quindi del trend complessivo della società e del fiume di informazioni che viaggiano e transitano attraverso Internet.

Con i big data la mole dei dati è dellordine degli zettabyte, ovvero miliardi di terabyte, quindi si richiede una potenza di calcolo parallelo e massivo con strumenti dedicati eseguiti su decine, centinaia o anche migliaia di server. I Big data comportano anche linterrelazione di dati provenienti da fonti potenzialmente eterogenee, cioè non soltanto i dati strutturati come quelli provenienti dai database ma anche non strutturati.

                                     

1.1. Descrizione Definizione e caratteristiche

Non esiste una soglia di riferimento prestabilita in termini di dimensione oltre la quale è lecito parlare di Big Data: in genere si parla di big data quando linsieme di dati è talmente grande e complesso che richiede la definizione di nuovi strumenti e metodologie per estrapolare, gestire e processare informazioni entro un tempo ragionevole. Infatti, comè dimostrato dalla legge di Moore, levoluzione tecnologica permette la memorizzazione e la gestione di dataset di dimensioni continuamente crescenti. In uno studio del 2001, lanalista Douglas Laney aveva definito il modello di crescita come tridimensionale modello delle "3V": con il passare del tempo aumentano volume dei dati, velocità e varietà dei dati. In molti casi questo modello è ancora valido, nonostante esso sia stato successivamente esteso.

Nel primo modello di Douglas Laney, chiamato delle "3V", le tre parole chiave hanno il seguente significato:

  • Varietà: si riferisce alla differente tipologia dei dati che vengono generati, accumulati ed utilizzati. Prima dellepoca dei Big Data si prendevano in considerazione per le analisi principalmente dati strutturati; la loro manipolazione veniva eseguita mediante luso di database relazionali. Per avere analisi più accurate e più profonde, oggi è necessario prendere in considerazione anche: a) dati non strutturati ad esempio file di testo generati dalle macchine industriali o log di web server o dei firewall; b) dati semi strutturati ad esempio un atto notarile con frasi fisse e frasi variabili oltre a quelli strutturati ad esempio la tabella di un database;
  • Volume: si riferisce alla quantità di dati strutturati o non strutturati generati ogni secondo. Tali dati sono generati da sorgenti eterogenee, quali: sensori, log, eventi, email, social media e database tradizionali;
  • Velocità: si riferisce alla velocità con cui i nuovi dati vengono generati. Sono importanti non solo la celerità nella generazione dei dati, ma anche la necessità che questi dati/informazioni arrivino in sistema real-time al fine di effettuare analisi su di essi.

Con il tempo, sono state introdotte una quarta V, quella di veridicità, e poi una quinta, quella di Valore.

  • Veridicità: considerando la varietà dei dati sorgente dati strutturati o non strutturati e la velocità alla quale tali dati possono variare, è molto probabile che non si riesca a garantire la stessa qualità di dati in ingresso ai sistemi di analisi normalmente disponibile in processi di ETL tradizionali. È evidente che se i dati alla base delle analisi sono poco accurati, i risultati delle analisi non saranno migliori. Visto che su tali risultati possono essere basate delle decisioni, è fondamentale assegnare un indice di veridicità ai dati su cui si basano le analisi, in modo da avere una misura dellaffidabilità.
  • Valore: si riferisce alla capacità di trasformare i dati in valore. Un progetto Big Data necessita di investimenti, anche importanti, per la raccolta granulare dei dati e la loro analisi. Prima di avviare uniniziativa è importante valutare e documentare quale sia il valore effettivo portato al business.

Con il passare del tempo, ulteriori caratteristiche si sono aggiunte al modello, quali ad esempio:

  • complessità: maggiore è la dimensione del dataset, maggiore è la complessità dei dati da gestire.
  • variabilità: questa caratteristica può essere un problema e si riferisce alla possibilità di inconsistenza dei dati;

Altri modelli concettuali, come il Modello ITMI, hanno cercato di rappresentare in maniera sintetica i vari aspetti che caratterizzano il fenomeno dei big data nella sua complessità, andando oltre le caratteristiche del dato, come avviene per i modelli basati sulle "V".

                                     

1.2. Descrizione Crescita del volume dei dati

I Big Data sono un argomento interessante per molte aziende, le quali negli ultimi anni hanno investito su questa tecnologia più di 15 miliardi di dollari, finanziando lo sviluppo di software per la gestione e lanalisi dei dati. Questo è accaduto perché le economie più forti sono molto motivate allanalisi di enormi quantità di dati: basti pensare che ci sono oltre 4.6 miliardi di smartphone attivi e circa 2 miliardi di persone hanno accesso a Internet. Dal 1986 ad oggi il volume dei dati in circolazione è aumentato in maniera esponenziale:

  • nel 2000 i dati erano 2.2 Exabyte;
  • nel 1993 i dati erano 471 PetaByte;
  • per il 2014 si era previsto uno scambio di oltre 650 ExaByte.
  • nel 2007 i dati erano 65 ExaByte;
  • nel 1986 i dati erano 281 Petabyte;
                                     

1.3. Descrizione Differenze con la business intelligence

La crescente maturità del concetto di Big Data mette in evidenza le differenze con la business intelligence, in materia di dati e del loro utilizzo:

  • La business intelligence utilizza la statistica descrittiva con dati ad alta densità dinformazione per misurare cose, rilevare tendenze, ecc., cioè utilizza dataset limitati, dati puliti e modelli semplici;
  • Big Data utilizza la statistica inferenziale e concetti di identificazione di sistemi non lineari, per dedurre leggi da grandi insiemi di dati; per rivelare rapporti e dipendenze tra essi ed anche per effettuare previsioni di risultati e comportamenti, cioè utilizza dataset eterogenei non correlati tra loro, dati grezzi e modelli predittivi complessi.
                                     

1.4. Descrizione Modelli di analisi dei dati

Come è stato detto in precedenza, il volume di dati dei Big Data e lampio uso di dati non strutturati non permette lutilizzo dei tradizionali sistemi per la gestione di basi di dati relazionali RDBMS, se non attraverso tecniche di strutturazione del dato. Un dato strutturato archiviato nei tradizionali sistemi RDBMS permette di avere prestazioni infinitamente migliori, nella ricerca, rispetto ai sistemi NoSQL, garantendo la consistenza del dato, che in sistemi Big Data generalmente non è garantita. I sistemi Big Data pertanto non sono da considerarsi complementari alle basi di dati, bensì un insieme di tecniche di ETL su dati non strutturati e generati in maniera geograficamente molto distribuita. Gli operatori di mercato utilizzano piuttosto sistemi con elevata scalabilità e soluzioni basate sulla NoSQL.

Nellambito della business analytics sono nati nuovi modelli di rappresentazione in grado di gestire tale mole di dati con elaborazioni in parallelo dei database. Architetture di elaborazione distribuita di grandi insiemi di dati sono offerte da MapReduce di Google e dalla controparte open source Apache Hadoop.

In base agli strumenti e ai modelli utilizzati per lanalisi e la gestione dei dati è possibile distinguere quattro metodologie o tipologie di Big Data Analytics:

  • Analisi predittiva, strumenti avanzati che effettuano l’analisi dei dati per rispondere a domande relative a cosa potrebbe accadere nel futuro sono caratterizzati da tecniche matematiche quali regressione, proiezione forecasting, modelli predittivi, ecc);
  • Analisi descrittiva, l’insieme di strumenti orientati a descrivere la situazione attuale e passata dei processi aziendali e/o aree funzionali. Tali strumenti permettono di accedere ai dati in maniera interattiva inserendo ad esempio filtri o effettuando operazioni di drill-down e di visualizzare in modo sintetico e grafico i principali indicatori di prestazione la totalità delle grandi organizzazioni si serve questa tipologia;
  • Automated Analytics, strumenti capaci di implementare autonomamente l’azione proposta secondo il risultato delle analisi svolte.
  • Analisi prescrittiva, strumenti avanzati che, insieme allanalisi dei dati, sono capaci di proporre soluzioni operative/strategiche sulla base delle analisi svolte;


                                     

1.5. Descrizione Tecnologie di immagazzinamento ed elaborazione

La crescente mole di dati generati da sorgenti di dati eterogenei ha posto lattenzione su come estrarli, archiviarli ed utilizzarli al fine di ottenerne un profitto. Il problema che si riscontra è dovuto principalmente alla difficoltà di gestire i Big Data con database tradizionali, sia in termini di costi, sia in termini di volume.

Linsieme di questi elementi ha portato allo sviluppo di nuovi modelli di elaborazione, che hanno permesso alle aziende di diventare più competitive, sia attraverso una riduzione dei costi, sia perché i nuovi sistemi sono in grado di archiviare, trasferire e combinare i dati con maggiore velocità e in maniera agile.

Per poter gestire il sistema di Big Data si adoperano sistemi che distribuiscono sia risorse che servizi:

  • Calcolo distribuito: il modello di elaborazione è distribuito in modo da poter sfruttare la potenza elaborativa del cluster progettato.
  • Architetture distribuite: utilizzo di cluster di computer connessi tra loro al fine di cooperare al raggiungimento di un obiettivo comune realizzando la scalabilità orizzontale non verticale.
  • Tolleranza ai guasti: le architetture/piattaforme proposte devono essere progettate per essere tolleranti ai guasti, per questo le risorse sono replicate sulle differenti macchine che compongono il cluster.

Per gestire grandi quantitativi di dati sono state proposte nuove metodologie nei seguenti campi:

  • Data Mining;
  • Apprendimento automatico;
  • Basi di dati;

A supporto di queste metodologie sono state proposte le seguenti tecnologie e linguaggi di programmazione:

  • Hadoop Framework ;
  • NoSQL
  • R e Python.


                                     

2. Ciclo di vita

L’estrazione di conoscenza dai Big Data e l’impiego della stessa per il miglioramento delle attività decisionali sono subordinati alla definizione di processi che consentano di gestire e trasformare in modo efficiente dataset che crescono rapidamente in volume e varietà.

Ogni fase di ciascun processo modifica lo stato ed il contenuto degli stessi, contribuendo a convertire moli di dati ancora grezzi in valore e dunque ad arricchire il modello analitico dei dati.

Tali processi costituiscono un riferimento per la scelta o la creazione di un’architettura, ovvero di una struttura logica e fisica che determina come i Big Data devono essere memorizzati, acceduti e gestiti all’interno di unorganizzazione. In essa vengono specificate, inoltre, le soluzioni da mettere in campo per far fronte ai problemi che possono derivare dal trattamento dei Big Data, quali ad esempio la scarsa qualità dei dati o la scalabilità delle infrastrutture, le componenti hardware e software come framework e database, il flusso delle informazioni, la privacy e la sicurezza dei dati e molto altro.

I processi principali che compongono il ciclo di vita dei Big Data possono essere raggruppati in due macro-aree:

  • Big Data Analytics: racchiude i processi utilizzati per analizzare e acquisire informazioni utili da grandi dataset allo scopo di interpretare e descrivere il passato descriptive analytics, predire il futuro predictive analytics o consigliare azioni prescriptive analytics.
  • Big Data Management: racchiude i processi le tecnologie per l’acquisizione e la memorizzazione dei Big Data e la preparazione ed il recupero degli stessi;
                                     

2.1. Ciclo di vita Generazione e acquisizione

Oltre alla varietà dei formati e strutture, i Big Data presentano anche una varietà di fonti. I dati generati da queste spesso sono classificati in:

  • machine generated: sono prodotti da sorgenti quali sensori GPS, IoT, RFID, centrali di monitoraggio di eventi meteorologici, strumenti scientifici, sistemi di High Frequency Trading dei mercati finanziari, dispositivi biomedicali ed altri.
  • business generated: si intendono tutti quei dati, human o machine generated, generati internamente ad un’azienda che registrano tutte le attività data-driven dei processi di business aziendali. Molti di essi sono dati storici, memorizzati staticamente in base di dati relazionali, che rappresentano pagamenti, ordini, dati di produzione, dinventario, vendite e dati finanziari. La crescente produzione di questa tipologia di dati ha reso necessario l’utilizzo di tecnologie e strumenti di analisi in tempo reale affinché le aziende possano sfruttare a pieno il loro potenziale.
  • human generated: si trovano e derivano in particolare da piattaforme di social network Facebook, LinkedIn, blogging Blogger, Wordpress e micro-blogging Twitter, Tumblr, social news Digg, Reddit, social bookmarking Delicious, StumbleUpon, multimedia sharing, le wiki Wikipedia, i siti di domande e risposte Yahoo Answers, i siti di recensioni Yelp, TripAdvisor, i portali di e-commerce eBay, Amazon, click stream da siti web ecc, generalmente gestiti tramite cookie.

L’acquisizione dei Big Data da questi canali d’informazione può avvenire con diverse modalità:

  • Importando i dati da database relazionali, non relazionali o da altre sorgenti con strumenti di ETL, già usati ampiamente per la movimentazione di dati in sistemi di Data Warehousing e Data mart. Uno degli strumenti di ETL più usati nell’ottica dei Big Data è Apache Sqoop che consente di importare ed esportare grandi quantità di dati da database relazionali e non verso la piattaforma Apache Hadoop e viceversa;
  • Acquisendo flussi continui di dati, rapidamente generati, tramite sistemi capaci di catturare eventi, elaborarli e salvarli su un database in modo efficiente. Tra le tecnologie più diffuse ci sono Apache Flume, Apache Kafka e Microsoft StreamInsight.
  • Accedendo ad API messe a disposizione dai servizi Web, grazie alle quali è possibile interfacciarsi ad essi per esaminarne i contenuti. Un esempio sono le Twitter API, Facebook Graph API le API fornite da motori di ricerca come Google e Bing;
  • Utilizzando software di web scraping che eseguono operazioni di crawling, parsing ed entity extraction per la raccolta automatica di dati da documenti presenti in Internet. Il framework Apache Tika, ad esempio, automatizza tali operazioni per metadati e testo provenienti da diverse tipologie di documenti, arrivando ad identificarne persino la lingua;

In seguito all’acquisizione dalle sorgenti, i dataset sono trasferiti a sistemi di archiviazione locali o remoti attraverso mezzi di trasmissione ad alta velocità. Linsieme di dati grezzi, strutturati e non strutturati, è detto data lake, pronto per lelaborazione.

Inoltre è fondamentale che su di essi vengano eseguite ulteriori operazioni di precompilazione, il cui scopo è filtrare i dati da informazioni ridondanti, inaccurate o incomplete al fine di diminuirne l’entropia cioè il disordine, migliorando così l’accuratezza delle analisi e riducendo lo spazio necessario alla memorizzazione degli stessi.

                                     

2.2. Ciclo di vita Estrazione e pulizia delle informazioni

La maggior parte dei dati raccolti non sono disponibili nel formato richiesto per la successiva fase di elaborazione. Ad esempio, il fascicolo informatico di un paziente di un ospedale, nella maggior parte dei casi è costituito da rapporti medici, prescrizioni, letture acquisite da sensori e\o macchine di monitoraggio e dati di immagine come i raggi x. In questo contesto, non è possibile utilizzare questi dati in modo efficace quando ognuno di essi ha una propria rappresentazione. Pertanto, bisogna creare un processo di estrazione che prelevi le informazioni richieste dalla grande fonte dei dati le rappresenti in una forma standard e strutturata pronta per lanalisi.

La progettazione del processo di estrazione dipende principalmente dallarea di applicazione; ad esempio i dati che si estraggono dai supporti utilizzati per la risonanza magnetica sono differenti da quelli utilizzati per le immagini delle stelle. I Big Data, inoltre, possono contenere alcune informazioni false. Ad esempio, i pazienti possono nascondere intenzionalmente alcuni sintomi che possono portare il medico a diagnosticare erroneamente la loro condizione. È necessario, pertanto, utilizzare tecniche di pulizia dei dati che comprendono vincoli per il controllo della validità dei dati e modelli di errore per garantire la loro qualità.

                                     

2.3. Ciclo di vita Immagazzinamento e integrazione

L’immagazzinamento dei Big Data è un problema che deriva da due necessità: memorizzare ed organizzare enormi dataset non strutturati o semi-strutturati ed allo stesso tempo garantire la loro disponibilità e la capacità di interazione con essi in modo affidabile, veloce e sicuro. Per rispondere a questi bisogni è stato unito allo sviluppo di infrastrutture hardware per l’archiviazione, anche la creazione di meccanismi per la gestione di questi dati, in particolare file system distribuiti e nuove tipologie di database.

L’infrastruttura a supporto dei Big Data consiste in insiemi di nodi di archiviazione ed elaborazione distribuiti in rete, connessi mediante reti di comunicazione ad alta velocità, in grado di scalare orizzontalmente ed essere configurata dinamicamente a seconda delle applicazioni. I file system distribuiti hanno il compito di fornire una visione unificata dell’infrastruttura di memoria distribuita sottostante, fornendo operazioni di base per la lettura e scrittura sequenziale di grandi quantità di dati, assicurando alte prestazioni ed allo stesso tempo un adeguato livello di tolleranza ai guasti. I file system distribuiti più conosciuti sono Google File System GFS ed Hadoop Distributed File System HDFS. Vari tipi di database sono stati proposti negli anni nell’intento di memorizzare, gestire ed organizzare dataset caratterizzati da grandezze, strutture e provenienze diverse. A causa della staticità delle strutture tabellari, le soluzioni basate su RDBMS si sono rivelate inadatte ai requisiti di varietà e volume propri dei Big Data.

L’organizzazione logica dei dati è dunque affidata alle basi di dati NoSQL che abbandonano le restrizioni imposte dal modello relazionale e dal linguaggio SQL ma che invece possiedono caratteristiche fondamentali per i Big Data come l’essere schemaless e distribuite, avere una facile replicazione dei dati, eventual consistency e, non ultimo, il supporto per lo memoria persistente di grandi moli di dati. Alla fase di immagazzinamento viene affiancata spesso una fase di integrazione che consiste in ulteriori elaborazioni e trasformazioni dei dati per prepararli alla successiva fase di analisi. Ciò permette di ottenere una visione unificata e normalizzata dei dati. Le operazioni che vengono svolte più frequentemente in questa fase sono l’unione di dati da database esterni ed il riconoscimento di contenuti testuali da documenti provenienti da fonti come il Web o le repository aziendali.



                                     

2.4. Ciclo di vita Modellazione, elaborazione e analisi

Lo scopo della fase di analisi è quello di estrarre valore in forma di conoscenza dai Big Data, esaminando gli enormi dataset a disposizione alla scoperta di correlazioni, trend, pattern ed ulteriori indici statistici nascosti nei dati. Le analisi possono essere eseguite su dati strutturati, semi-strutturati e non strutturati, tra cui:

  • Analisi del Web: è possibile ricavare informazioni e conoscenza sui contenuti, la struttura e l’utilizzo del Web analizzando in maniera automatica pagine e collegamenti ipertestuali. L’analisi dei contenuti testuali e multimediali viene svolta facendo uso delle tecniche sopra citate. La topologia può essere ricostruita mediante algoritmi di crawling che seguono i collegamenti ipertestuali per rivelare relazioni tra pagine o siti Web. Uno degli algoritmi più noti che si ispira a tale meccanismo è il PageRank di Google. Il profiling dell’utilizzo del Web da parte di unutenza sempre più diversificata viene eseguito esaminando un numero elevato di log di server, sessioni, transazioni, ricerche e visite al fine di personalizzare le esperienze individuali degli utenti.
  • Analisi di testi: l’estrazione di informazioni e conoscenza a partire da testo non strutturato contenuto in documenti, email, pagine Web e post su blog e social network, nota anche come text mining, fa principalmente uso di tecniche di Natural language processing NLP, machine learning ed analisi statistica. Grazie ad esse sono stati sviluppati algoritmi per il riconoscimento di argomenti topic modeling, la ricerca delle migliori risposte ad una domanda question answering, l’individuazione delle opinioni degli utenti su determinate notizie opinion mining ed altri ancora;
  • Analisi di dati multimediali: la natura non strutturata di contenuti multimediali quali immagini, video ed audio, la loro dimensione, eterogeneità ed il fatto di essere prodotti molto rapidamente rendono idonea la loro trattazione con sistemi di Big Data Analytics. Algoritmi di machine learning permettono di estrarre informazioni di basso ed alto livello utili alla descrizione semantica dei file multimediali. L’annotazione automatica tramite etichette testuali multimedia annotation e l’estrazione di feature visive o sonore feature extraction sono attività alla base di algoritmi d’indicizzazione multimedia indexing e raccomandazione multimedia recommendation di questi contenuti.

Le tecniche di data mining, machine learning e di analisi statistica come clustering, correlazione e regressione, vengono applicate ai Big Data mediante l’uso di modelli di programmazione e framework di elaborazione distribuita che permettono di ottenere in tempi rapidi aggregati di informazioni dai database NoSQL o da altre fonti, analogamente a ciò che accade per il linguaggio SQL con i database relazionali. Quest’ultimi vengono classificati in base alla tempestività richiesta per le analisi real time o batch analytics e alla possibilità di velocizzare parte delle operazioni caricando o meno i dati in memoria primaria in memory analytics. Fra i modelli di programmazione più diffusi ci sono MapReduce, parte del framework Apache Hadoop, che permette l’elaborazione in batch ed in parallelo di grandi dataset su cluster di macchine general purpose usando l’omonimo paradigma e Google Pregel che consente di eseguire elaborazioni distribuite su enormi grafi che possono rappresentare ad esempio grafi di reti di calcolatori o delle relazioni tra gli utenti di un social network.

                                     

2.5. Ciclo di vita Interpretazione dei risultati e assunzione di decisioni

Linterpretazione dei parametri analizzati può fornire dei suggerimenti per verificare ipotesi empiriche su fenomeni di interesse, prendere decisioni di business più efficaci, individuare nuovi mercati nei quali investire, sviluppare campagne di marketing scientifico mirate e migliorare lefficienza operativa.

                                     

3. Controversie

Il recente sviluppo di metodologie di acquisizione e di elaborazione di grandi masse di dati tramite algoritmi coinvolge tutti i settori economici ed ha sollevato dubbi sulla loro applicazione in mancanza di adeguate normative e controlli.

Nel 2008, in seguito alla crisi economica mondiale, due ingegneri finanziari, Emanuel Derman e Paul Wilmott, hanno elaborato un manifesto etico per gli scienziati dei dati, sul modello del Giuramento di Ippocrate per i medici.

Nel 2017 la data scientist Cathy ONeil ha esposto in un libro le varie problematiche sorte con luso dei modelli basati su Big Data. Molti dei quali, lungi dallessere equi ed obiettivi, si sono dimostrati codificazioni di pregiudizi umani che hanno portato ad errori sistemici senza possibilità di appello nei software che controllano le nostre vite in diversi ambiti, da quello legale a quello lavorativo e politico.

A differenza dellAmerica Settentrionale, il Parlamento Europeo ha già varato un Regolamento generale sulla protezione dei dati.

Secondo Kevin Kelly, "se si vuole modificare il comportamento in Rete delle persone, basta semplicemente alterare sullo schermo gli algoritmi che lo governano, che di fatto regolano il comportamento collettivo o spingono le persone in una direzione preferenziale".

Nei primi mesi del 2018 è scoppiato lo scandalo Facebook: una società che analizza Big Data, Cambridge Analytica, avrebbe usato i dati personali di 87 milioni di utenti della rete sociale a scopo di propaganda politica. Nello scandalo, la società britannica si presume abbia utilizzato i big data per influenzare le persone in occasione delle elezioni per il presidente degli Stati Uniti tenutesi nel novembre 2016. Facebook è stato accusato degli standard morali che le società di social networking avrebbe dovuto seguire e della maggiore protezione dei media online e della privacy che ogni utente online dovrebbe avere. Pertanto, nellaprile 2018 Facebook ha dovuto applicare alla propria piattaforma il regolamento generale sulla protezione dei dati.

                                     

4. Virtualizzazione dei Big Data

La virtualizzazione dei Big Data è un modo per raccogliere dati da poche fonti in un singolo livello. Il livello dati raccolto è virtuale. A differenza di altri metodi, la maggior parte dei dati rimane sul posto e viene presa su richiesta direttamente dai sistemi di origine.