ВИКОРИСТАННЯ "ВЕЛИКИХ ДАНИХ" ДЛЯ СТАТИСТИЧНОГО ЗАБЕЗПЕЧЕННЯ УПРАВЛіННЯ РОЗВИТКОМ "РОЗУМНИХ" СТАЛИХ МіСТ Текст научной статьи по специальности «Экономика и бизнес»

УДК 311.22:[31б.32:004.73]

ВИКОРИСТАННЯ «ВЕЛИКИХ ДАНИХ» ДЛЯ СТАТИСТИЧНОГО ЗАБЕЗПЕЧЕННЯ УПРАВЛ1ННЯ

РОЗВИТКОМ «РОЗУМНИХ» СТАЛИХ М1СТ

®2018 КОРЕПАНОВ О. С.

УДК 311.22:1316.32:004.73]

Корепанов О. С. Використання «великих даних» для статистичного забезпечення управлшня розвитком

«розумних» сталих мiст

Мета cmammi полягае у проведент анал'зу основних проблем використання «великих даних» для статистичного забезпечення управлшня розвитком «розумних» сталих мст, а також в об(рунтувант шляж ¡х подолання. Проаналiзовано основнi визначення сутi концепци «великих даних», з якими погоджуеться б'шьшкть науков^в. Обфунтовано необxiднiсть розроблення додаткових метод'ю i процеав аналзу на базi оновлених технологй i метод'в для того, щоб ефективно анал'вувати «велик дак» та д'тти на тдставi отриманих результат'¡в. Здшснено групування джерел «великих даних», як доцльно використовувати в iнформацiйному забезпеченн моделi «розумних» сталих мкт, наведено ¡х характеристику та приклади. Також здшснено пор'вняльний анал'в традицшних i «великих даних» за ¡х основними ознаками, зазначено ¡х вiдмiнностi. Визна-чено переваги «великих даних», як обумовлюють можливкть ¡х використання для iнформацiйного забезпечення розвитку «розумних» сталих мш, а також шляхи подолання проблем ¡х використання.

Ключов'! слова: «велик данi», «розумне» стале мкто, статистичне забезпечення управлшня, анал'в розвитку. Рис.: 1. Табл.: 3. Ббл.: 10.

Корепанов Олексй Сергйович - кандидат економiчниx наук, доцент, доцент кафедри статистики, облку та аудиту, Харквський нацональний ушверситет iм. В. Н. Каразна (пл. Свободи, 4, Харкв, 61022, Украна) E-mail: o.s.korepanov@karazin.ua

УДК 311.22:[316.32:004.73] Корепанов А. С. Использование «больших данных» для статистического обеспечения управления развитием «умных» устойчивых городов

Цель статьи состоит в проведении анализа основных проблем использования «больших данных» для статистического обеспечения управления развитием «умных» устойчивых городов, а также в обосновании путей их преодоления. Проанализированы основные определения сути концепции «больших данных», с которыми согласно большинство научных деятелей. Обоснована необходимость разработки дополнительных методов и процессов анализа на базе обновленных технологий и методов для того, чтобы эффективно анализировать «большие данные» и действовать на основании полученных результатов. Осуществлено группирование источников «больших данных», которые целесообразно использовать в информационном обеспечении модели «умных» устойчивых городов, приведены их характеристика и примеры. Также осуществлен сравнительный анализ традиционных и «больших данных» по их основным признакам, указаны их отличия. Определены преимущества «больших данных», которые обусловливают возможность их использования для информационного обеспечения развития «умных» устойчивых городов, а также пути преодоления проблем их использования.

Ключевые слова: «большие данные», «умный» устойчивый город, статистическое обеспечение управления, анализ развития. Рис.: 1. Табл.: 3. Библ.: 10.

Корепанов Алексей Сергеевич - кандидат экономических наук, доцент, доцент кафедры статистики, учета и аудита, Харьковский национальный университет им. В. Н. Каразина (пл. Свободы, 4, Харьков, 61022, Украина)

E-mail: o.s.korepanov@karazin.ua

UDC 311.22:[316.32:004.73] Korepanov O. S. Using «Big Data» for Statistical Support of Management of Development of «Smart» Sustainable Cities

The article is aimed at analyzing the main problems of using «big data» for statistical support of management of development of «smart» sustainable cities, as well as substantiating ways of overcoming them. The basic definitions of the essence of the conception of «big data» are analyzed in accordance with consensus of the majority of scientific figures. The necessity of elaboration of additional methods and processes of analysis on the basis of the updated technologies and methods is substantiated in order to efficiently analyze «big data» and to act on the basis of the obtained results. The groupings of «big data» sources, which are expedient to use in information support of the model of «smart» sustainable cities, are accomplished, their characterization and examples are provided. A comparative analysis of traditional and «big data» by their basic attributes is also carried out, their differences are indicated. The advantages of «big data», which stipulate possibility to use them for information support of development of «smart» sustainable cities, and also ways of overcoming problems as to their use are defined. Keywords: «big data», «smart» sustainable city, statistical support of management, analysis of development. Fig.: 1. Tbl.: 3. Bibl.: 10.

Korepanov Oleksiy S. - PhD (Economics), Associate Professor, Associate Professor of the Department of Statistics, Accounting and Auditing, V. N. Karazin Kharkiv National University (4 Svobody Square, Kharkiv, 61022, Ukraine) E-mail: o.s.korepanov@karazin.ua

Останшм часом поширюеться дискуая, як громади, уряди та шдприемства можуть максимально використовувати переваги «великих» даних. Приватний сектор спочатку вико-ристовував «велий» даш для збкьшення доходiв та шдвищення ефективность Ця практика поширилася у свтовш статистичнш стльноп.

П'ятий принцип Фундаментальних принцитв щодо офщшно! статистики стосуеться доступу до да-

них. Bíh наголошуе, що «даш для статистичних цлей можуть братися з ycix титв джерел, будь то статистич-hí обстеження або адмШстративш картотеки. Статис-тичш установи повинш вибирати джерело з урахуван-ням мiркyвань якосп, оперативности витрат i тягаря, що лягае на респонденпв». Цей принцип може тлума-читися як включення доступу до «великих» даних [4].

бдиного ушкального визначення цього в^днос-но нового явища, ведомого як «велик даш», не кнуе.

На базовому piBHi це розумГеться як набори даних, об'ем, швидкiсть або рiзноманiтнiсть яких е дуже ви-сокими порiвнянj з типами наборiв даних, якi тради-цiйно використовувались.

Дощльно послатися на такi визначення суп ще! концепцГ!, з якими погоджуеться бГльшшть науковцiв.

Перше визначення запропонував Мерв Адрь ан у 2011 р. e статтi для журналу Teradata Magazine: «Велик даш - це данi, збiр, управ-лiння i обробку яких неможливо здшснити з£ допо-могою найбкьш часто використовуваних апаратних середовищ i програмних iнструментiв протягом допустимого для користувача часу» [3].

«Велик даш» можна визначити на основi тлу-мачення, яке наведене у глосарГ! компани «Гартнер», провiдноi свГтово! компанГ!, що здГйснюе науковГ до-слГдження та консультацГ! в галузi iнформацiйних технологiй [5]: «Великi даш представляють собою джерела даних, як в загальному сена можна описа-ти як «шформацшш активи великого обсягу, високо! швидкостГ i/або високого рГвня, що вимагають ефек-тивних i iнновацiйних форм обробки шформаци та забезпечують 6Гльш глибоке розумшня, прийняття рiшень i автоматизацiю технолопчних процесiв».

У доповГдГ McKinsey Global Institute в травш 2011 р. представлено таке визначення: «Велик даш -це набори даних, розмГри яких виходять за межi мож-ливостей звичайного програмного забезпечення зГ збирання, зберГгання, управлГння й аналГзу даних» [2].

З цих визначень випливае: об'ект, що вважаеть-ся «великими даними», змГнюеться з розвитком тех-нологГй. ДанГ, що колись були «великими», або даш, що вважаються «великими» сьогодш, будуть вГдрГз-нятися вГд «великих даних» завтрашнього дня. Наве-денГ визначення означають, що суть «великих даних» може вГдрГзнятися залежно вГд галузГ або навГть ор-гашзаци, якщо кнуе значна рГзниця в можливостях шструменпв i технологГй.

Поняття «великГ» стосуеться не ткьки обсягу даних. Хоча, перш за все, маеться на увазГ наявшсть велико! к1лькостГ даних, водночас це передбачае при-сутшсть деяких Гнших ознак. «ВеликГ даш» характеризуются збГльшеною швидкГстю !х передачГ, склад-нГстю i рГзномаштшстю джерел порГвняно з джерела-ми даних минулого. Таю фактори ускладнюють роботу з «великими даними», оскльки доводиться мати справу не просто з великою юлькктю даних, а з тим, що вони надходять дуже швидко, у складних формах i з рГзномаштних джерел.

НеобхГдно розробити додатковГ методи i про-цеси аналГзу на базГ оновлених технологГй i методГв для того, щоб ефективно аналГзувати «великГ данГ» та дГяти на пГдставГ отриманих результатГв.

Метою статтГ е аналГз основних проблем вико-ристання «великих даних» для статистичного забез-печення управлГння розвитком «розумних» сталих мГст, а також обгрунтування шляхГв !х подолання.

Поряд Гз загальними досягненнями в галузГ ш-формацГйно-комунГкацГйних технологГй важливим компонентом, який сприяе суттевому прискореному розвитку «розумних» сталих мкт, е «великГ даш». 1х використання забезпечуе оперативне шформування громадян про новГ форми споживання та попиту на послуги, як спираються на «розумш» системи.

Громадяни «розумного» мГста спонукають орга-ни мкцевого самоврядування до розгляду та швесту-вання у вГдповГднГ процеси та системи для шдтримки сталого розвитку. У цих процесах реалГзуеться най-краща практика та з'являються новГ проекти та про-позицГ!, оскГльки це динамГчне середовище.

МГста, що використовують сучасш ГнновацГйнГ шдходи до аналГзу «великих даних», як можуть бути порГвнянГ з мгжнародними стандартами, позицюну-ються для майбутнього устху i мають можливГсть просувати сусшльство вперед, у бГльш «розумне» майбутне.

«ВеликГ данГ» характеризуються такими ознака-ми, що наведено на рис. 1.

О дне з найчастше використовуваних визначень, що представлене компашею Gartner, включае, крГм обсягу (Volume), таи характеристики даних, як швидккть (Velocity) та рГзнома-штшсть (Variety) [8]. «ШвидкГсть» означае швидккть створення, оцГнювання та аналГзу даних, тодГ як термГн «рГзноманГтнГсть» включае той факт, що даш можуть кнувати як у рГзних формах (текст, аудю, вГдео), так i в рГзних форматах (структурованГ та неструктуроваш). Визначення трьох V поширюеться i розширюеться. Четверте V - достовГршсть (Veracity) - була введена для визначення аспекпв, що стосуються якост та по-ходження даних, а також невизначеносп, яка може к-нувати при !х аналГзГ [6]. П'яте V - значення (Value) -включено деякими дослГдниками, щоб вГдштити по-тенцГйно високу сощально-економГчну цГннГсть, яка може бути отримана «великими даними» [7].

За наявносп зазначених вище п'яти ознак нако-пичеш обсяги даних можна вГдносити до «великих».

Статистична комкш Оргашзаци Об'еднаних НацГй (СК ООН) i нацГональнГ статистичнГ оргашзаци (НСО) вивчають шляхи використання великих джерел даних для доповнення офщшно! статистики та кращого виконання !х завдань для надання свое-часних i достовГрних даних для формування полГти-ки. СК ООН визнала, що «великГ даш» представляють собою джерело шформаци, яке не можна кнору-вати i яке необхГдно ощнити належним чином. Для цього СК ООН на сво!й 45-й сесГ!, що вГдбулася 4-7 березня 2014 р., заснувала Глобальну робочу групу з питань використання «великих даних» для шдго-товки офщшно! статистики, яка мала скласти перелш уже здшснюваних заходГв i прикладГв використання «великих даних», розглянути питання, пов'язаш з ме-тодологГею, людськими ресурсами, якктю i конфь

Основы ознаки «великих даних»

Рис. 1. Основы ознаки «великих даних»

Джерело: складено за [6-8].

денцшшстю, та розробити керiвнi принципи класи-фжацц рiзних видiв джерел «великих даних» [10].

У щлому джерела «великих даних», яю доцiльно використовувати в шформацшному забезпеченнi мо-делi «розумних» сталих мiст можна розд1лити на таи групи, що наведенi в табл. 1.

Можливосй контролю, яю е в дослiдника, а також потенцшш аналiтичнi потужносп варiюються залежно в^д типу джерела «великих даних». Наприклад, найчастше в досл^дника немае можливостi хоч якось керувати даними, отри-маними з платформ сощальних мереж, тому аналiзу-вати текст сощальних мереж може бути досить важко. З шшого боку, для отримання адмШстративних даних нащональних статистичних органiзацiй може укласти партнерську угоду з в^дпов^дним державним органом i впливати на !х дизайн. АдмШстративш данi бiльш структурованi, визначеш та про них б1льше ведомо, нiж, можливо, про всi iншi джерела «великих даних».

«Великi даш» вiдрiзняються вiд традицiйних даних наявшстю важливих характеристик. Майже кожне джерело «великих даних» мае ва перерахова-нi особливостi, проте бiльшостi властивi такi ознаки, що наведено в табл. 2.

Перевагами «великих даних», яю обумовлюють можливiсть 1х використання для iнформацiйного за-безпечення розвитку «розумних» сталих мшт, е таю [1]: + цифрове генерування: данi створюються в цифровому виглядi (на в^дмшу вiд оцифров-

ки вручну), можуть зберкатися з викорис-танням ряду одиниць i нулiв [, таким чином, можуть управлятися комп'ютерами; + пасивне виробництво: данi е побiчним продуктом нашого повсякденного життя або результатом взаемодИ з цифровими послугами; + автоматичний збiр: наявшсть системи, яка витягае i зберiгае вiдповiднi данi по мiрi !х створення;

+ географiчне або часове вiдстеження: наприклад, даш про мшце розташування мобкьно-го телефону або час тривалост виклику; + постшний аналiз: iнформацiя мае в^дношен-ня до добробуту та розвитку людей i може аналiзуватися в режимi реального часу.

Використання «великих даних» в офщшнш статистищ, а також для статистичного забезпечен-ня управлiння розвитком «розумних» сталих мкт, пов'язано з певними труднощами та проблемами.

Шляхи подолання проблем використання «великих даних» для статистичного аналiзу розвитку «розумних» сталих мшт представлен в табл. 3.

Потенцшна придатнiсть використання «великих даних» для статистичного забезпечення управ-лшня розвитком «розумних» сталих мiст полягае в такому:

+ на загальному рiвнi, належним чином про-аналiзувавши цi даш, можливо забезпечити «зшмки» рiвня життя населення з високою

Джеpела «великих даних»

Група «великих даних» Характеристика Пpиклади

АдмШстративш даш £ результатом реалiзацN державних або шших програм - Електроннi медичнi карти; - вщвщування лiкарень; - бази даних страхових компашй; - податковi записи

Даш транзакцм - transaction-generated data (TGD) £ результатом комерцiйних операцм мiж двома суб'ектами - Баншськ операцй' (мiжбанкiвськi, а також особистО; - операцй' з кредитними картками; - кутвля в супермаркетах; - штернет-покупки

Сенсорш даш/Датчики та прилади спостереження £ результатом запису даних датчиками та приладами спостереження - Дорожш та транспортнi датчики; - датчики ^мату; - датчики обладнання та шфраструк-тури; - сyпyтниковi/GPS пристроТ

Даш мобтьного телефонного зв'язку £ результатом комушкацп мiж абонентами Мобтьш телефони

lнтернет-активнiсть / Со^альш медiа / данi со^альних мереж £ результатом ф^сацп запи^в в он-лайн пошукових системах, перегляду веб-сторшок, коментарiв у соцiальних мережах - Пошукова активнiсть в 1нтернел; - iнтернет-перегляди сторiнок; - блоги та публ^ацй', а також шший авторський та неавторизований онлайн-контент i дiяльнiсть у со^аль-них мережах; - аудю/зображення/вщео

Персональнi данi £ результатом ф^сацп даних персо-нальних «розумних» вiдстежувальних пристро'в Данi з персональних «розумних» годинниш

Таблиця 2

Ознаки тpадицiйних i «великих даних», Ух вiдмiнноcтi

Ознака «Велим даш» Традицшш данi

Обсяг шформацп Вщ петабайт (1015 байт) до ексабайт (1018 байт) Вiд гiгабайт (109 байт) до терабайт (1012 байт)

Швидкiсть накопичення Велика Мала

Швидкiсть передачi Велика Мала

Стyпiнь стрyктyрованостi Неструктурованi та натвструктуроваш данi Структуроваш

Спосiб генерування Часто автоматично без участ людини За участю людини

Джерела даних Абсолютно новi Традицмш

Взаемозв'язок даних Слабкий Сильний

Модель збероння Горизонтальна Вертикальна

Спосiб зберiгання Децентралiзований Централiзований

Наявнiсть правил формування даних Правила вiдсутнi Наявш чiткi правила формування даних

частотою, стужам деталiзацil та в широкому дiапазонi напрямiв, зменшуючи прогали-ни в часi та знаннях; + y практичному аспектi аналiз цих даних може допомогти з'ясувати аномальнi змiни в тому, як стльноти отримують доступ до послуг. Так званi «цифровi сигнали диму» (термiн

Global Pulse) можуть служити iндикаторами 3míh основних складових добробуту населен-ня [9];

f розумшня в реальному часi стану населення та зворотного зв'язку щодо ефективносп по-лiтичних заходiв мае, своею чергою, привести до бкьш гнучкого та адаптивного шдходу

О ш

Шляхи подолання проблем використання «великих» даних для статистичного аналiзу розвитку

«розумних» сталих мкт

Труднощi використання «великих даних» Шляхи подолання

Перевантаження «великими даними» Залучення фахiвцiв певно' квалiфiкацí'', здатних впоратися з проблемами, як виникають з появою рiзноманiтних джерел «великих даних», що дозволить уникнути затримання розвитку

Витрати по збору «великих даних» зростають швидше, шж можливостi суб'еклв щодо 'х використання - Забезпечення вщповщних темтв розвитку. Немае необхiдностi братися за все вщразу i прагнути збирати 100% шформацп, що надходить з кожного нового джерела «великих» даних; - збiр i вивчення зразш нових даних. За 'х допомогою можна провести експерименталь-ний аналiз, щоб визначити, що дмсно важливо в кожному джерелi та як кожен з них може бути використаний. Грунтуючись на цьому, защкавлений суб'ект буде готовим до проведення повномасштабного ефективного аналiзу джерел «великих» даних

Ризик порушення конфн денцмнос^, тобто забезпе-чення довiри громадсько-стi та отримання и згоди на багаторазове викори-стання даних i 'х зв'язку iз iншими джерелами - Запровадження правил обробки, збер^ання та застосування «великих даних», як пови-ннi розвиватися разом з аналiтичними можливостями. З розвитком сфери «великих даних» повинш розвиватися сфери самостмного i правового регулювання 'х використання; - вжити заходiв, щоб не допустити порушення конфщенцмностп Органiзацí'' повиннi ч^-ко пояснити, як вони будуть забезпечувати безпеку даних i як будуть 'х використовувати, якщо хочуть отримати дозвт користувачiв на ''х збiр i аналiз; - виршення проблеми конфiденцiйностi, пов'язано' з «великими даними», шакше 'х потенцiал неможливо реалiзувати повнiстю. Без належного обмеження «велик данi» можуть пiдняти таку хвилю протесту, що деякi 'х джерела будуть повнiстю закритi; - критично важлива наявшсть саморегулювання. Учасники ринку повинш забезпечити саморегулювання i розробити правила, яких мае дотримуватися кожен. Так правила зазвичай бтьш ефективш та менш жорсткi, шж тi, якi вводяться державними органами, коли галузь не може контролювати себе самостмно

Законодавчi Розроблення системи нормативних докуменлв правового регулювання використання «великих даних», як на законодавчому рiвнi регламентуватимуть правила доступу до даних i 'х використання

Кадровi - Розроблення метс^в та iнструментiв для оцшки базових потреб у навичках використання «великих даних»; - шструктування з питань розробки модульно' програми навчання спецiалiстiв; - координацiя навчальних програм, що стосуються бтьш поглиблено''' подготовки фахiвцiв; - сприяння створенню глобально''' мережi навчальних i дослщницьких установ для навчання i змщнення потенцiалу в галузi використання «великих даних» при пщготовц статистично''' шформацп'

Управлiнськi - Формування нацюнально''' полiтики i директив у галузi управлiння даними та 'х захисту; - розроблення стратепчного та оперативного плану дм у галузi управлiння «великими даними» i захисту пропрiетарних даних

Методолопчш - Пщготовка методологiчних матерiалiв i проведення семiнарiв з питань забезпечення якост даних i застосування статистичних метс^в аналiзу «великих даних»; - оргашза^я постiйно дiючих консультативних центрiв на базi навчально-наукових шсти-тутiв та закладiв освiти

Технолопчш Впровадження iнновацiйних ршень та вирiшення питань, пов'язаних iз iнформацiйними технологiями

О

ш СП

о ^

о =п X

о_ о в

<

2 ш

до мiського розвитку та, зрештою, до бiльшоi сталостi та отримання кращих результатiв.

ВИСНОВКИ

«Великi даш» для статистичного забезпечен-ня управлшня розвитком «розумних» сталих мiст -це перетворення складних, недосконалих, часто не-

структурованих даних у дгочу шформацш, що пе-редбачае використання потужних аналiтичних ш-струментiв (таких, як машинне навчання), якi роз-робляються в рiзноманiтних галузях для виявлення тенденцш i взаемозв'язкiв усередиш та мiж великими наборами даних. ■

Л1ТЕРАТУРА

1. Big Data for Development: Challenges & Opportunities // UN Global Pulse. URL: http://www.unglobalpulse.org/ sites/default/files/BigDataforDevelopment-UNGlobalPulse-June2012.pdf (дата звернення: 27.05.2018).

2. Big Data: The Next Frontier for Innovation, Competition, and Productivity) // McKinsey Global Institute, 2011, May. URL: https://www.mckinsey.eom/~/media/McKinsey/ Business%20Functions/McKinsey%20Digital/0ur%20In-sights/Big%20data%20The%20next%20frontier%20for%20 innovation/MGI_big_data_full_report.ashx (дата звернення: 27.05.2018).

3. CEO Advisory: «Big Data» Equals Big Opportunity. URL: https://www.gartner.com/doc/1614215/ceo-advisory-big-da-ta-equals (дата звернення: 27.05.2018).

4. Fundamental Principles of Official Statistics (A/ RES/68/261 from 29 January 2014) URL: https://unstats. un.org/unsd/dnss/gp/fundprinciples.aspx (дата звернення: 27.05.2018).

5. Gartner IT Glossary: Big Data. URL: https://www.gart-ner.com/it-glossary/big-data/ (дата звернення: 27.05.2018).

6. IBM - Smarter Planet - United States. 27-Aug-2013 // IBM. URL: http://www.ibm.com/smarterplanet/us/en/?ca=v_ smarterplanet (дата звернення: 27.05.2018).

7. Jones S. Why «Big Data» is the fourth factor of production, Financial Times. Retrieved 27 December 2012 // Financial Times. 2012. URL: www.ft.com/intl/cms/s/0/5086d700-504a-11e2-9b66-00144feab49a.html (дата звернення: 27.05.2018).

8. Laney D. 3D Data Management: Controlling Data Volume, Velocity, and Variety // META Group. 2001. URL: https:// blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity- and-Variety. pdf (дата звернення: 27.05.2018).

9. UN Global Pulse. Tweets About Global Development Topics // Global Pulse. URL: http://post2015.unglobalpulse. net/# (дата звернення: 27.05.2018).

10. 45th Session of the United Nations (2014) // United Nations Statistical Commission. URL: https://unstats.un.org/ unsd/statcom/45th-session/ (дата звернення: 27.05.2018).

Jones, S. "Why «Big Data» is the fourth factor of production, Financial Times. Retrieved 27 December 2012". Financial Times. 2012. www.ft.com/intl/cms/s/0/5086d700-504a-11e2-9b66-00144feab49a.html

Laney, D. "3D Data Management: Controlling Data Volume, Velocity, and Variety" META Group. 2001. https://blogs. gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Man-agement-Controlling-Data-Volume-Velocity- and-Variety.pdf

"45th Session of the United Nations (2014)" United Nations Statistical Commission. https://unstats.un.org/unsd/stat-com/ 45th-session/

"UN Global Pulse. Tweets About Global Development Topics" Global Pulse. http://post2015.unglobalpulse.net/#

REFERENCES

"Big Data for Development: Challenges & Opportunities" UN Global Pulse. http://www.unglobalpulse.org/sites/default/ files/BigDataforDevelopment-UNGlobalPulseJune2012.pdf

"Big Data: The Next Frontier for Innovation, Competition, and Productivity)" McKinsey Global Institute, 2011, May. https://www.mckinsey.eom/~/media/McKinsey/Business%20 Functions/McKinsey%20Digital/Our%20Insights/Big%20 data%20The%20next%20frontier%20for%20innovation/MGI_ big_data_full_report.ashx

"CEO Advisory: «Big Data» Equals Big Opportunity". https://www.gartner.com/doc/1614215/ceo-advisory-big-da-ta-equals

"Fundamental Principles of Official Statistics (A/RES/68/ 261 from 29 January 2014)". https://unstats.un.org/unsd/dnss/ gp/fundprinciples.aspx

"Gartner IT Glossary: Big Data". https://www.gartner. com/it-glossary/big-data/

"IBM - Smarter Planet - United States. 27-Aug-2013". IBM. http://www.ibm.com/smarterplanet/us/en/?ca=v_smart-erplanet