Datamassoilla

Datamassoilla tarkoitetaan suuria, usein monitahoisia datakokoelmia, joita syntyy digitaalisessa ympäristössä yksilöiden, laitteiden ja sovellusten toiminnasta. Datamassat voivat olla rakenteeltaan osittain jäsenneltyjä tai täysin epämuotoisia ja ne sisältävät tekstiä, kuvia, videoita sekä sensoritietoja. Niitä kertyy esimerkiksi sosiaalisista medioista, verkkopalvelujen lokitiedoista, teollisuuden mittauksista ja kaupankäynnin tapahtumista. Datamassat toimivat sekä liiketoiminnan analytiikassa että tekoälyn koulutuksessa.

Ominaisuuksiin kuuluu mittakaava, nopeus ja moninaisuus; datat voivat olla puutteellisia tai virheellisiä. Tällaisen aineiston käsittely edellyttää tarkoituksenmukaista infrastruktuuria (data lake tai data warehouse), metatietoa, datalinjausta sekä datahygieniaa ja laadunvalvontaa. Eri oikeudelliset ja eettiset näkökulmat, kuten yksityisyyslainsäädäntö, asettavat vaatimuksia tietosuojaan ja suostumusten hallintaan.

Käytännössä datamassoja hyödynnetään liiketoimintatiedon tuottamiseen, mallintamiseen, asiakkaiden käyttäytymisen ennustamiseen sekä uusien palveluiden kehittämiseen. Data governance ja data stewardship -periaatteet ovat keskeisiä, jotta tietojen keräys, säilytys, käsittely ja poistaminen ovat läpinäkyviä ja valvottuja. Tutkimuksessa datamassat mahdollistavat kehittyneemman tekoälyn, kun laadulla ja reilulla käytöllä on etusija.