毎年、秋の終わりに-冬の初めに、私たちは皆、ある程度の謙虚さを持って、避けられないインフルエンザの流行の始まりを期待しています。 この病気の相対的な「安全性」にもかかわらず、それはしばしば巨大な合併症を引き起こす可能性があり、WHOによると世界中の犠牲者の年間数は25万から50万人です。
インフルエンザウイルスは、インフルエンザA、B、C属を含むOrtomyxoviridaeファミリーに属します。これらのタイプの1つは、ビリオンの内部タンパク質（M1およびNP）の抗原特性によって決定されます。 血球凝集素（HA）およびノイラミニダーゼ（NA）の表面タンパク質のサブタイプに従って、さらに分割が行われます。 現在、血球凝集素の16のサブタイプとノイラミニダーゼの9のサブタイプが知られています。 HAの3つのサブタイプ（H1、H2、H3）およびNAの2つのサブタイプ（N1、N2）を含むウイルスは、人間にとって危険な流行をもたらします。 ウイルスのよく知られた「コード名」を与えるのは、これらの特性です。 ある年にインフルエンザウイルスが「クラシック」ウイルスと多少異なっていた場合、その年が名前に追加されます（おそらく誰もが2009年のH1N1株による流行を覚えています）。
一般的に、WHOはインフルエンザウイルスを分類するための多くの機能を含む分類を使用します。
-抗原タイプ：A、B、C
-起源：豚肉、馬、鶏肉など
-検出の地理的領域：中国語、オランダ語など
-ひずみ数：7、15など
-発見年：56、2009など
-血球凝集素およびノイラミニダーゼのサブタイプ：H1N1、H5N1など
ご覧のように、インフルエンザウイルスは互いに非常に異なっており、1つの流行の中でさえ、人から人へと伝染して変化する可能性があります。 これが私たちにとって馴染みのあるビッグデータの出番であると推測するのは簡単です：国家保健機関によって蓄積された疾病統計は本当に広範囲かつ詳細であり、流行と効果的に戦うためには、これらのデータを迅速に分析できる必要があります。
米国疾病管理予防センターの従業員は、さまざまなツールを使用してこれらのデータを分析し、どのウイルス株が米国を脅かすかを判断し、これに基づいてワクチンを作成します。 この予測の正確さは、予防接種の効果、病気になる人の数、健康を維持する人の数も決定します。 たとえば、2012/2013年の主な株はH3N2インフルエンザAでしたが、インフルエンザBとH1N1インフルエンザAの小さな病巣も観察されました。
支配的なウイルスを決定することに加えて、CDC（センターの略）は、ウイルスの広がりと人口に対する潜在的な影響を追跡するためにデータを分析します。 これを行うために、過去の流行、予防接種、人口データ、さらには天気予報に関する情報を含む膨大なデータセットが分析されます。 この作業の結果は、まず第一に、ウイルスの影響が予想される場所、流行の強さ、および持続期間の予測です。 これは、十分な量のワクチンを生産し、その生産とワクチン接種の時期を正しく「推測」し、正しく配布するのに役立ちます。 それはこれらの予測に直接依存します。今年のワクチンの使用はどれほど効果的でしょうか。
天気予報の場合と同様に、この場合、Apache Hadoopなどのツールは、LSIがNytroラインのハードウェアソリューションを備えている作業を加速するのに効果的です。詳細については、当社のWebサイトをご覧ください 。
インフルエンザに関する天気予報と予測には、1つの共通点があります。人々の生活は、これらの予測の正確さに依存します。 残念ながら、生命と健康が危険にさらされている多くの分野があります。 それでもビッグデータが大きな役割を果たす重要な領域はありませんか？ 実際、それらの多くはありますが、衣料品業界やファッション業界におけるビッグデータの非常に予想外のアプリケーションについてお話します。
世界中の多くの国で8月は夏の終わりだけでなく、学校での授業の始まりも意味します。 両親と一緒にいる多くの国籍の生徒は、文房具、学用品、そしてしばしば学校の制服を買うために店に行きます。 私たちの両親の時点では、店での選択はそれほど大きくなかったので、多くの学生が同じジャケットとコートを着ていました。
私たちの発達した消費主義の時代では、選択はずっと広くなりました。 巨大な大規模モール、小規模なスーパーマーケット、専門店、オンラインポータル-これらすべてがかなりの選択肢につながります。 これに多種多様なスタイル、素材、スタイル、メーカー、サイズを追加すると、典型的な小売業者が直面しなければならない問題が明らかになります。
生産チェーンのすべての参加者は、仕事でビッグデータに依存しています。 それはすべて、物質の生産者から始まります。 彼らは昨年の注文、競合他社のオファー、ファッショントレンド、原材料市場、生産コストを分析します。 これらの要因のいずれかを単独で追跡することは簡単な作業ですが、関連する要因の数が増えると、分析の複雑さは何倍にもなります。 2012年のレポートの1つで、ガートナーのアナリストは、ビッグデータが直面する主な問題は、2つ以上のデータソース間の相互作用を分析する必要がある正確な場所にあることを強調しました。
生産チェーンの次の参加者は、大手衣料品メーカーです。 市場のトレンドを設定するのは彼らであるため、彼らが直面するタスクはさらに困難です。 ビッグデータツールを使用して、生産計画を作成します。 過去の販売データ、天気予報、人口統計データ、経済データなどの情報を分析し、彼らは自分の作る服に適した色、スタイル、モデル、価格枠を選択します。
消費者はこの行の最後です。 彼らは服を買う人です。 同時に、6か月から9か月前に、ハンガーに掛かり、店の棚に置かれている（オンラインで販売されている）すべてのものが選択され、注文されました。 例として、米国市場で最大の小売業者であるコールズを取り上げます。 水着の販売場所、および暖かいジャケット、経済状況、競合他社のデータ、価格設定ポリシー、人口統計データを適切に策定し、人々のニーズとサイズチャートをより適切に評価するために、天気予報を考慮する必要があります。 これらの予測が正確であればあるほど、販売される商品の販売量が減り、売上の大幅な割引が行われ、会社の利益が高くなります。
もちろん、会社の利益は人間の生活とは相容れないものですが、ここでもビッグデータは成功に必要な最も重要で最も価値のあるツールであることを示しています。 LSIは、ビッグデータを扱う作業を本当にスピードアップして簡素化するソリューションを提供できる企業の1つです。