SMALL DATA ЯК ПЕРСОНАЛІЗОВАНЕ РІШЕННЯ ДЛЯ ФОРМУВАННЯ СТРАТЕГІЇ КОРЕКЦІЇ ВАГИ ЛЮДИНИ

Анотація

У статті розглянуто сутність роботи з даними, які на перший погляд здаються універсальними, однак такими не є. Навіть попри можливість зведення розв’язуваних задач до декількох типів, їх класифікації та алгоритмізації, й успішного застосування big data, на практиці універсальні рішення будь-яких задач не завжди є доцільними та придатними до масового тиражування, навіть якщо здається що проблема виглядає однаково для всіх людей чи групи. Спричиняти таку поведінку можуть взаємозалежності між атрибутами та групами атрибутів даних, а також наявність контексту, що може не враховуватися у випадку використання великих даних. Тож у статті розглянуто доцільність застосування small data на прикладі персональної боротьби з ожирінням та вплив різних атрибутів, досліджених емпірично, на загальний результат. Завдання корекції ваги – це саме той приклад, де загальні рішення можуть призводити не лише до різного ефекту у схожих людей, але навіть до різного результату в 1-єї людини в різні часові проміжки життя. Для застосування концепції small data для такої прикладної задачі, доцільне застосування методів багатокритеріального аналізу, зокрема TOPSIS для вибору найбільш близького до ідеального рішення при ранжуванні за багатьма критеріями одночасно, різних методів аналізу ієрархій для порівняння альтернатив (в даному випадку різних стратегій корекції ваги для однієї людини) за кількома критеріями. Доцільні й методи кореляційного аналізу з метою виявлення зв’язків між різними атрибутами (наприклад, видом тренування, його здатністю до витрат калорій, рівнем та бажанням споживання їжі після нього, а також мотивацією займатися саме цим тренуванням конкретній людині), та регресійного аналізу, а також інтелектуальний аналіз даних. Науковою новизною є дослідження ситуації на прикладі реальних емпіричних даних та взаємозв’язку між ними.