„დიდი მონაცემების“ (BigData) კონცეფცია, რომელიც სხვადასხვა წყაროებიდან დაგროვილი მონაცემების კონსოლიდაციას და მიღებული შედეგების ბიზნეს ანალიზის (BI – Business Intelligence) ამოცანებისთვის გამოყენებას გულისხმობს.

ამასთანავე, მნიშვნელოვანია ე.წ. 3V-მოდელის იდენტიფიცირება:

• „დიდი მონაცემების“ სივრცეში ნებისმიერი ტიპის ინფორმაცია მოძრაობს: ტექსტური, გრაფიკული, აუდიო, ვიდეო, ბინარული (ორობითი) და სხვა. მონაცემების ნაწილს მკაფიო სტრუქტურა გააჩნია (Structured), ნაწილი სანახევროდაა მოწესრიგებული (Semi-structured) და ნაწილიც საერთოდ ქაოტური სახით ინახება - „დიდი მონაცემების“ ამ მახასიათებელს მრავალფეროვნება (Variety) ეწოდება;
• „დიდი მონაცემები“ მართლაც დიდია და არ ჰგავს იმ ათასი ან თუნდაც 10 ათასი ჩანაწერის მომცველ ცხრილებს, რომლებთან კომფორტულ მუშაობასაც საოფისე აპლიკაციების (Excel, Word) გარემოში ადამიანები არიან მიჩვეულნი. „დიდი მონაცემები“, როგორც წესი, კომპიუტერის გარე მეხსიერებაში ათობით ტერაბაიტს იკავებს - „დიდი მონაცემების“ ამ მახასიათებელს მოცულობა (Volume) ეწოდება;
• „დიდ მონაცემებთან“ წვდომის დრო შეიძლება მკვეთრად განსხვავდებოდეს მათი განაწილებული შენახვის გამო - „დიდი მონაცემების“ ამ მახასიათებელს სისწრაფე (Velocity) ეწოდება.

შესაბამისად, „დიდ მონაცემებთან“ მომუშავე პროგრამული უზრუნველყოფის შექმნა, დანერგვა და გამოყენება ნებისმიერი ორგანიზაციისთვის ერთ-ერთ უდიდეს გამოწვევას წარმოადგენს. „დიდი მონაცემების“ აქტუალობა წლიდან წლამდე მატულობს, 2020 წლისთვის ბაზარზე დიდ მონაცემებთან მომუშავე ათობით მაღალი დონის პროგრამა არსებობს[1]. 2018 წლის ინფორმაციით, „დიდი მონაცემების“ აპლიკაციების გაყიდვა/მხარდაჭერით მიღებული შემოსავლების საერთო მოცულობა 42 მილიარდ დოლარს შეადგენს, ხოლო 2027 წლისთვის აღნიშნული მაჩვენებლის 103 მილიარდ დოლარამდე გაზრდას ვარაუდობენ.

„დიდი მონაცემების“ აპლიკაციების გამოყენების რამდენიმე უმნიშვნელოვანესი მიმართულება:

• განათლება - „დიდი მონაცემების“ დამუშავებით შესაძლებელია სასწავლო პროგრამის და მასალების დინამიური მართვა, რომელიც სტუდენტთა სასწავლო ისტორიების საფუძველზე თითოეული სტუდენტის ინდივიდუალური მოთხოვნების უკეთესად გათვალისწინების საშუალებას იძლევა;
• ჯანდაცვა - „დიდი მონაცემები“ ცალსახად ამცირებს პაციენტებისთვის დიაგნოზის დასმის დროს და ამაღლებს დიაგნოზის ხარისხს, აუმჯობესებს დაავადებათა პრევენციას (ადრეულ ეტაპზე მათ გამომჟღავნებას), ასრულებს ამა თუ იმ გეოგრაფიულ რეგიონში ეპიდემიების გავრცელების პროგნოზირებას;
• ამინდის პროგნოზი - სატელიტური თანამგზავრებიდან და მეტეოროლოგიური სენსორებიდან ათწლეულების განმავლობაში მიღებული „დიდი მონაცემების“ საფუძველზე შესაძლებელია ამინდის პროგნოზის გაუმჯობესება, გლობალური დათბობის შესახებ უფრო მეტი და ხარისხიანი ინფორმაციის მიღება, ბუნებრივი კატასტროფების თვისებებში უკეთ გარკვევა და მათთან უფრო ეფექტურად გამკლავება.

დღესდღეობით, დიდი მონაცემები, ასევე, ეფექტურად გამოიყენება საცალო და საბითუმო ვაჭრობის, საბანკო, საფინანსო, სატრანსპორტო, სამთავრობო და სხვა მრავალ სფეროში.