---

Слайд 1. Титульный
Название: «Большие данные и предиктивная аналитика»
Автор: студент 1ИО1 Болотни А.С.
Проверяющий: Ситникова И.А.
Учебное заведение: БГПУ, Историко-филологический факультет, кафедра Истории России и специальных исторических дисциплин
Год: 2026
Слайд 2. Введение
Рост объёма цифровой информации в современном мире
Почему тема актуальна: Big Data и предиктивная аналитика как инструменты для бизнеса, науки, образования, медицины и государственного управления
Цель работы: изучить понятие больших данных, рассмотреть принципы предиктивной аналитики, определить их значение в цифровой среде
Задачи (5 пунктов из введения)
Слайд 3. Большие данные: понятие и особенности
Определение Big Data: массивы информации с большим объёмом, высокой скоростью поступления и разнообразием форматов
Виды данных: тексты, изображения, видео, действия пользователей, покупки, геолокация
Почему традиционные методы не справляются: необходимость специальных программ, облачных технологий и машинного обучения
Что позволяют делать Big Data: выявлять скрытые связи, поведенческие модели, закономерности
Слайд 4. Источники и сферы применения Big Data
Источники: социальные сети, сайты, банковские операции, IoT-датчики, e-commerce, медицинские базы, транспортные системы
Сферы применения (с примерами):
Бизнес: анализ спроса, персональные предложения, реклама
Медицина: состояние пациентов, диагностика, планирование лечения
Образование: анализ успеваемости, индивидуальные траектории обучения
Государственное управление: общественные процессы, транспортные потоки, социальные тенденции
Вывод: основа для интеллектуальных информационных систем
Слайд 5. Предиктивная аналитика: суть и подходы
Определение: прогнозирование будущих событий на основе имеющейся информации
Методы: статистические методы, математическое моделирование, машинное обучение
Отличие от обычного анализа: не «что произошло», а «что может случиться»
Примеры прогнозов: спрос на товар, отток клиентов, технические неисправности
Зависимость точности от качества и объёма исторических данных
Слайд 6. Этапы обработки и анализа данных
6 ключевых этапов:
Сбор информации из различных источников
Очистка данных (ошибки, дубликаты, лишние элементы)
Структурирование и хранение
Анализ с помощью алгоритмов и моделей
Построение прогноза
Проверка точности результатов
Практический пример: интернет-магазин прогнозирует востребованные товары на основе прошлых покупок
Ключевое преимущество: принятие решений заранее, а не реагирование на произошедшее
Слайд 7. Преимущества технологий
Точные и обоснованные решения
Раннее выявление рисков и предотвращение проблем
Экономия времени и ресурсов (автоматизация анализа)
Персонализация: релевантный контент и товары для пользователя
Слайд 8. Примеры применения
Банковская сфера: анализ поведения клиента, расходов, частоты операций → подбор кредитных продуктов, выявление подозрительной активности
Медицина: прогнозирование развития заболеваний
Транспорт: расчёт загруженности дорог, оптимизация маршрутов
Вывод: важные инструменты управления в цифровой экономике
Слайд 9. Заключение
Big Data — ключевой ресурс современной информационной среды
Предиктивная аналитика позволяет прогнозировать будущие события на основе исторических данных
Используемые технологии: статистические методы, машинное обучение, цифровые платформы
Итог: повышение эффективности, снижение рисков, улучшение качества обслуживания, точные решения
Перспектива: рост значимости технологий в развитии цифрового общества
Слайд 10. Список использованных источников
СТО 7.3-2.5.02-2023 «Порядок написания и оформления выпускных квалификационных и курсовых работ (проектов). Нормоконтроль»
Материалы по теме Big Data и предиктивной аналитики из открытых образовательных ресурсов сети Интернет
Учебные и справочные издания по анализу данных, машинному обучению и цифровой экономике