[论文解读] Empirical Big Data Research: A Systematic Literature Mapping

Leendert W. M. Wienhofen, Bjørn Magnus Mathisen+1 more|arXiv (Cornell University)|Sep 10, 2015

Big Data and Business Intelligence参考文献 217被引用 12

一句话总结

本研究对大数据研究进行了系统性文献映射，以评估实证研究的普遍性及其与三大特征（数据量、数据速度、数据多样性）的一致性，同时识别应用领域。在1,778篇文献中仅有151篇（8.5%）包含实证结果，其中数据多样性是最被忽视但最具前景的研究前沿。

ABSTRACT

Background: Big Data is a relatively new eld of research and technology, and literature reports a wide variety of concepts labeled with Big Data. The maturity of a research eld can be measured in the number of publications containing empirical results. In this paper we present the current status of empirical research in Big Data. Method: We employed a systematic mapping method with which we mapped the collected research according to the labels Variety, Volume and Velocity. In addition, we addressed the application areas of Big Data. Results: We found that 151 of the assessed 1778 contributions contain a form of empirical result and can be mapped to one or more of the 3 V’s and 59 address an application area. Conclusions: The share of publications containing empirical results is well below the average compared to computer science research as a whole. In order to mature the research on Big Data, we recommend applying empirical methods to strengthen the condence in the reported results. Based on our trend analysis we consider Variety to be the most promising uncharted area in Big Data.

研究动机与目标

• 通过测量文献中实证研究的比例，评估大数据研究当前的成熟度。
• 映射大数据三大核心维度（数据量、数据速度、数据多样性）中现有实证研究的分布情况。
• 识别并分类大数据研究的应用领域。
• 评估大数据领域整体实证研究格局相对于计算机科学整体研究的水平。
• 提出加强实证严谨性的策略，以提升该领域的研究成熟度与可信度。

提出的方法

• 采用系统性文献映射方法分析大数据领域内的1,778篇文献。
• 根据文献与三大特征（数据量、数据速度、数据多样性）的契合度对文献进行分类。
• 根据是否存在可度量的、以数据为驱动的发现，识别并分类实证结果。
• 从已识别的文献中提取并分类应用领域。
• 进行趋势分析，以评估各V特征维度的发展程度与潜力。
• 将实证文献的占比与计算机科学领域的平均水平进行比较，以评估研究成熟度。

实验结果

研究问题

• RQ1 有多少比例的大数据研究文献包含实证结果？
• RQ2 现有实证研究在大数据的三大特征（数据量、数据速度、数据多样性）中如何分布？
• RQ3 大数据研究中哪些应用领域被最为突出地涉及？
• RQ4 大数据领域实证研究的占比与计算机科学整体领域相比如何？
• RQ5 三大特征中哪一个是最被忽视但最具前景的未来实证研究方向？

主要发现

• 在1,778篇文献中仅有151篇（约8.5%）包含任何形式的实证结果。
• 大多数实证研究集中于数据量和数据速度，而数据多样性显著被低估。
• 共有59篇文献涉及具体的应用领域，表明大数据研究已在部分领域实现实际部署。
• 大数据领域实证研究的占比显著低于计算机科学整体的平均水平。
• 趋势分析表明，数据多样性是最具潜力 yet 尚未被充分探索的未来实证大数据研究领域。
• 实证验证率偏低表明，亟需提升方法论严谨性，以增强该领域的可信度与成熟度。