BDI302cChưa đo Cập nhật 2 ngày trước
BDI302c - Dữ liệu lớn
175Câu hỏi
3Bộ đề
13Chủ đề
Câu hỏi của môn
144/175 câuCòn 31
125Spark runs on which computing engine?4 lựa chọn
AYARN
BFlume
CSqoop
DZookeeper
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "YARN". Spark có thể chạy ở nhiều chế độ quản lý cụm như standalone, Mesos, Kubernetes, và phổ biến nhất trong hệ sinh thái Hadoop là chạy trên YARN: khi đó Spark xin container từ ResourceManager để khởi chạy các executor trên những NodeManager, dùng chung tài nguyên với các ứng dụng Hadoop khác và đọc dữ liệu ngay trên HDFS. "Flume" sai vì nó là dịch vụ thu thập và chuyển dữ liệu log, sự kiện vào HDFS, không cấp tài nguyên tính toán. "Sqoop" sai vì nó chỉ chuyển dữ liệu giữa Hadoop và cơ sở dữ liệu quan hệ. "Zookeeper" sai vì nó cung cấp dịch vụ điều phối như lưu cấu hình, đồng bộ, bầu chọn nút chủ cho hệ phân tán, chứ không phải nơi phân bổ CPU, bộ nhớ để chạy tác vụ Spark.
AYes
BNo: lines have to be converted into row.
CNo: RDD’s needed to be made relational first.
DNo: RDD’s cannot be converted into DataFrames.
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "No: lines have to be converted into row.". DataFrame trong Spark SQL là tập dữ liệu có lược đồ, mỗi phần tử là một đối tượng Row với các cột có tên và kiểu; một RDD đọc từ tệp văn bản chỉ là tập các chuỗi, nên phải dùng map để tách mỗi dòng thành các trường và đóng gói thành Row, sau đó mới gọi createDataFrame hoặc toDF để có DataFrame. "Yes" sai vì RDD các dòng thô chưa có cấu trúc cột, Spark không tự suy ra được lược đồ. "No: RDD’s needed to be made relational first." diễn đạt mơ hồ: không có bước biến RDD thành quan hệ nào riêng, việc cần làm cụ thể là chuyển từng dòng thành Row. "No: RDD’s cannot be converted into DataFrames." sai vì Spark hỗ trợ chuyển RDD sang DataFrame, cả bằng cách suy luận lược đồ từ Row lẫn bằng cách khai báo lược đồ tường minh qua StructType.
127Which aspect of managing big data involves ensuring data is accurate, consistent, and reliable?4 lựa chọn
AData ingestion
BData quality
CData operations
DData scalability
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Data quality". Chất lượng dữ liệu (data quality) là mảng quản lý dữ liệu lớn lo cho dữ liệu chính xác, nhất quán giữa các nguồn và đáng tin cậy, thông qua kiểm tra, làm sạch, loại trùng, chuẩn hoá định dạng và giám sát liên tục. "Data ingestion" là khâu nạp dữ liệu từ nguồn vào hệ thống, quan tâm số lượng nguồn, tốc độ và định dạng đầu vào; có thể kiểm tra sơ bộ khi nạp nhưng mục tiêu chính không phải bảo đảm tính đúng. "Data operations" là các thao tác vận hành trên dữ liệu như lọc, gộp, biến đổi, truy vấn. "Data scalability" là khả năng hệ thống lưu trữ và xử lý mở rộng theo khối lượng dữ liệu tăng, chẳng hạn bằng cách thêm máy, liên quan đến dung lượng và hiệu năng chứ không phải độ chính xác.
AResource Manager and Container
BApplications Master and Container
CNode Manager and Applications Master
DResource Manager and Node Manager
ENode Manager and Container
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Resource Manager and Node Manager". Trong YARN của Hadoop, ResourceManager và NodeManager là hai thành phần thường trực tạo nên data-computation framework (khung tính toán dữ liệu): ResourceManager chạy ở nút chủ, nắm toàn bộ tài nguyên cụm và quyết định cấp phát cho các ứng dụng; NodeManager chạy trên mỗi nút thợ, quản lý tài nguyên của máy đó, khởi chạy và giám sát container rồi báo cáo về ResourceManager. "Resource Manager and Container" thiếu NodeManager, vì container chỉ là gói tài nguyên CPU và bộ nhớ được cấp phát chứ không phải thành phần quản lý. "Applications Master and Container" gồm hai thứ chỉ tồn tại theo từng ứng dụng, không phải nền tảng thường trực. "Node Manager and Applications Master" thiếu ResourceManager, đầu mối cấp phát tài nguyên toàn cụm; ApplicationMaster chỉ thương lượng tài nguyên cho riêng một ứng dụng. "Node Manager and Container" chỉ là phần thực thi ở một nút, không có bộ điều phối tài nguyên chung.
A394383.53786
B45373.454788
C243767.4564
D60928.635220
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "60928.635220". Câu dẫn không kèm bảng số liệu; con số đến từ tập dữ liệu điều tra dân số Hoa Kỳ năm 2010 dùng trong bài thực hành, nơi mỗi dòng là một hạt (county) với cột tên bang và cột dân số. Cách tính là lọc các dòng thuộc bang Georgia rồi lấy trung bình cột dân số. Georgia có 159 hạt với tổng khoảng 9.687.653 người, nên trung bình là 9.687.653 chia 159: 159 nhân 60.928 được 9.687.552, còn dư 101, và 101 chia 159 xấp xỉ 0,635220, ra 60.928,635220. "394383.53786" nhân 159 hạt sẽ ra khoảng 62,7 triệu người, gấp hơn sáu lần dân số Georgia. "45373.454788" nhân 159 chỉ được khoảng 7,2 triệu người, thấp hơn tổng thực tế gần 2,5 triệu. "243767.4564" nhân 159 ra khoảng 38,8 triệu người, quá xa so với dân số khoảng 9,7 triệu của bang này.
AIn the Product Backlog
BIn a database
CIn a Scrum Product Requirement Specification
DNowhere. The Scrum Product Owner knows them
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "In the Product Backlog". Đây là kiến thức về Scrum, khung quản lý dự án linh hoạt (agile) chứ không riêng gì dữ liệu lớn: trong Scrum, Product Backlog là danh sách có thứ tự mọi yêu cầu, tính năng, cải tiến và sửa lỗi của sản phẩm, do Product Owner quản lý và sắp ưu tiên, nên yêu cầu khách hàng được ghi ở đó dưới dạng các mục backlog như user story. "In a database" chỉ nói tới phương tiện lưu trữ, không phải một artifact của Scrum; backlog có thể nằm trong công cụ có cơ sở dữ liệu nhưng câu hỏi hỏi artifact. "In a Scrum Product Requirement Specification" sai vì Scrum không định nghĩa tài liệu đặc tả yêu cầu kiểu này, ba artifact chuẩn là Product Backlog, Sprint Backlog và Increment. "Nowhere. The Scrum Product Owner knows them" sai vì Scrum đòi hỏi minh bạch, yêu cầu phải được ghi lại cho cả nhóm thấy chứ không nằm trong đầu một người.
131In attribute grouping, how would one evaluate if two attributes should go together? (Choose 2)5 lựa chọn
AProbability of Two Attributes Co-occurring
BIntegrated Views
CSimilarity of Attributes
DCustomer Interaction
ECandidate Designs
Lời giải
Mở trang câu hỏi này →Đáp án đúng gồm hai ý: "Probability of Two Attributes Co-occurring" và "Similarity of Attributes". Nhóm thuộc tính (attribute grouping) là bước dựng lược đồ trung gian khi tích hợp nhiều nguồn: quyết định thuộc tính nào của các nguồn thực chất cùng nghĩa và nên gộp chung. Hai thước đo dùng ở đây là độ tương tự của thuộc tính, ví dụ tên hay giá trị giống nhau như phone và telephone, và xác suất hai thuộc tính cùng xuất hiện trong một nguồn: nếu hai thuộc tính thường đứng cạnh nhau trong cùng lược đồ thì chúng mang nghĩa khác nhau, không nên gộp. "Integrated Views" là khung nhìn tích hợp, kết quả cuối mà người dùng truy vấn, không phải tiêu chí đánh giá. "Customer Interaction" là dữ liệu hành vi khách hàng, không liên quan đến việc so khớp thuộc tính. "Candidate Designs" là các phương án lược đồ ứng viên sinh ra sau khi nhóm, không phải căn cứ để quyết định nhóm.
132What is lambda architecture?3 lựa chọn
AA specific method for processing streaming data using special real time processes.
BA specific hardware architecture for a server made specifically for processing real time data.
CA method to process streaming data by utilizing batch processing and real time processing.
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "A method to process streaming data by utilizing batch processing and real time processing.". Lambda architecture (kiến trúc lambda) là kiến trúc phần mềm xử lý dữ liệu lớn gồm ba tầng: batch layer xử lý lại toàn bộ dữ liệu lịch sử theo lô để có kết quả chính xác, speed layer xử lý dữ liệu mới theo thời gian thực để bù độ trễ của tầng lô, và serving layer gộp kết quả của hai tầng để trả lời truy vấn. Điểm cốt lõi là kết hợp cả xử lý lô lẫn xử lý thời gian thực. Mảnh "using special real time processes" chỉ mô tả tầng xử lý thời gian thực, thiếu tầng lô; cách chỉ dùng xử lý dòng gần với kiến trúc Kappa hơn. Mảnh "A specific hardware architecture for a server" sai vì lambda architecture là cách tổ chức luồng xử lý bằng phần mềm, chạy trên cụm máy thông thường, không phải thiết kế phần cứng máy chủ.
AGiraph, for SQL-like queries.
BPig, for real-time and in-memory processing of big data.
CZookeeper, analyze social graphs.
DZookeeper, management system for animal named related components
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Zookeeper, management system for animal named related components". ZooKeeper là công cụ mã nguồn mở của hệ sinh thái Hadoop cung cấp dịch vụ điều phối tập trung cho hệ phân tán: lưu cấu hình, đặt tên, đồng bộ, bầu chọn nút chủ; cái tên mang ý chơi chữ người giữ vườn thú vì nhiều thành phần Hadoop được đặt theo tên con vật như Pig (con lợn), Hive (tổ ong) và chính chú voi Hadoop, nên mô tả này đúng về bản chất là hệ điều phối cho các thành phần đó. "Giraph, for SQL-like queries." sai vì Giraph là nền tảng xử lý đồ thị lặp theo mô hình Pregel; truy vấn kiểu SQL là việc của Hive. "Pig, for real-time and in-memory processing of big data." sai vì Pig chạy luồng dữ liệu theo lô, còn xử lý trong bộ nhớ tốc độ cao là đặc trưng của Spark. "Zookeeper, analyze social graphs." sai vì ZooKeeper không phân tích dữ liệu nào; phân tích đồ thị mạng xã hội là việc của Giraph hoặc GraphX.
AAssess the Situation
BAsk the Right Questions
CDefine the Problem
DDefine Goals
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Define the Problem". Trong giai đoạn tìm đúng vấn đề để giải quyết bằng khoa học dữ liệu, việc đầu tiên là định nghĩa vấn đề: phát biểu rõ vấn đề kinh doanh hay khoa học cần giải, phạm vi của nó và vì sao nó quan trọng, vì mọi bước sau đều dựa trên phát biểu này. Chỗ dễ tranh cãi là "Ask the Right Questions": đặt đúng câu hỏi là tinh thần chung xuyên suốt cả giai đoạn tìm vấn đề, nên nhiều người coi nó là bước khởi đầu, nhưng nó là cách làm áp dụng ở mọi bước chứ không phải một bước riêng đứng đầu; phải có vấn đề được định nghĩa thì mới biết câu hỏi nào là đúng. "Assess the Situation" là đánh giá nguồn lực, dữ liệu sẵn có, rủi ro và ràng buộc, chỉ làm được khi đã biết vấn đề là gì. "Define Goals" là đặt mục tiêu và tiêu chí thành công đo được, cũng đến sau khi vấn đề đã được định nghĩa.
135What are the three types of diverse data sources?4 lựa chọn
AInformation Networks, Map Data, and People
BMachine Data, Map Data, and Social Media
CMachine Data, Organizational Data, and People
DSensor Data, Organizational Data, and Social Media
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Machine Data, Organizational Data, and People". Các nguồn dữ liệu lớn thường được chia ba nhóm: dữ liệu máy (machine data) do cảm biến, thiết bị, nhật ký hệ thống sinh ra tự động với tốc độ cao; dữ liệu tổ chức (organizational data) như giao dịch, hồ sơ khách hàng, tồn kho của doanh nghiệp, thường có cấu trúc và nằm trong các cơ sở dữ liệu; và dữ liệu do con người (people) tạo ra như mạng xã hội, email, ảnh, phần lớn phi cấu trúc. "Information Networks, Map Data, and People" dùng hai mục chỉ là ví dụ dữ liệu cụ thể chứ không phải nhóm nguồn. "Machine Data, Map Data, and Social Media" thiếu dữ liệu tổ chức, còn bản đồ và mạng xã hội chỉ là ví dụ thuộc nhóm máy và nhóm con người. "Sensor Data, Organizational Data, and Social Media" dùng ví dụ hẹp thay cho tên nhóm: cảm biến chỉ là một phần của dữ liệu máy, mạng xã hội chỉ là một phần của dữ liệu con người.
136What is the veracity of big data?4 lựa chọn
AThe connectedness of data.
BThe speed at which data is produced.
CThe abnormality or uncertainties of data.
DThe size of the data.
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "The abnormality or uncertainties of data.". Veracity (tính xác thực) là chữ V nói về chất lượng và độ tin cậy của dữ liệu: dữ liệu lớn gom từ nhiều nguồn nên thường có nhiễu, giá trị bất thường, thiếu sót, mâu thuẫn và độ bất định, cần làm sạch và đánh giá trước khi dùng để ra quyết định. "The connectedness of data." là valence (tính liên kết), mức độ các phần tử dữ liệu nối với nhau, ví dụ trong mạng xã hội. "The speed at which data is produced." là velocity (tốc độ), nói về dữ liệu được sinh ra và cần xử lý nhanh tới mức nào. "The size of the data." là volume (khối lượng), độ lớn của dữ liệu. Ba đặc trưng đó mô tả hình thái và quy mô, còn chỉ veracity nói về mức đáng tin của dữ liệu.
AIntegration -> Personalization -> Precision
BBig Data -> Better Models -> Higher Precision
CTheory -> Models -> Precise Advice
DExtrapolation -> Understanding -> Reproducing
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Integration -> Personalization -> Precision". Ví dụ tiêu biểu là y học chính xác (precision medicine): các dòng dữ liệu (data streams) từ hồ sơ bệnh án, xét nghiệm gen, thiết bị đeo, cảm biến môi trường trước hết được tích hợp (integration) lại; có bức tranh tích hợp của từng người thì mới cá nhân hoá (personalization) được; và cá nhân hoá dẫn tới chẩn đoán, điều trị chính xác (precision) cho đúng người đó. Chỗ dễ nhầm nhất là "Big Data -> Better Models -> Higher Precision", vốn hay bị ghi làm đáp án: nó là cách tóm tắt một quy trình khác, rằng nhiều dữ liệu giúp mô hình tốt hơn và dự đoán chính xác hơn, chứ không mô tả quá trình sử dụng các dòng dữ liệu bắt đầu bằng khâu tích hợp. "Theory -> Models -> Precise Advice" mô tả hướng đi từ lý thuyết xuống, không xuất phát từ dữ liệu. "Extrapolation -> Understanding -> Reproducing" sai vì ngoại suy (extrapolation) là suy rộng ra ngoài vùng dữ liệu có sẵn, không phải bước đầu khi dùng các dòng dữ liệu, và chuỗi này không dẫn tới tính chính xác.
138What are three categories of different data sources?4 lựa chọn
AMachine Data, Organizational Data, and People
BMachine Data, Map Data, and Social Media
CInformation Networks, Map Data, and People
DSensor Data, Organizational Data, and Social Media
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Machine Data, Organizational Data, and People". Nguồn dữ liệu lớn thường được chia thành ba nhóm: dữ liệu do máy sinh ra như cảm biến, thiết bị IoT, nhật ký hệ thống, vệ tinh; dữ liệu của tổ chức như giao dịch, hồ sơ khách hàng, dữ liệu vận hành trong doanh nghiệp; và dữ liệu do con người tạo ra như bài đăng mạng xã hội, email, ảnh, video, đánh giá. "Machine Data, Map Data, and Social Media" sai vì dữ liệu bản đồ chỉ là một dạng dữ liệu cụ thể, còn mạng xã hội là một phần của nhóm dữ liệu con người. "Information Networks, Map Data, and People" sai vì mạng thông tin và dữ liệu bản đồ không phải hai nhóm nguồn gốc, đồng thời thiếu hẳn dữ liệu máy và dữ liệu tổ chức. "Sensor Data, Organizational Data, and Social Media" dùng hai mục con thay cho nhóm lớn: cảm biến chỉ là một loại dữ liệu máy, mạng xã hội chỉ là một loại dữ liệu con người.
139What is a characteristic of streaming data?4 lựa chọn
AData is unbounded in size but requires only finite time and space to process it.
BThe data is unbounded in size and the size determines the time and space of processing the data.
CThe data is finite and requires only finite time and space to process the data.
DData is finite in size and size determines the time and space of processing the data.
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Data is unbounded in size but requires only finite time and space to process it.". Dữ liệu luồng (streaming data) đến liên tục, không có điểm kết thúc nên kích thước không bị chặn (unbounded); vì không thể đợi gom đủ rồi mới tính, hệ xử lý luồng xử lý từng phần tử hoặc từng cửa sổ (window) nhỏ khi nó tới và chỉ giữ một trạng thái gọn, nên mỗi bước tốn thời gian và bộ nhớ hữu hạn dù dòng dài bao nhiêu. "The data is unbounded in size and the size determines the time and space of processing the data." sai vì nếu chi phí tăng theo kích thước của một dòng vô hạn thì không hệ nào xử lý nổi; xử lý luồng ra đời chính để tách chi phí khỏi tổng kích thước. "The data is finite and requires only finite time and space to process the data." mô tả một tập dữ liệu tĩnh có kích thước biết trước, không phải dòng liên tục. "Data is finite in size and size determines the time and space of processing the data." là đặc trưng của xử lý theo lô (batch) truyền thống, khi thời gian chạy tăng theo dung lượng tập dữ liệu.
140What would be the two possible solutions associated with "big data" information integration? (Choose 2)5 lựa chọn
AProbabilistic Schema Mapping
BCustomer Transactions
CPay-as-you-go Model
DMediated Schema
EAttribute Grouping
Lời giải
Mở trang câu hỏi này →Đáp án đúng gồm hai ý: "Probabilistic Schema Mapping" và "Pay-as-you-go Model". Tích hợp thông tin (information integration) với dữ liệu lớn khó vì số nguồn rất nhiều và lược đồ thay đổi liên tục, nên không thể thiết kế tay một lược đồ chung hoàn hảo từ đầu. Probabilistic schema mapping (ánh xạ lược đồ xác suất) gán cho mỗi cách ghép thuộc tính giữa nguồn và lược đồ chung một xác suất thay vì đòi một ánh xạ duy nhất chắc chắn; pay-as-you-go model (mô hình tích hợp dần theo nhu cầu) cho hệ thống chạy ngay với mức tích hợp sơ bộ rồi tinh chỉnh dần khi cần. "Mediated Schema" là cách làm truyền thống, dựng trước một lược đồ trung gian toàn cục, khó mở rộng cho hàng nghìn nguồn biến động. "Attribute Grouping" là một bước kỹ thuật bên trong khi sinh lược đồ, gom các thuộc tính tương tự, chứ không phải giải pháp độc lập. "Customer Transactions" là một loại dữ liệu, không phải giải pháp tích hợp.
141ZooKeeper is primarily used for:4 lựa chọn
AData mining
BCoordination services (e.g., configuration, synchronization)
CFull cluster resource management
DBoth a and c
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Coordination services (e.g., configuration, synchronization)". ZooKeeper là dịch vụ điều phối tập trung cho ứng dụng phân tán: nó lưu dữ liệu nhỏ trong cây znode, cung cấp nơi giữ cấu hình chung, khoá phân tán để đồng bộ, đặt tên, theo dõi nút nào còn sống và bầu chọn nút chủ; HBase, Kafka hay HDFS chế độ sẵn sàng cao đều dựa vào nó. "Data mining" sai vì ZooKeeper không phân tích dữ liệu, nó chỉ giữ trạng thái điều phối. "Full cluster resource management" sai vì quản lý và cấp phát tài nguyên của cả cụm là việc của YARN với ResourceManager; ZooKeeper có thể giúp ResourceManager chuyển đổi dự phòng nhưng không tự cấp CPU, bộ nhớ. "Both a and c" ghép khai phá dữ liệu với quản lý toàn bộ tài nguyên cụm, hai việc đều không phải chức năng của ZooKeeper nên cũng sai.
AData that lacks a predefined data model and does not fit well into relational databases.
BData organized into rows and columns, typically stored in spreadsheets.
CData that follows a strict schema with defined relationships between entities.
DData stored in a hierarchical format, often used in XML files.
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Data that lacks a predefined data model and does not fit well into relational databases.". Dữ liệu phi cấu trúc là dữ liệu không có mô hình dữ liệu định nghĩa trước, như văn bản tự do, email, ảnh, âm thanh, video; nó không chia sẵn thành hàng và cột nên không đặt vừa bảng của cơ sở dữ liệu quan hệ và phải dùng kỹ thuật như xử lý ngôn ngữ tự nhiên hay thị giác máy để rút thông tin. Phương án "organized into rows and columns, typically stored in spreadsheets" mô tả dữ liệu có cấu trúc dạng bảng, ngược với phi cấu trúc. Phương án "follows a strict schema with defined relationships between entities" cũng là dữ liệu có cấu trúc trong cơ sở dữ liệu quan hệ với lược đồ và khoá ngoại. Phương án "Data stored in a hierarchical format, often used in XML files." là dữ liệu bán cấu trúc: không có lược đồ cứng nhưng có thẻ và quan hệ cha con, nên vẫn có cấu trúc nhất định.
143When working with CSV files, which of the following best represents the concept of a data model?4 lựa chọn
AThe organization of data elements and relationships within the file
BThe specific file format used to store data
CThe process of converting data into a different format
DThe way data is displayed to end-users
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "The organization of data elements and relationships within the file". Mô hình dữ liệu (data model) mô tả cấu trúc của dữ liệu: gồm những phần tử nào, mỗi phần tử có kiểu gì, liên hệ với nhau ra sao, cùng các ràng buộc và phép toán trên chúng. Với tệp CSV, mô hình dữ liệu là cách tổ chức thành các dòng bản ghi, các cột trường ngăn bởi dấu phẩy, dòng tiêu đề đặt tên cột và quan hệ giữa các giá trị trong một bản ghi. "The specific file format used to store data" chỉ là định dạng vật lý ở tầng lưu trữ; cùng một mô hình bảng có thể lưu dưới CSV, Parquet hay bảng SQL. "The process of converting data into a different format" là chuyển đổi định dạng, một thao tác trên dữ liệu chứ không phải mô hình. "The way data is displayed to end-users" là tầng trình bày, phụ thuộc giao diện chứ không phản ánh cấu trúc của dữ liệu.
ADisease data from the Centers for Disease Control.
BSatellite Data
CSocial Media
DMultimedia
Lời giải
Mở trang câu hỏi này →Đáp án đúng: "Disease data from the Centers for Disease Control.". Dữ liệu lớn thường được chia theo nguồn sinh ra: máy móc, con người và tổ chức. Organizational data (dữ liệu tổ chức) là dữ liệu mà doanh nghiệp hay cơ quan ghi nhận trong hoạt động của mình như giao dịch, hồ sơ, thống kê; dữ liệu bệnh tật do Trung tâm Kiểm soát Dịch bệnh tập hợp từ báo cáo của cơ sở y tế là ví dụ điển hình. "Satellite Data" là dữ liệu do máy sinh ra, đến từ cảm biến và thiết bị chụp ảnh trên vệ tinh. "Social Media" là dữ liệu do con người sinh ra khi đăng bài, bình luận, chia sẻ. "Multimedia" là một dạng định dạng dữ liệu gồm ảnh, âm thanh, video, nói về hình thức của dữ liệu chứ không chỉ ra nguồn tổ chức nào tạo ra nó, và phần lớn nội dung đa phương tiện do người dùng tạo.