Q:
Как предприятие может достичь аналитической гибкости с большими данными?
A:Все виды предприятий стремятся к успеху в сфере больших данных, но у некоторых результаты намного лучше, чем у других. Где одни предприятия идут так плохо, а другие - так хорошо?
Достижение хороших результатов с большими данными начинается с достаточной пропускной способности системы. Когда лидеры разрабатывают правильные виды решений для среды больших данных, аппаратное обеспечение может легко обрабатывать свои рабочие нагрузки, и людям не нужно бегать, пытаясь решить проблемы с пропускной способностью сети. Это означает выделение достаточного количества ядер ЦП или вычислительной мощности центральным серверам, удовлетворение потребностей в динамической памяти и предоставление адекватных решений для хранения данных, а также мониторинг потока данных через систему, выявление и устранение любых узких мест.
Другая большая часть «гибких больших данных» связана с людьми. Компания должна иметь правильное обучение и необходимые ресурсы для реализации. Наличие адекватного таланта на борту жизненно важно, и там, где есть какие-либо пробелы, ключевое значение имеет быстрое и эффективное обучение и развитие внутренних сотрудников. Компании могут во многом полагаться на консультантов, но в конце концов, эти системы больших данных должны быть достаточно опытными, чтобы бизнес мог уверенно справляться с ними.
| Бесплатный вебинар Знание вашего клиента на нескольких платформах |
Еще одна фундаментальная область правильного использования больших данных появляется, когда предприятия начинают фактически использовать данные, которые они собрали. Адекватные аппаратные системы могут хорошо выполнять операции с данными, и талантливые люди могут поддерживать и правильно их использовать, но есть все еще значительные различия в результатах, которые получают компании, в зависимости от того, как система создает отчеты, отбирает данные и представляет только правильные аналитика приводит только в правильных направлениях. Многое из этого связано с концептуальной сортировкой структурированных и неструктурированных наборов данных, не вдаваясь в систему и данные подсчета персонала, а вместо этого, имея философию данных, которая фокусируется только на самых важных наборах данных и отбрасывает неактуальные и неусвояемые данные.
Все эти стратегии приведут предприятие к возможному успеху с системами больших данных. Компании должны критически относиться к внедрению с точки зрения практичности, чтобы не нарушать существующие операции. Им нужно посмотреть, как новые и современные инструменты будут располагаться поверх устаревших систем или как большие данные будут переноситься через новую ИТ-архитектуру. Благодаря тщательному исследованию и анализу руководящие группы могут обойти ловушки больших данных и получить успешные результаты для предприятия.
