Slå oddsen i big data productivity-kampen

Gartner publiserte i juli 2013 sin reviderte hype-syklus på big data. Dette er en tidslinje som spår fasene som selskaper vil gå gjennom når de prøver å få big dataene sine til å fungere for dem.

I Gartner-modellen vil virksomheter først gå inn i et stadium hvor de vil innovere og eksperimentere med big data. Dette vil bli fulgt av en periode med optimisme og svært høye forventninger fra IT og virksomhetsstyring.

Gartners neste spådde fase for selskaper er en periode med desillusjon. Dette er når selskaper forventes å ta en "time-out" fra big data-sysler. Bedrifter vil begynne å stille spørsmål ved om de får all den konkurransefortrinn informasjonen de forventet. Det er også i løpet av denne perioden at selskaper vil omgruppere og revidere det de prøver å gjøre med big data, og spørre om virksomheten er på riktig vei. Som en konsekvens av dette introspeksjonen vil selskaper foreta justeringer av metodikk og forventninger og deretter starte på en ny vei mot big data-produktivitet hvor de vil begynne å se resultatene av arbeidskraften.

Gartner-modellen er spesielt interessant fordi den nedjusterer den estimerte ankomsten til virksomhetsproduktivitet fra big data. I Gartner-syklusen for stor datahype i 2012 anslått at selskaper ville oppnå produktivitet med big data innen en to til fem års tidsramme. I dagens omarbeidede hype-syklusmodell anslås denne oppnåelsen av produktivitet å være fem til ti år unna.

Ledere for store dataprosjekter ønsker ikke å høre denne nyheten, men det er bedre å tenke på det nå (og reflektere over hva du kan gjøre for å unngå det) enn å fortsette uten å vurdere om en forsinket produktivitetsprognose kan gjelde deg.

Gartner sier at de to hovedårsakene til sine nedadgående big data-produktivitetsrevisjoner for selskaper er: (1) Big data-verktøy og teknikker anskaffes før virksomheter har den kompetansen og modenheten som er nødvendig for å bruke dem, og (2) virksomheter sliter med hvordan de skal stille de riktige spørsmålene og se muligheter der de kan utnytte big data for gjennombrudd innsikt.

Det naturlige spørsmålet er: Må stordatamestere i organisasjoner akseptere realiteten for utvidet tid til big data-produktivitet? Svaret er nei. Du kan ta skritt for å unngå sandfeller som ser ut til å sentrere mer rundt mangel på organisatorisk kunnskap om big data enn mangel på verktøy eller ressurser. Her er seks anbefalinger.

1: Bygg din virksomhetssak først

Nathan Gnanasambandam, seniorforskningsanalytiker hos Xerox, snakket nylig om "drømmeøkter" de hadde med sine klienter. I øktene blir klienter bedt om å komme med spørsmål om virksomhetene deres som de alltid har ønsket å svare på, men som aldri kunne ha den informasjonen de hadde tilgjengelig.

Å bygge forretningssaker for big data trenger ikke være så involvert, men ingen skal handle for et big data-verktøy og system uten en klar strategisk retning for hva selskapet forventer å lære av dataene.

2: Ikke bli budsjett fornøyd

Big data shopping er mye som mobilenheter og netthandel var for flere år siden - alle vil skryte rettigheter i toppmøter som deres selskap "har" big data-løsninger. For IT, som ofte befinner seg involvert i budsjettkamp, ​​er det også utfordringen å finansiere big datasystemer og verktøy mens budsjettsolen skinner på big data. Forsøk å unngå dette til du har de strategiske økter med bedriftsledere om hva du vil ha fra store dataene dine.

3: Ikke "underdesign" pilotprosjekter

Det normale forløpet i et IT-prosjekt ved bruk av ny teknologi er å utforme et lite pilotprosjekt først slik at du får en rask prosjektsuksess under beltet. Strategien skal ikke være annerledes med big data.

Imidlertid må du fremdeles utforme det første prosjektet stort nok slik at metodene du bruker kan brukes på påfølgende forretningssaker. Hvis du ikke designer et konseptbevis som du kan utnytte for fremtidig arbeid, kan du raskt finne deg selv (og ledelsen din) drevet inn i desillusjonsfasen av big data som Gartner snakker om.

4: Søk hjelp hvis du ikke vet hvordan du stiller de riktige spørsmålene

Du bør begynne å lete etter big data-konsulenter og eksperter ved hjelp av big data-leverandørene. Hvis leverandørene dine ikke kan tilby assistanse på dette kritiske utviklingsområdet, bør du vurdere å samarbeide med dem på nytt.

5: Utfør et bevis på konsept før du kjøper noe

Det er viktig å ha forretningssaker i hånden før du signerer med en leverandør av store dataløsninger. Du bør også planlegge å utføre et konseptbevis i en av sakene dine for forretningsbruk hos leverandøren før du kjøper; Dette gir deg og ledergruppen større mulighet til å se om den foreslåtte løsningen virkelig passer godt.

6: Vurder en batch vs. en stordata-applikasjon i sanntid først

Det er mye liv rundt "in-memory" -teknologien og muligheten til å få nær sanntidsanalyserapporter fra big data. Virkeligheten er at de fleste bedrifter bare ønsker å utvide riket til sin forretningsintelligens.

I de fleste tilfeller kan big data intelligence svare på viktige spørsmål like enkelt i en batchrapporteringsmodus, og du unngår å innføre for mye komplikasjoner i prosessene dine for tidlig. Den kompliserte komplikasjonen kommer fra at du samtidig må administrere sanntidsbehandling fra både postsystemer og big data-analyse i datasenteret. Med mindre du jobber i en bransje som må ha sanntidsanalyse, for eksempel aksjehandel eller detaljhandel med høyt volum, kan du alltid legge til sanntidsfunksjonen senere.

© Copyright 2021 | pepebotifarra.com