Ekonomi Big Data - dummies

Cara terbaik untuk memahami ekonomi data besar adalah dengan melihat pelbagai kaedah untuk meletakkan data besar untuk bekerja untuk organisasi anda. Walaupun kos khusus mungkin berbeza-beza kerana saiz organisasi anda, kuasa beli, hubungan vendor, dan sebagainya, kelas perbelanjaan adalah agak konsisten.

Jenis dan sumber data yang besar

Keputusan yang paling penting yang perlu anda lakukan berkenaan dengan jenis dan sumber

• Data apa yang diperlukan untuk menangani masalah perniagaan anda?

• Di mana anda boleh mengimport data?

• Apa yang boleh anda lakukan dengan data?

• Berapa kerap anda perlu berinteraksi dengan data?

• Siapa yang menjaga pemilikan data dan produk kerja?

• Berapa lama anda perlu menyimpan data?

• Bolehkah anda mempercayai data dan sumbernya?

Menganalisis data besar untuk menjangka apa yang seterusnya

Seringkali petunjuk tersedia dalam data sedia ada. Walau bagaimanapun, tanpa data yang mencukupi, petikan ini akan diabaikan kerana data mungkin kelihatan seperti outlier atau bahkan ralat. Jenis-jenis pemberitahuan awal mengenai keperluan yang berubah-ubah ini membolehkan perniagaan menguji perkhidmatan baru dan pembungkusan baru yang boleh menjadi penting.

Mencari sumber data yang betul

Menyediakan data adalah langkah seterusnya. Ia bukan hanya tentang di mana untuk mendapatkan data, tetapi juga bentuk atau jenis data serta kualiti atau kepercayaan data. Sumber data sentimen yang baik terdapat di laman web sosial seperti Facebook, foursquare, Yelp, Pinterest, dan Twitter.

Sumber yang anda pilih mungkin ditentukan oleh tabiat pelanggan anda. Jumlah data yang luas dan anda mungkin mencari jarum pepatah dalam jerami. Di samping itu, struktur dan jenis data ini berbeza dari tapak ke laman web, menambah kerumitan dan kos tambahan juga.

Apa yang boleh anda lakukan dengan data?

Memahami kekerapan data yang digunakan oleh sistem dalaman dapat membantu mengawal kos. Sekiranya keperluan untuk menganalisis sentimen pelanggan secara real time merentasi beberapa sifat sosial, kos akan menjadi sangat tinggi. Sekiranya analisis boleh dilakukan lebih santai atau dengan sumber data yang lebih sedikit, kos boleh menjadi lebih rendah dan lebih mudah dikawal.

Sesetengah pembekal sumber data besar akan mahu mengekalkan pemilikan data mereka, melesenkannya untuk kegunaan tertentu yang tidak menentu. Lain-lain akan dibuka dengan kos akses yang sedikit atau tidak ada atau keperluan penggunaan yang terlalu tinggi. Sesetengah pelesenan data akan mengehadkan penggunaan untuk mengira dan memusnahkan.

Orang lain mungkin membenarkan anda menggunakan data, tetapi mengharuskan anda "memberikannya kembali" apabila analisis atau pengiraan anda selesai.Penjagaan harus sentiasa diambil untuk melindungi maklumat syarikat.

Ekonomi data yang besar harus difahami dari dua dimensi: memulakan dan menguruskan keadaan mantap. Kos permulaan boleh terkandung dengan mencari data terbuka atau sumber data yang boleh diakses dengan mudah. Sekiranya lebih banyak sumber pusat data diperlukan, anda harus mempertimbangkan perkhidmatan berasaskan awan di mana anda boleh "membayar oleh minuman. "Lebih mudah untuk bereksperimen dengan cara ini.

Kesan teknologi data besar

Dalam dunia yang ideal, ia akan dapat menggunakan banyak teknologi dan aplikasi yang sedia ada apabila data besar digunakan untuk aliran kerja. Bagaimanapun, kemungkinan besar teknologi baru perlu digunakan.

Banyak alat baru dan berbeza tersedia untuk data besar. Jika pengurus jenama perlu mengumpulkan data dari beberapa laman sosial yang berbeza, masing-masing dengan jenis data yang berbeza, dia perlu bekerja dengan pasukan IT untuk memilih teknologi yang paling sesuai dengan keperluan perniagaan dan kos.

Anda pastinya mempunyai pelaksanaan produk yang akan menggabungkan unsur-unsur Hadoop dan Hive. Juga, teknologi baru akan diperlukan. Teknologi yang sedia ada terlalu rapuh atau kerana ia direka untuk tugas tertentu.

Cari bakat untuk menyokong projek data besar

Penganalisis perniagaan mungkin perlu menambah pangkat mereka dengan para saintis data. Ini boleh dicapai dengan hubungan perundingan dalam fasa permulaan, tetapi harus beralih kepada kakitangan tetap sebagai arah menjadi jelas. Seorang saintis data tunggal tidak mungkin dijawab. Yang paling leverage akan direalisasikan dengan mewujudkan satu kumpulan saintis data.

Bagi pasukan IT, pengetahuan mengenai teknologi data baru perlu diperkenalkan kepada anggota pasukan sedia ada melalui latihan dan mentoring. Adalah adil untuk menganggap bahawa bakat baru perlu disewa sebagai organisasi anda mendekati keadaan mantap.

Banyak universiti dan kolej telah mula menawarkan kursus yang sepatutnya membantu mengisi jurang dalam jangka pendek. Dalam jangka masa panjang, vendor yang menyediakan penyelesaian perlu membuat lebih banyak penyelesaian data besar yang boleh memanfaatkan kerumitan.