ในโพสต์ก่อนๆ เกี่ยวกับ Big Data ผมบอกคุณ Basic Steps สำหรับการออกแบบสถาปัตยกรรม Big Data และ Functionality ของแต่ละเลเยอร์ในสถาปัตยกรรม
Big Data มีความสัญญาว่าดีสำหรับทุกประเภทของอุตสาหกรรม หาก big data นี้ถูกใช้ประโยชน์อย่างมีประสิทธิภาพและมีประสิทธิผล มันสามารถสร้างผลกระทบอย่างมีนัยสำคัญในการตัดสินใจและการวิเคราะห์ แต่ประโยชน์ของ big data สามารถบรรลุได้ก็ต่อเมื่อมันถูกจัดการอย่างมีโครงสร้าง
หากคุณมองหาคำตอบที่สมบูรณ์แบบสำหรับดิเลมมาจริยธรรม big data คุณ 'จะไม่พบมันในบทความนี้ – หรือบทความอื่นๆ ใดๆ สำหรับเรื่องนั้น เพราะไม่มีคำตอบที่สมบูรณ์แบบ หากมีคำตอบที่สมบูรณ์แบบ คำตอบที่ชัดเจน หรือคำตอบที่ง่าย เราจะไม่เผชิญกับดิเลมมา – จะไม่มีพื้นที่สีเทา
บริษัทและ firma หลายแห่งกำลังเริ่มเดินทางสู่ Big Data และอยู่ในขั้นตอนเริ่มต้นของการดำเนินการ พิจารณา "Do's and Don'ts" นี้เป็นส่วนหนึ่งของกลยุทธ์ของคุณ
DO'S
- Do involve all business units in your big data strategy
Big data initiative ไม่ใช่กิจกรรมที่แยกต่างหากหรือเป็นอิสระ และดังนั้น เพื่อให้ได้ข้อมูลเชิงลึกที่มีประโยชน์ หน่วยธุรกิจทั้งหมดควรมีส่วนร่วม ด้วยความช่วยเหลือของ Big Data ธุรกิจใช้ปริมาณข้อมูลมหาศาลเพื่อรู้จักลูกค้า พฤติกรรม กระบวนการ เหตุการณ์ ฯลฯ ด้วยผลนั้น องค์กรจึงมุ่งเน้นข้อมูลทุกประเภทที่มาจากทุกทางที่เป็นไปได้
- Do evaluate all infrastructure models for Big Data Implementation
Big data จัดการกับเพตะไบต์ของข้อมูล การจัดการข้อมูลนี้เป็นกังวลหลัก ด้วยส่วนประกอบต้นทุนก็ต้องพิจารณาก่อนเลือกสิ่งอำนวยความสะดวกจัดเก็บ Data Centers และ Cloud services โผล่มาเป็นโซลูชัน การจัดเก็บเป็นหนึ่งในปัจจัยสำคัญที่สุดที่ควรประเมินอย่างรอบคอบ
- Do think about your traditional data sources as part of your big data strategy
Traditional Data เป็นองค์ประกอบสำคัญสำหรับความสำเร็จของเรื่อง big data ใดๆ มันสำคัญมากที่คุณวางแผนที่จะใช้ผลลัพธ์ของ big data analytics ร่วมกับ data warehouse ของคุณ Data warehouse รวมข้อมูลเกี่ยวกับวิธีที่บริษัทของคุณดำเนินงาน
ดังนั้น การสามารถเปรียบเทียบผลลัพธ์ big data ต่อมาตรฐานของข้อมูลหลักของคุณ จึงเป็นสิ่งสำคัญสำหรับการตัดสินใจ
- Do plan for consistent big metadata
หนึ่งใน Characteristics ของ Big Data คือ "VARIETY" ในสภาพแวดล้อม big data ข้อมูลมาจากแหล่งต่างๆ ที่แตกต่างกันในรูปแบบ โครงสร้าง และประเภท ดังนั้นข้อมูลจึงไม่ได้ถูกล้างทำให้สะอาด ตรวจสอบข้อมูลเข้าเพื่อความสอดคล้องโดยการสังเกตและวิเคราะห์ซ้ำๆ เมื่อข้อมูลสอดคล้องแล้ว สามารถพิจารณาว่าเป็น Consistent Big Metadata
- Do distribute your big data
การจัดการปริมาณข้อมูลมหาศาลนี้บนเซิร์ฟเวอร์เพียงเครื่องเดียวเป็นฝันที่ไกลโพ้น หาวิธีการนำ Distributed computing มาใช้ในระบบของคุณ เช่น Hadoop เพื่อจัดการขนาด ความหลากหลาย และความเร็วที่จำเป็นในการจัดการข้อมูลของคุณอย่างมีประสิทธิภาพ
- Do Validate
เป็นผู้สงสัยมากที่สุดของตัวเองเมื่อเกี่ยวกับข้อมูลและการวิเคราะห์ ไม่มีวิธีเร็วกว่านี้ที่จะสูญเสียความน่าเชื่อถือและความมั่นใจของผู้จัดการของคุณ มากกว่าการนำเสนอข้อมูลที่ไม่ดี หรือการวิเคราะห์ที่ไม่ถูกต้องที่เป็นผลลัพธ์
DON'TS
- Don't rely on a single approach to big data analytics
เทคโนโลยีหลากหลายพร้อมใช้งานในตลาดสำหรับการประมวลผล big data Hadoop เป็นพื้นฐานสำหรับทุกอย่าง ดังนั้น จึงสำคัญที่จะประเมินเทคโนโลยีที่ถูกต้องสำหรับวัตถุประสงค์ที่ถูกต้อง ตัวอย่างของแนวทางวิเคราะห์ที่ดี ได้แก่ predictive analytics, prescriptive analytics, text analytics, stream data analytics ฯลฯ
แนวทางที่ดีที่สุดในการเลือกหนึ่งคือ สืบสวนเกี่ยวกับแนวทางที่มีอยู่ทั้งหมด ทดลองเพื่อเลือกโซลูชันเทคโนโลยีที่สมบูรณ์แบบสำหรับธุรกิจของคุณ
- Don't start Large Big Data initiative before you are ready:
ศักยภาพของ big data น่าประทับใจมาก แต่คุณค่าจริงสามารถบรรลุได้ก็ต่อเมื่อเราลดข้อผิดพลาดและได้รับความเชี่ยวชาญมากขึ้น ระวัง อย่าเริ่มทั้งหมดพร้อมกัน เดินก่อนวิ่ง ถึงแม้จะดีที่จะนำหน้าคู่แข่ง แต่จะดีกว่านั้นหากคุณทำด้วยอัจฉริยะและประสบการณ์
เพื่อตั้งค่า full stack คุณจะต้องเริ่มเล็ก มักแนะนำให้เริ่มด้วยขั้นตอนเล็กๆ สำหรับ big data initiative ใดๆ ดังนั้น เริ่มกับโครงการทดลองเพื่อสะสมความเชี่ยวชาญ แล้วค่อยไปสู่การดำเนินการจริง
- Don't overlook the need to integrate big data
แหล่งข้อมูลกระจายอยู่รอบๆ เราและเพิ่มขึ้นทุกวัน ผลลัพธ์การวิเคราะห์ที่มีประสิทธิภาพสามารถบรรลุได้ก็ต่อเมื่อแหล่งข้อมูลทั้งหมดถูกรวมเข้าด้วยกัน เทคโนโลยีที่ดีมีอยู่ในตลาดสำหรับการบูรณาการข้อมูล แต่ควรประเมินอย่างเหมาะสมก่อนใช้
- Don't forget to manage big data securely
ความปลอดภัยข้อมูลเป็นการพิจารณาหลักในการวางแผน big data เมื่อบริษัทเริ่มต้นการวิเคราะห์ Big Data พวกเขาบ่อยครั้งลืมรักษาระดับความปลอดภัยและการกำกับดูแลข้อมูลเดียวกับที่ถือว่าเป็นมาตรฐานในสภาพแวดล้อมการจัดการข้อมูลแบบดั้งเดิม
ความปลอดภัยสำหรับเพตะไบต์ของข้อมูลไม่ได้ถูกบังคับใช้อย่างเข้มงวด แต่หลังจากประมวลผลบางส่วน คุณจะได้ subset ของข้อมูลที่ให้ข้อมูลเชิงลึก บางส่วน ณ จุดนี้ ความปลอดภัยข้อมูลกลายเป็นสิ่งจำเป็น ยิ่งข้อมูลถูกปรับแต่งให้ละเอียด ยิ่งมีค่ามากขึ้น ข้อมูลที่ปรับแต่งละเอียดนี้กลายเป็นทรัพย์สินทางปัญญาและต้องได้รับการรักษาความปลอดภัย ดังนั้น Data Security ต้องถูกนำไปใช้เป็นส่วนหนึ่งของ big data life cycle
พร้อมกับความปลอดภัย กังวลเรื่องความเป็นส่วนตัวก็ควรได้รับการดูแลเช่นกัน
- Don't overlook the need to manage the performance of your big data
ผลลัพธ์ของเครื่องมือวิเคราะห์มีประโยชน์ก็ต่อเมื่อพวกมันทำงานได้ดี Big data ให้ข้อมูลเชิงลึกมากขึ้นจากการประมวลผลปริมาณข้อมูลมหาศาลที่ความเร็วสูง ความสามารถในการได้ข้อมูลเชิงลึกมากขึ้นเป็นประโยชน์มหาศาล ดังนั้น ข้อมูลนี้ควรจัดการอย่างมีประสิทธิภาพและมีประสิทธิผล ดังนั้น คุณต้องสร้าง manageability เข้าไปในแผนทางและแผนสำหรับ big data
- Don't let bad Data or records go unresolved
หมายถึงการลบ duplicates การเข้าใจว่าทำไมคุณถึงมี nulls การมาตรฐานรูปแบบข้อมูล และการรักษา key fields การตัดแต่งข้อมูลอย่างสม่ำเสมอจะทำให้มั่นใจได้ถึงความมีประสิทธิภาพและความแม่นยำ ขณะเดียวกันก็เก็บมันให้ทันสมัย
สรุป
ความสามารถในการใช้พลังของ big data ต้องการมากกว่าเทคโนโลยี มันต้องการการร่วมมือระหว่างธุรกิจและ IT ไม่มี silver bullet เมื่อพูดถึง big data analytics แตความสำเร็จเริ่มต้นด้วยกลยุทธ์ที่มั่นคง หวังว่าคุณจะใช้เคล็ดลับเหล่านี้เพื่อดึงข้อมูลเชิงลึกที่มีค่า ตั้งแต่การเพิ่มประสิทธิภาพกระบวนการไปจนถึงการปรับปรุงที่มุ่งหน้าลูกค้า
