10 zasad i zakazów dotycz?cych Big Data

Big data jest wykorzystywana i stosowana w wielu dziedzinach biznesu, poniewa? analityka danych, sztuczna inteligencja i uczenie maszynowe staj? si? cz??ci? g?ównego nurtu. Analityka big data mo?e wydoby? prawdziw? warto?? z tego bogactwa danych, a dane te mog? by? ustrukturyzowane, nieustrukturyzowane lub cz??ciowo ustrukturyzowane.

Pojawienie si? mediów spo?eczno?ciowych da?o wiele nowych mo?liwo?ci gromadzenia danych o zachowaniach klientów. Oto kilka przyk?adów:

• Dane Clickstream pochodz? z interakcji na stronie internetowej, takich jak klikni?cia mysz? i przewijanie strony internetowej.
• Spo?eczno?ciowe serwisy biznesowe to internetowe spo?eczno?ci klientów, którzy ch?tnie dziel? si? informacjami na temat swoich zachowań zakupowych.
• Czujniki dostarczaj? danych o fizycznych ?rodowiskach klientów, takich jak temperatura, wilgotno?? i wzorce ruchu.

Spostrze?enia uzyskane z analizy danych mog? pomóc organizacjom w procesie podejmowania decyzji. Jednak prawdziwe korzy?ci z big data mo?na osi?gn?? tylko wtedy, gdy s? one zarz?dzane we w?a?ciwy sposób. Organizacje mog? unikn?? zagubienia si? w przestrzeni big data, identyfikuj?c punkt wyj?cia z prostymi przypadkami u?ycia i wdra?aj?c je w celu szybkiego sprawdzenia wyników.

Pierwszym krokiem przed rozpocz?ciem jakiejkolwiek inicjatywy zwi?zanej z big data jest odpowiednie planowanie. Organizacja musi jasno zna? cel projektu. Powinna równie? okre?li?, jak? warto?? chce wydoby? i jak wp?ynie to na decyzje biznesowe. Na pocz?tek nale?y wybra? najbardziej obiecuj?cy obszar.

W tym artykule omówimy niektóre z zaleceń i zakazów zwi?zanych z inicjatywami Big Data.

1. Poznaj cel i punkt wyj?cia

Cel gromadzenia danych i okre?lenie punktu wyj?cia jest bardzo wa?ne dla powodzenia ka?dego projektu big data. Na pocz?tek celem powinno by? zidentyfikowanie najbardziej obiecuj?cych przypadków u?ycia dla firmy. Pomo?e to organizacji zidentyfikowa? komponenty dla tych przypadków u?ycia.

Nast?pnie nale?y przeprowadzi? odpowiednie planowanie, aby zastosowa? techniki Bigdata do tych przypadków u?ycia i uzyska? cenny wgl?d w rozwój firmy. Priorytet wykonania powinien zale?e? od takich czynników jak:

• Koszt wdro?enia.
• Przewidywany wp?yw na biznes.
• D?ugo?? czasu wymaganego do uruchomienia.
• Szybko?? wdro?enia.

Organizacje powinny zawsze zaczyna? od prostej i ?atwej do wdro?enia aplikacji jako projektu pilota?owego. (Przeczytaj tak?e: Dlaczego warto porzuci? narz?dzie do zarz?dzania projektami na rzecz systemu operacyjnego).

2. Prawid?owo oceniaj licencje na dane

Dane s? paliwem dla wszelkich projektów Big Data i analitycznych. Dlatego bardzo wa?ne jest, aby chroni? dane przed niew?a?ciwym wykorzystaniem. Przed udzieleniem dost?pu do danych jakiemukolwiek dostawcy lub u?ytkownikowi zewn?trznemu nale?y wdro?y? odpowiednie warunki licencjonowania. Licencja na dane powinna jasno okre?la? nast?puj?ce podstawowe punkty. W umowie licencyjnej znajdzie si? równie? wiele innych krytycznych parametrów.

• Kto b?dzie korzysta? z danych?
• Jakie dane b?d? dost?pne?
• W jaki sposób dane b?d? wykorzystywane?

Je?li wyst?pi jakikolwiek b??d w licencjonowaniu, wynikaj?ca z tego utrata danych i niew?a?ciwe u?ycie b?d? mia?y niezaprzeczalnie negatywny wp?yw na biznes.

3. Zezwalaj na demokratyzacj? danych

Demokratyzacj? danych mo?na zdefiniowa? jako ci?g?y proces, w którym ka?dy w organizacji ma dost?p do danych. Ludzie w organizacji powinni czu? si? komfortowo, pracuj?c z danymi i ?mia?o wyra?a? swoje opinie.

Demokratyzacja danych pomaga organizacjom sta? si? bardziej zwinnymi i podejmowa? decyzje biznesowe oparte na danych. Mo?na to osi?gn?? poprzez ustanowienie odpowiedniego procesu. Po pierwsze, dane powinny by? dost?pne dla wszystkich warstw, niezale?nie od struktury organizacyjnej. Po drugie, po walidacji danych nale?y ustanowi? jedno ?ród?o prawdy (zwane ?z?otym ?ród?em”). Po trzecie, ka?dy powinien mie? mo?liwo?? sprawdzenia danych i wniesienia swojego wk?adu. Po czwarte, nowe pomys?y mog? by? testowane poprzez podejmowanie skalkulowanego ryzyka. Je?li nowy pomys? zakończy si? sukcesem, organizacje mog? i?? naprzód, w przeciwnym razie mo?na go uzna? za wyci?gni?t? lekcj?.

4. Buduj kultur? wspó?pracy

W grze Big Data bardzo wa?na jest wzajemna wspó?praca mi?dzy ró?nymi dzia?ami i grupami w organizacji. Inicjatywa big data mo?e odnie?? sukces tylko wtedy, gdy zostanie zbudowana odpowiednia kultura organizacyjna na wszystkich poziomach, niezale?nie od ich ról i obowi?zków.

Kierownictwo organizacji powinno mie? jasn? wizj? przysz?o?ci i musi zach?ca? do nowych pomys?ów. Wszyscy pracownicy i ich dzia?y powinni mie? mo?liwo?? znajdowania okazji i budowania sprawdzonych koncepcji, aby je zweryfikowa?. Nie powinno by? ?adnej polityki obwiniania i zatrzymywania gry. Jest to zawsze proces uczenia si?, który musi by? akceptowany zarówno w przypadku sukcesu, jak i pora?ki.

5. Ocena infrastruktury big data

Cz??? infrastrukturalna ka?dego projektu Big Data jest równie wa?na. Ilo?? danych jest mierzona w petabajtach, które s? przetwarzane w celu uzyskania wgl?du. Z tego powodu zarówno infrastruktura przechowywania, jak i przetwarzania danych musi by? odpowiednio oceniona.

Centra danych s? wykorzystywane do celów przechowywania danych, wi?c musz? by? oceniane pod k?tem sk?adników kosztów, zarz?dzania, tworzenia kopii zapasowych, niezawodno?ci, bezpieczeństwa, skalowalno?ci i wielu innych czynników. (Przeczytaj tak?e: 6 kluczowych zagro?eń zwi?zanych z chmur? publiczn?).

Podobnie, przetwarzanie du?ych zbiorów danych i powi?zana infrastruktura technologiczna musz? zosta? dok?adnie sprawdzone przed sfinalizowaniem transakcji. Us?ugi w chmurze s? generalnie bardzo elastyczne pod wzgl?dem wykorzystania i kosztów. Uznani dostawcy us?ug w chmurze to mi?dzy innymi AWS, Azure i GCP, ale na rynku jest te? wielu innych.

Centra danych s? wykorzystywane do celów przechowywania danych, wi?c musz? by? oceniane pod k?tem sk?adników kosztów, zarz?dzania, tworzenia kopii zapasowych, niezawodno?ci, bezpieczeństwa, skalowalno?ci i wielu innych czynników. (Przeczytaj tak?e: 6 kluczowych zagro?eń zwi?zanych z chmur? publiczn?).

6. Nie zgub si? w morzu danych

Dobre zarz?dzanie danymi jest bardzo wa?ne dla powodzenia projektów big data. Przed wdro?eniem nale?y zaplanowa? odpowiedni? strategi? gromadzenia danych. Ogólnie rzecz bior?c, istnieje powszechna tendencja do gromadzenia wszystkich starszych danych biznesowych. Jednak wszystkie te dane mog? nie pasowa? do obecnych scenariuszy biznesowych. Dlatego wa?ne jest, aby najpierw zidentyfikowa? przypadki u?ycia biznesowego i okre?li?, gdzie dane b?d? stosowane.

Gdy strategia danych jest dobrze zdefiniowana i bezpo?rednio ??czy si? z docelow? aplikacj? biznesow?, mo?na zaplanowa? kolejny krok wdro?enia. Nast?pnie nowe dane mog? zosta? rozszerzone w celu poprawy modelu i jego wydajno?ci.

7. Nie zapominaj o? oprogramowaniu open source

Przydatno?? rozwa?anej technologii powinna by? oceniana na podstawie wielko?ci projektu i bud?etu organizacyjnego. Wiele platform open source jest dost?pnych za darmo do prowadzenia projektów pilota?owych. Ma?e i ?rednie organizacje mog? korzysta? z rozwi?zań open source, aby rozpocz?? swoj? przygod? z big data. Tak wi?c, organizacja powinna skupi? si? na wynikach i ROI.

Hadoop to platforma oprogramowania typu open source, która wykorzystuje HDFS (rozproszony system plików Hadoop) i MapReduce do analizy du?ych zbiorów danych na klastrach sprz?tu towarowego, czyli w rozproszonym ?rodowisku obliczeniowym. (Przeczytaj: Jak mog? wykorzysta? Hadoop do analizy du?ych zbiorów danych?)

Ruch Big Data dojrza? do punktu, w którym Hadoop sta? si? de facto standardem przetwarzania du?ych zbiorów danych. MapReduce to model programowania s?u??cy do dystrybucji danych i ich równoleg?ego przetwarzania w klastrze komputerów przy u?yciu prostych modeli programowania. Zosta? on opracowany przez Google w celu wydajnego przetwarzania du?ych ilo?ci danych na du?ych klastrach komputerów.

8. Nie zaczynaj bez odpowiedniego planowania

Bardzo niebezpiecznym trendem jest rozpoczynanie wszystkich projektów Big Data za jednym zamachem. Takie podej?cie prawdopodobnie doprowadzi tylko do cz??ciowego sukcesu lub ca?kowitej pora?ki. Organizacje powinny odpowiednio planowa? przed rozpocz?ciem inicjatyw zwi?zanych z big data, zamiast i?? na ca?o?? lub podejmowa? skok wiary. Zawsze zaleca si? rozpocz?cie od prostej, ma?ej i mierzalnej aplikacji.

Gdy pilota? zakończy si? sukcesem, mo?na go wdro?y? w aplikacjach na du?? skal?. Kluczowe jest po?wi?cenie czasu na opracowanie planu i staranny wybór projektu pilota?owego.

9. Nie zaniedbuj bezpieczeństwa

Bezpieczeństwo danych to kolejny wa?ny aspekt projektów big data. W ka?dym scenariuszu big data, petabajty danych s? pobierane z ró?nych systemów ?ród?owych, a nast?pnie przetwarzane. Przetworzone dane stanowi? dane wej?ciowe do modelu analitycznego. Wynikiem analizy jest cenny wgl?d w dzia?alno?? firmy. Po udoskonaleniu surowych danych i wydobyciu z nich znacz?cych informacji, poufno??, integralno?? i dost?pno?? (CIA) tych informacji staje si? krytyczna.

Gdy dane zawieraj? krytyczne informacje biznesowe, staj? si? cenne dla organizacji. Dlatego dane te musz? by? zabezpieczone przed zagro?eniami zewn?trznymi. Bezpieczeństwo danych musi by? zaplanowane jako cz??? cyklu ?ycia wdro?enia Big Data. (Przeczytaj tak?e: Bezpieczeństwo w chmurze: 5 typowych zagro?eń cybernetycznych).

10. Nie skupiaj si? na pojedynczych jednostkach biznesowych

W dzisiejszym z?o?onym scenariuszu biznesowym skupianie si? na pojedynczej jednostce biznesowej nie pomo?e. Organizacje powinny spojrze? na biznes jako ca?o?? i my?le? w kategoriach globalnej perspektywy. Najlepszym podej?ciem powinno by? podejmowanie ma?ych kroków na raz i utrzymywanie globalnego spojrzenia. Koncentracja powinna by? holistyczna pod wzgl?dem jednostek biznesowych. B?dzie to mia?o pozytywny wp?yw i lepszy zwrot z inwestycji.

Podsumowanie

Nie ma konkretnej ?cie?ki sukcesu dla wdro?enia Big Data. Jest to jednak po??czenie planowania, strategii, podej?cia i ró?nych innych czynników, które prowadz? do sukcesu.

Ka?da organizacja ma konkretny cel do osi?gni?cia, wi?c strategia powinna by? odpowiednio zaplanowana, projekt pilota?owy musi by? starannie wybrany, a uzyskane informacje musz? by? odpowiednio chronione i traktowane.