Saturs
- Kas ir lielie dati?
- Lielo datu uztveršana un sagraušana
- Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
- Lielo datu izmantošana biznesa lēmumu pieņemšanā
- Lielāki dati ceļā
Avots: Lightspectrum / Dreamstime.com
Izņemšana:
Informācijas tehnoloģiju profesijas un C līmeņa vadītāju aizvien lielāks izaicinājums ir atrast veidus, kā pārvērst datu plūsmu par noderīgu informāciju biznesa lēmumu pieņemšanai.
Katru dienu tiek izveidoti satriecoši 2,5 datu eksabāti; 90 procenti mūsdienu pasaules datu ir iegūti tikai pēdējos divos gados. Šie dati nāk no jebkuras vietas: sensori, ko izmanto, lai apkopotu informāciju par klimatu, sociālo mediju vietnes, digitālie attēli un video, pirkumu darījumu ieraksti un mobilā telefona GPS signāli, lai nosauktu tikai dažus avotus. Informācijas tehnoloģiju profesijas un C līmeņa vadītāju aizvien lielāks izaicinājums ir atrast veidus, kā pārvērst datu plūsmu par noderīgu informāciju biznesa lēmumu pieņemšanai. Tajā ir viens no mūsdienu populārākajiem tehnoloģiju vārdiem: lieli dati. Un tas nav iegūt buzz par neko. Lielajiem datiem ir liela vara mainīt biznesu. Šeit labi apskatiet, kā tas darbojas.
Kas ir lielie dati?
Termins "lielie dati" apraksta datu kopas, kas pieaug eksponenciāli un ir pārāk lielas, neapstrādātas un nestrukturētas analīzei, izmantojot tradicionālās datu bāzes tehnoloģijas un paņēmienus. Neatkarīgi no tā, vai terabaiti vai petabaiti ir precīzi, tas ir mazāks jautājums nekā tas, kā šie dati tiek izmantoti.
Lielajiem datiem ir trīs dimensijas: apjoms, ātrums un dažādība. Uzņēmumiem trūkst datu apjoma, dati tiek veidoti un apstrādāti arvien augstākā ātrumā, un pieaug datu veidi, piemēram, sociālie mediji un apzinātas mobilās ierīces.
Tātad, kā šī informācija ir noderīga? Faktiski ir vairāki veidi, kā lielie dati var radīt vērtību organizācijai. Pirmkārt, lielie dati var atklāt ievērojamu vērtību, padarot informāciju caurspīdīgu un izmantojamu daudz augstākās frekvencēs. Otrkārt, organizācijām izveidojot un saglabājot vairāk darījumu datu digitālā formā, tās var apkopot detalizētus veiktspējas datus par visu, sākot no produktu krājumiem un beidzot ar slimības dienām. Tas ir veids, kā uzņēmumi izmanto datu vākšanu un analīzi, lai veiktu kontrolētus eksperimentus un labākus vadības lēmumus. Citi izmanto datus pamata prognozēšanai līdz augstfrekvences pašreizējai apraidei, lai tieši savlaicīgi pielāgotu biznesa sviras.
Turklāt lieli dati ļauj šaurāk segmentēt klientus un precīzāk pielāgot produktus vai pakalpojumus. Šī sarežģītā analīze var ievērojami uzlabot lēmumu pieņemšanu. Turklāt lielos datus var izmantot arī, lai uzlabotu nākamās paaudzes produktu un pakalpojumu attīstību. Piemēram, ražotāji izmanto datus, kas iegūti no izstrādājumos iestrādātiem sensoriem, lai izveidotu unikālus pakalpojumu piedāvājumus. (Tikai tas, kā visus šos datus sakārtot, ir pati par sevi profesija. Lasiet vairāk sadaļā Datu zinātnieki: Tehniskās pasaules jaunās roka zvaigznes.)
Lielo datu uztveršana un sagraušana
Lielu datu uztveršanai un sagraušanai uzņēmumiem ir jāizvieto jaunas glabāšanas, skaitļošanas un analītiskās tehnoloģijas un paņēmieni. Tehnoloģisko izaicinājumu klāsts un prioritātes to risināšanai atšķirsies atkarībā no firmas datu brieduma. Tomēr mantotās sistēmas un nesaderīgie standarti un formāti var novērst datu integrāciju un kavēt sarežģītāku analītiku, kas rada vērtību. Tas nozīmē, ka lieliem datiem ir nepieciešama arī liela tehnoloģija.
Vairākas jaunas un uzlabotas datu pārvaldības un datu analīzes pieejas palīdz efektīvi pārvaldīt lielos datus un no šiem datiem izveidot analītiku. Faktiskā izmantotā pieeja būs atkarīga no datu apjoma, datu daudzveidības, iesaistītās analītiskās apstrādes darba slodzes sarežģītības un uzņēmumam nepieciešamās atsaucības. Tas būs atkarīgs arī no pārdevēju sniegtajām iespējām lielo datu vides pārvaldībai, administrēšanai un pārvaldībai. Šīs iespējas ir svarīgi atlases kritēriji produktu novērtēšanai.
Lielo datu tehnoloģijās ietilpst atvērtā pirmkoda datu bāzu pārvaldības sistēmas, kas izstrādātas, lai apstrādātu milzīgu datu daudzumu, ieskaitot Cassandra un Hadoop, kā arī biznesa informācijas programmatūra, kas izstrādāta, lai ziņotu, analizētu un iesniegtu datus.
Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
Jūs nevarat uzlabot savas programmēšanas prasmes, kad nevienam nerūp programmatūras kvalitāte.
Lielo datu izmantošana biznesa lēmumu pieņemšanā
Forrester Research lēš, ka organizācijas efektīvi izmanto tikai piecus procentus no savas pieejamās informācijas. Tas atstāj daudz vietas optimizācijai un uzlabošanai, tāpēc lielo digitālo datu kopu izmantošanai biznesa lēmumu pieņemšanai ir nepieciešams montēt tehnoloģiju paketi, kas sastāv no visa, sākot no glabāšanas un skaitļošanas līdz analītiskās un vizualizācijas programmatūras lietojumprogrammām. Īpašās tehnoloģiju prasības un prioritātes atšķirsies, ņemot vērā lielos datu sviras, kas jāīsteno, un iestāžu datu briedumu.
Tātad, vai ir vērts satraukties? Vārdu sakot, jā. Lielo datu izmantošanas ieguvumi uzņēmējdarbībā ir skaidri redzami. Piemēram, McKinsey Global Institute lēš, ka mazumtirgotājs, kas efektīvi izmanto lielos datus, varētu palielināt savu peļņas normu par vairāk nekā 60 procentiem. Runājot par IA, tas tikai kļūst daudz labāks.
Lai gūtu labumu no lielajiem datiem, McKinsey iesaka biznesa vadītājiem veikt šādas darbības:
- Visu datu aktīvu uzskaite
- Nosakiet vērtības radīšanas iespējas un riskus
- Izveidojiet iekšējās iespējas, lai izveidotu uz datiem balstītu organizāciju
- Izstrādāt uzņēmuma informācijas stratēģiju tehnoloģijas ieviešanai
- Risināt datu politikas jautājumus, piemēram, privātumu, drošību un intelektuālo īpašumu
Datu politikas jautājumi rada īpašas bažas, kad runa ir par lielajiem datiem. Lielas datu bāzes bieži satur ļoti sensitīvu informāciju, piemēram, uzņēmuma noslēpumus vai datus, kas jāaizsargā ar likumu. Turklāt datu pieejamība un konfidencialitāte bieži notiek kompromisā. Ja organizācija vēlas, lai dati būtu pieejami un noderīgi, rezultātā šiem datiem bieži būtu mazāka drošība. Lai apstrādātu lielos datus reālā laika lēmumu pieņemšanā, datu centralizācija ir ļoti svarīga. Bet, palielinoties centralizācijai, sarūk un konfidenciālu datu atdalīšanas spēja.
Turklāt datu kopas lielums var padarīt drošības un privātuma kontroles ieviešanu smagu. Visu šo datu šifrēšana drošības apsvērumu dēļ būtu laikietilpīgs un dārgs process un palēninātu datu apstrādi, tādējādi kavējot ātru lēmumu pieņemšanu.
Galvenais, lai tiktu galā ar lielo datu privātuma un drošības izaicinājumiem, ir pirmais solis, kas noteikts iepriekš: uzskaita visus datu aktīvus. Kad organizācija saprot, kur atrodas lielie dati un kādi tur ir dati, tā var veikt pasākumus, piemēram, lai ieguldītu drošības tehnoloģijā, kas spēj apstrādāt lielus datu apjomus, lai aizsargātu savu konfidenciālo informāciju.
Lielāki dati ceļā
Tātad, kas ir nākamais? Viena lieta ir skaidra: šeit ir palikuši lieli dati.
Bet lielo datu ir vairāk nekā lieluma; tā par iespēju. Šajā gadījumā tā ir iespēja atrast ieskatu jaunos un topošos datu un satura veidos, padarīt biznesu elastīgāku un atbildēt uz jautājumiem, kas iepriekš tika uzskatīti par nepieejamiem.
Galvenais, lai no tā varētu gūt labumu, ir to notvert un izkratīt, kā arī efektīvi izmantot, lai pieņemtu saprātīgus biznesa lēmumus. Vieglāk sakot, nekā izdarīts, bet līdz šim rezultāti ir izrādījušies lielu pūļu vērti.