Innehåll
- Vad är Big Data?
- Att fånga och knäppa Big Data
- Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
- Använda Big Data för affärsbeslut
- Större data på vägen
Källa: Lightspectrum / Dreamstime.com
Hämtmat:
Att hitta sätt att förvandla översvämningen av data till användbar information för affärsbeslut är en växande utmaning för IT-yrket och chefer på C-nivå.
En häpnadsväckande 2,5 exabyte med data skapas dagligen; 90 procent av uppgifterna i världen idag har genererats ensam under de senaste två åren. Dessa data kommer från överallt: sensorer som används för att samla in klimatinformation, webbplatser för sociala medier, digitala bilder och videor, köpa transaktionsposter och GPS-signaler för mobiltelefon, för att bara nämna några källor. Att hitta sätt att förvandla översvämningen av data till användbar information för affärsbeslut är en växande utmaning för IT-yrket och chefer på C-nivå. Det är där ett av dagens topptekniska buzzwords kommer in: big data. Och det får inte surr för ingenting. Big data har makten att byta verksamhet på ett stort sätt. Ta en titt på hur det fungerar.
Vad är Big Data?
Termen "big data" beskriver datauppsättningar som växer exponentiellt och som är för stora, råa och ostrukturerade för analys med traditionell databasteknik och tekniker. Oavsett om det är terabyte eller petabyte, är den exakta datamängden mindre frågan än hur den används.
Big data har tre dimensioner: volym, hastighet och variation. Företagen är otroliga i mängden data, data skapas och behandlas i allt högre takt och datatyperna, till exempel sociala medier och medvetna mobila enheter, sprider sig.
Så hur är någon av den här informationen användbar? Faktum är att det finns ett antal sätt som big data kan skapa värde för en organisation. Först kan stora data låsa upp betydande värde genom att göra information transparent och användbar vid mycket högre frekvenser. För det andra, när organisationer skapar och lagrar mer transaktionsdata i digital form, kan de samla in detaljerad prestationsdata om allt från produktinventeringar till sjukdagar. Så här använder företag insamling och analys av data för att utföra kontrollerade experiment och fatta bättre förvaltningsbeslut. Andra använder data för grundläggande prognoser till högfrekvent nucasting för att justera sina affärspakar precis i tid.
Dessutom tillåter big data en smalare segmentering av kunder och mer exakt skräddarsydda produkter eller tjänster. Dessa sofistikerade analyser kan väsentligt förbättra beslutsfattandet. Dessutom kan big data också användas för att förbättra utvecklingen av nästa generation av produkter och tjänster. Till exempel använder tillverkare data erhållna från sensorer som är inbäddade i produkter för att skapa unika servicetilbud. (Precis hur man sorterar ut alla dessa uppgifter är ett yrke i sig själv. Läs mer i Data Scientists: The New Rock Stars of the Tech World.)
Att fånga och knäppa Big Data
För att fånga in och krossa big data måste företagen distribuera ny lagring, datoranalys och analytisk teknik och teknik. Utbudet av tekniska utmaningar och prioriteringarna för att hantera dem kommer att variera beroende på företagets datatid. Äldre system och oförenliga standarder och format kan emellertid förhindra integration av data och hindra mer sofistikerade analyser som skapar värde. Detta innebär att big data också kräver stor teknik.
Flera nya och förbättrade metoder för datahantering och dataanalys hjälper till med effektiv hantering av big data och skapandet av analys från dessa data. Det faktiska tillvägagångssättet som används kommer att bero på datamängden, mängden data, komplexiteten i de analytiska bearbetningsbelastningarna som är inblandade och den respons som företaget kräver. Det kommer också att bero på de funktioner som leverantörerna tillhandahåller för att hantera, administrera och styra big data-miljön. Dessa funktioner är viktiga urvalskriterier för produktutvärdering.
Big data-teknologier inkluderar open source-databashanteringssystem utformade för att hantera enorma mängder data, inklusive Cassandra och Hadoop, samt business intelligence-programvara som är utformade för att rapportera, analysera och presentera data.
Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
Använda Big Data för affärsbeslut
Forrester Research uppskattar att organisationer effektivt använder endast fem procent av sin tillgängliga information. Det lämnar mycket utrymme för optimering och förbättring, varför det kräver montering av en teknikbunt som består av allt från lagring och datoranvändning till analys- och visualiseringsprogramvaror för att använda stora digitala datasätt för affärsbeslut. De specifika teknikkraven och prioriteringarna kommer att variera baserat på de stora datahållare som ska implementeras och en institutionens datamognad.
Så är det värt besväret? Med ett ord, ja. Affärsfördelarna med att använda big data är tydliga. Till exempel uppskattar McKinsey Global Institute att en återförsäljare som använder big data effektivt kan öka sin rörelsemarginal med mer än 60 procent. När det gäller ROI, blir det bara mycket bättre än så.
För att dra nytta av big data rekommenderar McKinsey att företagsledare vidtar följande steg:
- Förteckning över alla datatillgångar
- Identifiera möjligheter och risker för värdeskapande
- Bygg upp interna kapaciteter för att skapa en datadriven organisation
- Utveckla en företagsinformationsstrategi för att implementera teknik
- Adressera datapolitiska frågor, som sekretess, säkerhet och immateriell egendom
Datapolitiska frågor är särskilt oroande när det gäller big data. Stora databaser innehåller ofta mycket känslig information, till exempel företagshemligheter eller data som måste skyddas enligt lag. Dessutom finns det ofta en avvägning mellan tillgänglighet och sekretess för data. Om en organisation vill att data ska vara tillgängliga och användbara finns det ofta mindre säkerhet kring dessa data som ett resultat. För att behandla big data för realtidsbeslut är centralisering av data avgörande. Men när centraliseringen ökar minskar förmågan att sequestera och säkra konfidentiella data.
Dessutom kan storleken på datauppsättningen göra implementering av säkerhet och integritetskontroller svårt. Att kryptera alla dessa uppgifter av säkerhetsskäl skulle vara ett tidskrävande och dyrt företag och skulle minska databehandlingen och därmed hindra snabbt beslut.
Nyckeln till att hantera integritets- och säkerhetsutmaningarna för big data är det första steget som identifierats ovan: lagra alla datatillgångar. När organisationen först har förstått var stordata finns och vilken typ av data det finns, kan den vidta åtgärder, till exempel att investera i säkerhetsteknologi som kan hantera stora datavolymer, för att säkra sin konfidentiella information.
Större data på vägen
Så vad är nästa? En sak är säker: Big data är här för att stanna.
Men big data handlar om mer än storlek; det handlar om möjligheter. I det här fallet är det en möjlighet att hitta insikter i nya och nya typer av data och innehåll, att göra affärer mer smidiga och att svara på frågor som tidigare ansågs utöver räckvidd.
Nyckeln till att dra nytta av det är då att fånga upp och krossa det och använda det effektivt för att fatta smarta affärsbeslut. Lättare sagt än gjort, men hittills visar resultaten sig vara värda stora ansträngningar.