The Economics of Big Data - dummies

Den beste måten å forstå økonomien ved store data er å se på de ulike metodene for å sette store data på jobb for organisasjonen. Selv om spesifikke kostnader kan variere på grunn av størrelsen på organisasjonen din, kjøpekraft, leverandørforhold og så videre, er kostnadsklassene ganske konsistente.

Store datatyper og kilder

De viktigste beslutningene du må ta med hensyn til typer og kilder, er

• Hvilke data vil være nødvendige for å løse forretningsproblemet ditt?

• Hvor kan du kilde dataene?

• Hva kan du gjøre med dataene?

• Hvor ofte trenger du å samhandle med dataene?

• Hvem opprettholder eierskap av dataene og arbeidsproduktene?

• Hvor lenge trenger du å beholde dataene?

• Kan du stole på dataene og dens kilde?

Analysere store data for å forutse hva som er neste

Ofte hint er tilgjengelig innen eksisterende data. Men uten nok data vil disse tipsene bli ignorert fordi dataene kan se ut som en outlier eller til og med en feil. Disse typer tidlige varsler om endringskrav kan gjøre det mulig for bedrifter å teste nye tjenester og ny emballasje som kan bli viktige.

Finne de riktige datakildene

Sourcing dataene er neste trinn. Det handler ikke bare om hvor man skal få dataene, men også skjemaet eller typen av dataene, samt kvaliteten eller påliteligheten til dataene. Gode ​​kilder til følelsesdata finnes i sosiale webegenskaper som Facebook, foursquare, Yelp, Pinterest og Twitter.

Kildene du velger, kan avgjøres av dine kunders vaner. Mengden data er stor, og du kan være på utkikk etter den ordspråklige nålen i høstestakken. I tillegg varierer strukturen og typene av disse dataene fra sted til sted, og legger til ekstra kompleksitet og kostnader.

Hva kan du gjøre med dataene?

Forstå hvor ofte dataene brukes av interne systemer, kan bidra til å kontrollere kostnadene. Hvis kravene er å analysere kundefølelse i sanntid over flere sosiale eiendommer, vil kostnadene være svært høye. Hvis analysen kan utføres mer rolig eller med færre datakilder, kan kostnadene være lavere og mer kontrollerbare.

Noen store datakildeleverandører vil opprettholde eierskap av dataene sine, og lisensierer den for spesifikke, ikke-destruktiv bruk. Andre vil være åpne med lite eller ingen tilgangskostnader eller overbærende bruksbehov. Enkelte datalisenser vil begrense bruken til å beregne og ødelegge.

Andre kan tillate deg å bruke dataene, men krever at du "gir det tilbake" når analysen eller beregningene er fullført.Det må alltid tas vare på å beskytte selskapsinformasjon.

Stor dataanalyse bør forstås fra to dimensjoner: Komme i gang og administrere stabil tilstand. Oppstartskostnader kan inneholdes ved å finne åpne data eller fritt tilgjengelige datakilder. Hvis flere datasenterressurser kreves, bør du vurdere skybaserte tjenester der du kan "betale med drikke. "Det er mye lettere å eksperimentere på denne måten.

Teknologiske virkninger av store data

I en ideell verden vil det være mulig å bruke mange eksisterende teknologier og applikasjoner når store data blir brukt på arbeidsflyter. Det er imidlertid mye mer sannsynlig at nye teknologier må være ansatt.

Mange nye og forskjellige verktøy er tilgjengelige for store data. Hvis en merkevareadministrator trenger å samle data fra flere forskjellige sosiale nettsteder, hver med forskjellige datatyper, må hun jobbe med IT-teamene for å velge hvilken teknologi som passer best for forretnings- og kostnadsbehov.

Du vil sikkert ha implementeringer av produkter som vil inkludere elementer av Hadoop og Hive. Også, ny teknologi vil være nødvendig. De eksisterende teknologiene er for sprø eller fordi de er utformet for en bestemt oppgave.

Finn talent for å støtte store dataprosjekter.

Bedriftsanalytikerne må kanskje øke sine ranger med datavitenskapere. Dette kan oppnås med rådgivende relasjoner i oppstartsfasene, men skal overgå til permanent bemanning når retningen blir klar. En enkelt datavitenskapsmann er ikke sannsynlig å være svaret. Mest innflytelse vil bli realisert ved å skape et team av datavitenskapere.

For IT-teamet må kunnskap om nye store datateknologier bli introdusert til eksisterende lagmedlemmer gjennom trening og veiledning. Det er rettferdig å anta at nytt talent vil bli ansatt ettersom organisasjonen nærmer seg stabil tilstand.

Mange universiteter og høyskoler har begynt å tilby kurs som skal bidra til å fylle gapet på kort sikt. På sikt skal leverandørene gi løsninger til å skape mer brukbare store dataløsninger som abstraherer kompleksiteten.