Hvordan du lager en stor dataimplementeringskart - dummier

De store dataimplementeringsplanene eller veikartene vil variere avhengig av dine forretningsmål, modenhet for datastyringsmiljøet og mengden risiko organisasjonen din kan absorbere. Så, start planleggingen din ved å ta hensyn til alle problemene som vil gi deg mulighet til å bestemme en implementeringsplan.

Bedriftshastighet og store data

Mange ambisiøse organisasjoner ser alltid ut til å trenge de nyeste og beste teknologiene umiddelbart. I noen situasjoner kan en organisasjon vise at tilgjengeligheten av viktige store datakilder kan føre til nye strategier. I disse tilfellene er det fornuftig å skape en strategi og plan. Det er en feil å anta at stor datainntak og implementering er et definert prosjekt.

Vedtaket av store data har store konsekvenser for selskapets samlede datastyringsstrategi. Så, uavhengig av noen av de andre faktorene som er involvert, bør tiden for å designe dine store dataløsninger være tydelig fremgått på alle veikart. I tillegg bør designoppgaver aldri oversettes eller elimineres.

Velg riktig utviklingsmetode for stor datamaskiner

De fleste bedrifter og organisasjoner har IT-team som følger foreskrevne utviklingsprosesser og -praksis. Noen av disse utviklingsmetodikkene passer godt til store dataimplementeringer, mens andre dessverre ikke er.

Store dataprosjekter passer best for en fleksibel og interaktiv utviklingsprosess. Iterative metoder bruker korte tidssykluser med raske resultater og konstant brukermedvirkning til gradvis å levere en forretningsløsning. Derfor er det ikke overraskende at en iterativ prosess er den mest effektive utviklingsmetoden for store dataimplementeringer.

Balanse store dataprogrammer og ferdighetssett

Det er alltid vanskelig å forutse budsjettbehovene for en ny type prosjekt som store data. Den beste fremgangsmåten er å tydelig forstå de forventede kostnadene og nedstrøms fordelene ved den store dataimplementasjonen, og deretter sikre et passende budsjett.

Å få de riktige ferdighetssettene for et prosjekt er en annen utfordring. Ofte er de mest ettertraktede personer strukket tynn på tvers av flere tiltak. Så personalforstørrelse er ofte svaret, men ikke lett.

Over tid vil du finne mer trening og mer kvalifiserte fagfolk. I mellomtiden er den beste praksisen å identifisere og skaffe seg noen datavitenskapelige ferdigheter for design og planlegging, Hadoop og NoSQL ferdigheter for implementering, og parallell / klyngedatamaskin ferdigheter for operasjoner.

Bestem appetitten din for risiko med store data

Hver organisasjon har en kultur som bestemmer hvor mye risikostyring det er villig til å anta. Hvis du er i et konkurransedyktig marked, må du kanskje ta flere farer på potensiell markedsinnovasjon. Men selv selskaper i svært konkurransedyktige markeder kan være forsiktige. Du må forstå dynamikken i organisasjonen din før du går ut på et stort dataprosjekt.

Alle organisasjoner, selv de som har en appetitt for høy risiko, må være forsiktige da de vedtar store data. Utviklingen og akkultureringen av ny teknologi eller løsning kan være fulle av feil. Ved å bruke smidige metoder for å hjelpe til med å utpeke raske suksesser og raske feil, er den beste praksisen for å sette de riktige forventningene i en banebrytende organisasjon.

Ditt store data veikart

Du bør tenke på disse som utgangspunkt for hvordan du kan få ballen til å rulle med store data og gjøre endringer som nødvendig for din virksomhet.

Hvis organisasjonen din har erfaring med forretningsinformasjonsprogrammer og -analyser, har relativt modne datastyringspraksis, og har etablert en infrastruktur og operasjon med høy kapasitet, er oppgaven med å vedta store data litt enklere. Dette innebærer ikke garantert suksess eller redusert risiko.

Komme i gang er alltid lettere hvis noen av de involverte har gjort det før. Her er noen tips du bør vurdere når du vurderer å ta med store data til din bedrift eller organisasjon:

• Få litt hjelp. Ikke vær skadelig for å ansette en ekspert eller to som konsulenter. Vær sikker på at de kjenner sine "ting" og sørger for at de er i stand til å veilede folk i organisasjonen din.

• Få opplæring. Ta klasser, kjøp og les bøker, forsker på Internett, still spørsmål og delta på en konferanse eller to.

• -eksperiment. Planlegg å mislykkes. Raskt svikt blir de rigueur for moderne teknologi-drevne organisasjoner. De beste lærdomene som kommer, kommer ofte fra feil.

• Still riktig forventning. I næringslivet kan riktig forventninger bety forskjellen mellom suksess og fiasko. Store data gir stort potensial til bedriften din bare hvis du nøyaktig representerer verdien, kostnadene og tiden du skal implementere.

• Vær helhetlig. Prøv å se på alle dimensjonene. Hvis prosjektet leveres på tid og på budsjett, men sluttbrukerne ikke var opplært eller klar til å bruke det, kan prosjektet falle i feil.