Slik sikrer du gyldigheten, veraciteten og volatiliteten til store data - dummier

Høyt volum, høy variasjon og høy hastighet er de viktigste egenskapene ved stor Data. Men andre egenskaper ved store data er like viktige, spesielt når du bruker store data til operasjonelle prosesser. Dette andre settet av "V" egenskaper som er nøkkelen til operasjonellisering av store data inkluderer

• Gyldighet: Er dataene korrekte og nøyaktige for den tiltenkte bruken?

• Veracity: Er resultatene meningsfylte for det oppgitte problemområdet?

• Volatilitet: Hvor lenge trenger du å lagre disse dataene?

Stor datagyldighet

Du vil ha nøyaktige resultater. Men i begynnelsen av analysen av petabytes av data, er det sannsynlig at du ikke vil være bekymret for hvor gyldig hvert dataelement er. Den første strømmen av store data kan faktisk være ganske skitten. I begynnelsen er det viktigere å se om det finnes noen relasjoner mellom elementene i denne enorme datakilden enn å sikre at alle elementene er gyldige.

Etter at en organisasjon har bestemt seg for at deler av den første dataanalysen er viktige, må denne delmengden av store data bekreftes fordi den nå skal brukes til en operasjonell tilstand. Når dataene beveger seg fra utforskende til handling, må dataene bli validert. Gyldigheten til store datakilder og påfølgende analyse må være nøyaktig hvis du skal bruke resultatene for beslutningstaking.

Gyldige inngangsdata etterfulgt av korrekt behandling av dataene skal gi nøyaktige resultater. Med store data må du være ekstra årvåken når det gjelder gyldighet. For eksempel, i helsevesenet, kan du ha data fra en klinisk prøve som kan være relatert til pasientens sykdomssymptomer. Men en lege som behandler den personen kan ikke bare ta de kliniske forsøksresultatene som uten å validere dem.

Tenk på at værsatellittet indikerer at en storm begynner i en del av verden. Hvordan påvirker denne stormen enkeltpersoner? Med rundt en halv milliard brukere er det mulig å analysere Twitter-strømmer for å bestemme virkningen av en storm på lokale befolkninger. Derfor kan bruk av Twitter i kombinasjon med data fra en værsatellitt hjelpe forskere å forstå sannheten i et værvarsel.

Stor datafilatitet

Hvis du har gyldige data og kan bevise sannheten av resultatene, hvor lang tid trenger dataene å "leve" for å tilfredsstille dine behov? I en standard datainstilling kan du holde data i flere tiår fordi du over tid har bygget en forståelse av hvilke data som er viktige for det du gjør med det.Du har etablert regler for datavaluta og tilgjengelighet som kartlegger arbeidsprosessene dine.

For eksempel kan enkelte organisasjoner bare holde det siste året av kundedata og -transaksjoner i sine forretningssystemer. Dette sikrer rask innhenting av denne informasjonen når det er nødvendig. Hvis de trenger å se på et tidligere år, kan IT-teamet måtte gjenopprette data fra nettbasert lagring for å respektere forespørselen. Med store data er dette problemet forstørret.

Hvis lagringen er begrenset, se på de store datakildene for å finne ut hva du trenger å samle og hvor lenge du trenger å beholde det. Med noen store datakilder trenger du kanskje bare å samle data for en rask analyse.

Du kan da lagre informasjonen lokalt for videre behandling. Hvis du ikke har nok lagringsplass for alle disse dataene, kan du behandle dataene "i farten" og bare beholde relevante deler av informasjonen lokalt. Hvor lenge du beholder store data tilgjengelige, avhenger av noen få faktorer:

• Hvor mye data oppbevares ved kilden?

• Trenger du å behandle dataene gjentatte ganger?

• Trenger du å behandle dataene, samle tilleggsdata og gjøre mer behandling?

• Har du regler eller forskrifter som krever datalagring?

• Er kundene dine avhengig av dine data for deres arbeid?

• Har dataene fortsatt verdi eller er det ikke lenger relevant?

På grunn av volum, variasjon og hastighet av store data, må du forstå volatiliteten. For noen kilder vil dataene alltid være der; For andre er dette ikke tilfelle. Forstå hvilke data som er der ute, og hvor lenge kan du hjelpe deg med å definere retensjonskrav og retningslinjer for store data.

Som en forbruker vil store data bidra til å definere en bedre profil for hvordan og når du kjøper varer og tjenester. Som pasient vil store data bidra til å definere en mer tilpasset tilnærming til behandlinger og vedlikehold av helse. Som profesjonell vil store data hjelpe deg med å identifisere bedre måter å designe og levere dine produkter og tjenester på.

Dette skjer bare når store data er integrert i operasjonene i bedrifter og organisasjoner.