תוֹכֶן
- יש לערב את כל החלקים העסקיים ביוזמת נתונים גדולים
- עשה הערכה של כל דגמי התשתית ליישום נתונים גדולים
- שקול מקורות נתונים מסורתיים בתכנון נתונים גדולים
- האם לשקול קבוצה קבועה של נתונים
- האם להפיץ את הנתונים
- אל תסתמך אי פעם על גישה אנליטית של נתונים גדולים
- אל תתחיל ביוזמת נתונים גדולים גדולים לפני שאתה מוכן
- אל תשתמש בנתונים בבידוד
- אל תתעלם מאבטחת מידע
- אל תתעלם מחלק הביצועים של ניתוח נתונים גדולים
מקור: Rawpixelimages / Dreamstime.com
להסיר:
נתונים גדולים הם תחום חדש ומתהווה עבור מרבית החברות. כדי שזה יעבוד דורש כיוונון עדין של השימוש ושימוש בשיטות מומלצות.
נתונים גדולים מספקים הבטחות רבות לכל סוגי התעשיות. אם נתונים גדולים אלה ממונפים בצורה יעילה ויעילה, הם יכולים להשפיע באופן משמעותי על קבלת ההחלטות ואנליטיקה. אך ניתן להשיג את היתרון של נתונים גדולים רק אם הם מנוהלים בצורה מובנית. בהדרגה מתבססים שיטות העבודה המומלצות של נתונים גדולים, אך יש כבר כמה מנות ברורות ואל תעשה בכל הנוגע ליישום.ההנחיות שלהלן מבוססות על ניסיון מעשי וידע שנאסף מפרויקטים אמיתיים. להלן המנות העיקריות שלי ודיאטות.
יש לערב את כל החלקים העסקיים ביוזמת נתונים גדולים
יוזמת נתונים גדולים אינה פעילות מבודדת ועצמאית, והמעורבות של כל היחידות העסקיות היא חובה להשיג ערך ותובנה אמיתיים. נתונים גדולים יכולים לעזור לארגונים למנף כמויות גדולות של נתונים ולקבל תובנות לגבי התנהגות לקוחות, אירועים, מגמות, תחזיות וכו '. זה לא אפשרי עם תמונת מצב של נתונים, שרק תופס חלק מכל נפח הנתונים המעובד בנתונים גדולים. כתוצאה מכך, חברות מתרכזות יותר ויותר בכל סוגי הנתונים המגיעים מכל השדרות / היחידות העסקיות האפשריות כדי להבין את התבנית הנכונה.עשה הערכה של כל דגמי התשתית ליישום נתונים גדולים
היקף הנתונים וניהולו מהווה דאגה מרכזית לכל יוזמת נתונים גדולים. מכיוון שנתונים גדולים עוסקים בפטטיבים של נתונים, הפיתרון היחיד לניהול זה הוא באמצעות מרכזי נתונים. במקביל, יש לקחת בחשבון את רכיב העלות לפני שבוחרים ומסיימים מתקן אחסון כלשהו. שירותי ענן הם לרוב הבחירה הטובה ביותר, אך יש להעריך את שירותיהם של סביבות ענן שונות כדי לקבוע את המתאימה. מכיוון שאחסון הוא אחד המרכיבים החשובים ביותר בכל יישום נתונים גדולים, זהו גורם שיש להעריך בזהירות רבה בכל יוזמת נתונים גדולים. (קבל פרספקטיבה נוספת באתגר ה- Big Data של ימינו נובע מגיוון, לא נפח או מהירות.)שקול מקורות נתונים מסורתיים בתכנון נתונים גדולים
ישנם מקורות שונים לנתונים גדולים ומספר המקורות אף עולה מיום ליום. נפח נתונים עצום זה משמש כקלט לעיבוד נתונים גדולים. כתוצאה מכך, חברות מסוימות חושבות שמקורות נתונים מסורתיים אינם מועילים. זה לא נכון, שכן נתונים מסורתיים אלה מהווים מרכיב קריטי להצלחתו של כל סיפור נתונים גדולים. נתונים מסורתיים מכילים מידע חשוב, ולכן יש להשתמש בהם בשילוב עם מקורות נתונים גדולים אחרים. ניתן לגזור את הערך האמיתי של נתונים גדולים רק אם נלקחים בחשבון כל מקורות הנתונים (המסורתיים והלא מסורתיים). (למידע נוסף בנושא קח את זה, Big Data! מדוע נתונים קטנים עשויים לארוז אגרוף גדול יותר.)האם לשקול קבוצה קבועה של נתונים
בסביבת נתונים גדולים נתונים מגיעים ממקורות שונים. הפורמט, המבנה וסוגי הנתונים משתנים ממקור למקור. החלק החשוב ביותר הוא שהנתונים לא מנקים בכל מה שקשור לסביבת הנתונים הגדולים שלך. לכן, לפני שאתם סומכים על הנתונים הנכנסים, עליכם לבדוק את העקביות על ידי התבוננות וניתוח חוזרים. לאחר אישור עקביות הנתונים, ניתן להתייחס אליו כאל מערך מטא נתונים עקבי. מציאת מערך מטא נתונים עקבי על ידי התבוננות מדוקדקת בתבנית היא תרגיל חיוני בכל תכנון נתונים גדולים.האם להפיץ את הנתונים
נפח הנתונים מהווה דאגה עיקרית כאשר אנו מתחשבים בסביבת עיבוד. בגלל נפח הנתונים העצום שעוסק בנתונים גדולים, עיבוד בשרת בודד אינו אפשרי. הפיתרון הוא סביבת Hadoop, שהיא סביבת מחשוב מבוזרת הפועלת על חומרת סחורות. זה נותן את הכוח של עיבוד מהיר יותר על מספר צמתים. (למידע נוסף על 7 דברים שכדאי לדעת על Hadoop.)אל תסתמך אי פעם על גישה אנליטית של נתונים גדולים
ישנן טכנולוגיות שונות הקיימות בשוק לעיבוד נתונים גדולים. הבסיס של כל טכנולוגיות ה- Big Data הוא אפאצ'י חאדו ו MapReduce. לכן חשוב להעריך את הטכנולוגיה הנכונה למטרה הנכונה. חלק מגישות האנליטיקה החשובות הן אנליטיקה חזויה, ניתוח מרשם, אנליטיקה, ניתוח נתונים לזרם וכו '. בחירת השיטה / גישה המתאימה חשובה להשגת המטרה הרצויה. הכי טוב להימנע מהישענות על גישה יחידה, אך לחקור גישות שונות ולבחור את ההתאמה המושלמת לפיתרון שלך.אל תתחיל ביוזמת נתונים גדולים גדולים לפני שאתה מוכן
מומלץ תמיד להתחיל בצעדים קטנים לכל יוזמה גדולה של נתונים. אז התחל עם פרויקטים של פיילוט כדי לצבור מומחיות ואז עבור ליישום בפועל. הפוטנציאל של נתונים גדולים הוא מרשים מאוד, אך ניתן להשיג את הערך האמיתי רק לאחר שנפחית את הטעויות שלנו ונשיג יותר מומחיות.אל תשתמש בנתונים בבידוד
מקורות נתונים גדולים פזורים סביבנו והם הולכים וגדלים מיום ליום. חשוב לשלב את כל הנתונים הללו כדי לקבל פלט אנליטי נכון. בשוק קיימים כלים שונים לשילוב נתונים, אך יש להעריך אותם כראוי לפני השימוש. שילוב נתונים גדולים הוא משימה מורכבת מכיוון שהנתונים ממקורות שונים הם בפורמט שונה, אך הדבר נדרש מאוד בכדי להשיג תוצאה אנליטית טובה.אל תתעלם מאבטחת מידע
אבטחת מידע היא שיקול מרכזי בתכנון נתונים גדולים. בתחילה, (לפני ביצוע כל עיבוד), הנתונים נמצאים בפט-בייט, כך שהאבטחה אינה מיושמת בקפדנות. אך לאחר עיבוד מסוים תקבל קבוצת נתונים שמספקת תובנה מסוימת. בשלב זה, אבטחת מידע הופכת חיונית. ככל שעובדים הנתונים ומכוונים אותם בצורה טובה יותר, כך הם הופכים לעתים קרובות ליותר ארגוניים. נתוני הפלט המעודכנים זה הם קניין רוחני וחייבים להיות מאובטחים. יש ליישם את אבטחת המידע כחלק ממעגל החיים הגדול של הנתונים.אל תתעלם מחלק הביצועים של ניתוח נתונים גדולים
התפוקה של ניתוח נתונים גדולים היא שימושית רק כאשר היא מספקת ביצועים טובים. נתונים גדולים מציעים תובנות נוספות המבוססות על עיבוד כמות עצומה של נתונים במהירות מהירה יותר. לכן, חיוני לנהל אותו בצורה יעילה ויעילה. אם הביצועים של נתונים גדולים אינם מנוהלים בזהירות, זה יגרום לבעיות ויהפוך את כל המאמץ ללא משמעות.בדיון שלנו, התמקדנו במינונים ובתרומות של יוזמות ביג-נתונים. נתונים גדולים הם תחום מתהווה וכשמדובר ביישום, חברות רבות עדיין נמצאות בשלב התכנון. חיוני להבין את שיטות העבודה המומלצות של נתונים גדולים כדי למזער את הסיכון והטעויות. נקודות הדיון נגזרו מחוויות של פרויקטים חיים, כך שזה ייתן כמה הנחיות להצלחת אסטרטגיית נתונים גדולים.