The Economics of Big Data - dummies

Det bästa sättet att förstå ekonomin hos stora data är att titta på de olika metoderna för att sätta stora data på jobbet för din organisation. Även om specifika kostnader kan variera beroende på storleken på din organisation, dess köpkraft, leverantörsrelationer och så vidare, är utgiftskategorierna ganska konsekventa.

Stora datatyper och källor

De viktigaste besluten du behöver göra med avseende på typer och källor är

• Vilka uppgifter kommer att behövas för att hantera ditt företags problem?

• Var kan du källa data?

• Vad kan du göra med data?

• Hur ofta behöver du interagera med data?

• Vem behåller äganderätten till data och arbetsprodukterna?

• Hur länge behöver du behålla uppgifterna?

• Kan du lita på data och dess källa?

Analysera stora data för att förutse vad som är nästa

Ofta finns tips inom befintlig data. Men, utan tillräckligt med data, ignoreras dessa tips eftersom de kan se ut som en outlier eller till och med ett fel. Sådana tidiga anmälningar om ett förändrat krav skulle kunna göra det möjligt för företagen att testa nya tjänster och nya förpackningar som kan bli viktiga.

Hitta rätt datakällor

Sourcing av data är nästa steg. Det handlar inte bara om var man ska hämta data, utan också dataens form eller typ samt kvaliteten eller trovärdigheten hos data. Goda källor till känslighetsdata finns i sociala webbegenskaper som Facebook, foursquare, Yelp, Pinterest och Twitter.

Källorna du väljer kan bestämmas av dina kunders vanor. Mängden data är stor och du kan leta efter den proverbiala nålen i höstacken. Dessutom varierar strukturen och typerna av dessa data från plats till plats, vilket ger ytterligare komplexitet och kostnader.

Vad kan du göra med data?

Förstå hur ofta data används av interna system kan hjälpa till att styra kostnaderna. Om kraven är att analysera kunders känsla i realtid över flera sociala egenskaper kommer kostnaderna att vara mycket höga. Om analysen kan utföras snabbare eller med färre datakällor kan kostnaderna vara lägre och mer kontrollerbara.

Vissa stora datakällleverantörer vill behålla äganderätten till sina uppgifter och licensierar den för specifika, icke-destruktiva användningsområden. Andra kommer att vara öppna med lite eller ingen åtkomstkostnader eller överlägsna användningskrav. Vissa datalicenser begränsar användningen för att beräkna och förstöra.

Andra kan låta dig använda data, men kräver att du "ger tillbaka" när din analys eller beräkningar är färdiga.Försiktighet bör alltid vidtas för att skydda företagsinformation.

Stor dataanalys bör förstås av två dimensioner: Komma igång och hantera det stabila tillståndet. Startkostnader kan innehålla öppen data eller fritt tillgängliga datakällor. Om fler datacenterresurser krävs, bör du överväga molnbaserade tjänster där du kan "betala med drycken. "Det är mycket lättare att experimentera på detta sätt.

Tekniska effekter av stora data

I en ideal värld kommer det att vara möjligt att använda en hel del befintlig teknik och applikationer när stora data tillämpas på arbetsflöden. Det är dock mycket mer sannolikt att ny teknik kommer att behöva användas.

Många nya och olika verktyg finns tillgängliga för stora data. Om en varumärkeschef behöver samla in data från flera olika sociala webbplatser, var och en med olika datatyper, måste hon arbeta med IT-teamen för att välja vilken teknik som bäst passar företagets och kostnadskraven.

Du kommer säkert att ha implementeringar av produkter som kommer att innehålla delar av Hadoop och Hive. Dessutom krävs ny teknik . Den befintliga tekniken är för spröd eller för att de är avsedda för en specifik uppgift.

Hitta talangen för att stödja stora dataprojekt

Affärsanalytikerna kan behöva öka sina led med datavetenskapare. Detta kan uppnås med rådgivande relationer i startfasen, men ska övergå till permanent bemanning när riktningen blir klar. En enda datavetenskapare är inte sannolikt att vara svaret. Den största hävstången kommer att uppnås genom att skapa ett team av datavetenskapare.

För IT-teamet måste kunskap om ny stor datateknik introduceras till befintliga lagmedlemmar genom utbildning och mentorskap. Det är rimligt att anta att ny talang kommer att behöva anlitas när din organisation närmar sig stadigt tillstånd.

Många universitet och högskolor har börjat erbjuda kurser som borde hjälpa till att fylla klyftan på kort sikt. På sikt måste leverantörer som tillhandahåller lösningar skapa mer användbara stora datalösningar som sammanfattar komplexiteten.