Q:
Mais nem sempre é melhor. Como as organizações podem reduzir o ruído em seus dados para obter análises direcionadas e precisas?
UMA:Com os sistemas de big data, uma das grandes questões para as empresas é como manter esses projetos bem direcionados e eficientes. Muitas das ferramentas e recursos criados para big data são criados para aspirar grandes quantidades de informações em uma ampla rede. Eles nem sempre são tão atentos para refinar esses dados e mantê-los simples. No entanto, existem algumas práticas recomendadas emergentes no setor para criar projetos de big data mais direcionados e úteis.
Um pilar de uma abordagem direcionada de big data é usar as ferramentas e os recursos corretos de software. Nem todas as análises e sistemas de big data são iguais. Alguns podem filtrar com mais eficiência dados excessivos ou irrelevantes e permitir que as empresas se concentrem apenas nos fatos essenciais que determinarão seus processos e operações principais.
Outra parte importante disso envolve pessoas. Antes de se envolver em um projeto de big data, e ao adquirir software de fornecedor, buscar a implementação e o treinamento de outros, um grupo central de pessoas precisa estar encarregado do processo e delegar tarefas de pesquisa e brainstorming. Isso pode transformar a abordagem de big data em um método cirúrgico preciso que aprimorará os negócios sem se tornar muito pesado e atrapalhar as operações diárias.
Por exemplo, as forças-tarefa ou outros grupos principais podem sentar-se e analisar detalhadamente as maneiras pelas quais a implementação será feita, como a empresa começará a avaliar os conjuntos de dados, como cruzará contas, que tipo de papel ou apresentações digitais que eles usarão para disseminar essas informações, como criarão relatórios úteis etc. Esses detalhes protegerão os negócios contra o inchaço de big data.
Além disso, à medida que as empresas começam a adquirir mais serviços de fornecedores, realizam mais processamento de big data e tornam as arquiteturas de TI mais complexas, elas aprenderam a separar os dados mais sensíveis de todo o resto.
Uma maneira de fazer isso é criar um sistema em camadas. Por exemplo, um conjunto de dados principais de IDs e históricos de clientes pode ser mantido em um banco de dados especialmente mantido sob um contrato de segurança em nuvem específico ou no local. Outros conjuntos de dados podem residir em ambientes de dados menos especializados, porque são menos sensíveis em termos de violações de dados ou porque são menos diretamente relevantes para as análises que a empresa está realizando. Os sistemas em camadas ou em vários níveis permitem uma implementação econômica de big data.
Essas são algumas das maneiras pelas quais as empresas estão ficando espertas em obter big data da maneira certa. Em vez de apenas aspirar os dados que eles podem obter, eles tratam certos conjuntos de dados como os mais críticos para obter o máximo de inteligência de negócios com o mínimo de esforço.
