D:
Di più non è sempre meglio. In che modo le organizzazioni possono ridurre il rumore nei loro dati per ottenere analisi mirate e accurate?
UN:Con i sistemi di big data, una delle grandi domande per le aziende è come mantenere questi progetti ben mirati ed efficienti. Molti degli strumenti e delle risorse creati per i big data sono creati per aspirare grandi quantità di informazioni in una vasta rete. Non sono sempre così attenti a perfezionare quei dati e a mantenerli semplici. Tuttavia, ci sono alcune migliori pratiche emergenti nel settore al fine di creare progetti di big data più mirati e utili.
Un pilastro di un approccio mirato ai big data è l'uso degli strumenti e delle risorse software giusti. Non tutti i sistemi di analisi e big data sono uguali. Alcuni possono filtrare in modo più efficace i dati eccessivi o irrilevanti e consentire alle aziende di concentrarsi solo sui fatti essenziali che determineranno i loro processi e operazioni fondamentali.
Un'altra parte importante di questo riguarda le persone. Prima di essere coinvolto in un progetto di big data e, mentre si procede all'approvvigionamento di software del fornitore, perseguendo l'implementazione e la formazione di altri, un gruppo centrale di persone deve essere responsabile del processo e delegare anche attività di ricerca e brainstorming. Ciò può trasformare un approccio ai big data in un metodo chirurgico preciso che migliorerà il business senza diventare troppo pesante e interrompere le attività quotidiane.
Ad esempio, task force o altri gruppi principali possono sedersi e esaminare in dettaglio i modi in cui verrà eseguita l'implementazione, in che modo l'azienda inizierà a valutare i set di dati, in che modo indicizzeranno gli account, che tipo di carta o presentazioni digitali che useranno per divulgare tali informazioni, come costruiranno report utili, ecc. Questi dettagli proteggeranno l'azienda dal gonfiore dei big data.
Inoltre, quando le aziende iniziano ad acquisire più servizi dei fornitori, eseguono più scricchiolii di big data e rendono le architetture IT più complesse, hanno imparato a separare i dati più sensibili da tutto il resto.
Un modo per farlo è creare un sistema a più livelli. Ad esempio, un set di dati di base di ID cliente e cronologia può essere conservato in un database appositamente gestito in base a un particolare contratto di sicurezza cloud o in loco. Altre serie di dati possono risiedere in ambienti di dati meno specializzati, sia perché sono meno sensibili in termini di violazioni dei dati, sia perché sono meno direttamente rilevanti per l'analisi che l'azienda sta facendo. I sistemi multilivello o multilivello consentono l'implementazione di big data a costi contenuti.
Questi sono alcuni dei modi in cui le aziende stanno diventando intelligenti nell'ottenere i big data nel modo giusto. Piuttosto che semplicemente aspirare tutti i dati che riescono a raccogliere, trattano alcuni set di dati come i più importanti per ottenere il massimo della business intelligence con il minimo sforzo.
