Q:
Hvilke overvejelser er vigtigst, når man beslutter, hvilke big data-løsninger der skal implementeres?
EN:Enhver virksomhed og organisation skal overveje sine egne behov og ressourcer, når de finder ud af, hvilke problemer der er mest vigtige for implementering af big data. Der er dog en række principper, der generelt betragtes som kritiske for denne form for anvendelse af teknologi.
| Webinar: Big Iron, Meet Big Data: Befriende Mainframe Data med Hadoop & Spark Tilmeld dig her |
Et af de største spørgsmål er implementering og mængden af forstyrrelser det vil medføre. Brugere af big data-systemer skal altid sammenligne det, de skal bruge, til det, de i øjeblikket bruger. I mange tilfælde er forstyrrelser den afgørende faktor for, hvorvidt store dataressourcer vil øge produktiviteten og overskuddet, eller sende en virksomhed, der går ned på grund af uovervindelige hindringer med implementeringen. Sælgersupport (eller mangel på det) har meget at gøre med dette, men virksomheder er også nødt til at se på læringskurven for teknologier, hvor meget de vil ændre operationerne i ældre systemer, og generelt, om ændringerne er noget, der virksomheden kan håndtere.
Et andet vigtigt spørgsmål er, hvilke data der er mest værdifulde for en virksomhed eller organisation. Ved at undersøge værdien af forskellige datasæt, kan de, der agter at implementere big data, indstille omfanget af deres projekt. Uden denne slags retningslinjer kan big data-projekter blive oppustet og overvældet i en virksomhed. Eksperter anbefaler, at man fokuserer på de specifikke datasæt, der giver mest mulig værdi, uden at blive forkælet ved at støbe et bredere net.
Et hovedproblem her er brugen af strukturerede og ustrukturerede data. Virksomhedsledere kan se på sværhedsgraderne ved at få forskellige bits af data ind i en big data-kontekst som et datacenter. For eksempel kan allerede formaterede datasæt let fordøjes, men nogle andre datastykker kan muligvis kræves omfattende manipulation for at få dem til et nyttigt format, og det er måske ikke det værd.
Adoptører bliver også nødt til at se på avanceret håndtering af big data. Store datasystemer defineres som dem, der er vanskelige at håndtere med grundlæggende og enkle hardware- og softwareinfrastrukturer. Det betyder, at adoptørerne skal have tilstrækkeligt talent og ressourcer til rådighed for at finde måder at bruge de store datasæt, der ikke medfører netværkstopning eller på anden måde skaber flaskehalse i operationerne.
