中小企业IT网8月15日编译，不要让贫穷的定义、缺乏最佳实践,或者不确定性目标转移你的下一个大数据项目。
              

有三个固体规则描述如何成功引入大数据为一个组织。不幸的是,套用w?萨默塞特?毛姆,没有人知道它们是什么。

在文学作品,这不是一个可怕的缺点。至少它不是毛姆,谁写的经典作品,如人类的束缚和剃刀边缘,显然不知道这些性能、设计或用户体验要求要么项目。

大数据的项目需要更精密,如果他们想继续传递分析工具或框架有足够的能力来处理的数量、种类和及时性需要具备成为“大的”数据。

组织面临的一个问题是缺乏一致的、有用的最佳实践指南,定义问题最常见的组织,根据迈克Boyarski,产品营销主任商业智能/大数据的软件供应商Jaspersoft。

作为一个类别的业务数据分析、大数据非常新,因此不清楚,和生态系统的工具太不成熟,长串的最佳实践文档发布的大数据供应商提供一些一致的建议。“好像有很多的不确定性,ROI价值主张的大数据的工具,可以让人们利用它,”Boyarski说,引用一个调查潜在大数据经理和开发人员,Jaspersoft将周二公布的。

最终用户组织正在走了很远开发他们自己的大数据实现比Boyarski预期,即使是受访者抱怨他们缺乏足够的指导,舒适与他们自己的项目实施计划。

这种情况有了云计算,业务部门的经理们也要推动大项目的数据通过管道是他们期望的潜在好处,更完整、更深刻的分析客户行为比他们此前的一项调查显示,从市场研究员全封闭的见解,专门分析企业销售努力的效果。

只有16%的组织回应调查有任何大数据的能力,但是71%的基金经理预计,添加一个会有显著的正对销售的影响,调查显示。

尽管重要,持续的需求使其认为能力,市场对大数据分析很零碎,装满小玩家,厂商仍试图找出自己的战略和定位根据IDC分析师经理Dan Vesset说。

公司生产或收集非传统数据——社交网络和网络行为的数据收集和分析公司,例如——脚趾踩在传统的BI和数据库公司,他们仍然在考虑是否进入数据收集业务,根据Vesset。

有一些一致的元素,则必须考虑或改变来支持一个更广泛的分析任务,然而,根据灰Ashutosh的CEO,数据管理供应商Actifio。

在他们最基本的挑战,进入大数据开始过程的存储、处理和管理新的数据。云计算平台,存储区域网络,和其他扩展系统可以处理大数据存储需求;服务器安装专用数据处理器可以帮助避免瓶颈,根据Ashutosh。

考虑以下六个步骤在你开始你的下一个大数据项目。

1.确定丢失的碎片,不管它们是工具和数据

大的差距是在工具用于收集、删除、标记,和过程的新类型的元数据,这给大数据的背景和意义,使其价值,根据IDC的报告在大数据迁移2011年6月出版。

数据库的文本消息、资产管理信息,以及其他由用户生成的内容与智能手机是大大增加了更有用的位置数据,但一些分析和数据管理工具都有收集的数据来自智能手机的GPS芯片或将它与现有的数据或数据库,因此它可以分析连贯,该报告说。

2.理解数据你有和你需要的数据

另一个主要的复杂因素是需要审计和报告可用数据类型前甚至接近最终用户收集项目需求——逆转的传统的开发流程,根据Krish Krishnan的咨询顾问的第六感。

3.知道什么是你要完成的

建立明确的,易于理解的业务需求是一个至关重要的下一步,根据克里。没有明确的要求是不可能制定时间表和具体的步骤来完成项目,更不用说技能和培训需要有用的雇员,克里提出了构建非结构化数据仓库、指导构建大数据系统发表在2011年1月,在术语“大数据”开始流行。

4.找到并雇佣数据科学家

绝对的成功至关重要的任何大的数据项目是能够定义、理解、管理和说明各种来源的数据在很多格式——一个挑战,属于技能的职位描述的不相容的大多数IT部门,甚至是大多数公司:数据科学家。

百分之四十五的BI项目的失败是因为缺乏数据专业人员,根据4月调查从GigaOm。大数据专业知识的要求更为严格比大多数BI项目,这意味着失败率由于缺乏专业知识应该更高。

根据IBM的定义,数据科学需要训练在计算机科学、应用程序、数据模型、统计、分析和高等数学。它还需要训练在业务流程或业务管理以识别组织要求和数据可能的匹配。

“数据科学家并不简单地收集和报告数据,还望它从很多角度决定了它是什么意思,之后推荐方法来应用数据,”IBM的总结说。

数据科学家落入这样的职位类别(有时职位描述)作为业务分析人员、数据分析师和专家分析,但往往更专业、更有经验和获得更好的教育比数据专家不保存标题,根据一个调查的数据分析专家(自由需要注册)由BI厂商SiSense发表8月7日。

只有5%的大多数数据专业人员持有相关专业博士学位,例如,而35%的数据科学家都持有一个调查显示。数据科学家也赚更多的钱比其他数据专业人员。那些没有管理标题平均在70000美元到美元之间,每年90000美元,而65000美元到70000美元,为更多的传统数据专家。

5.理解速度、管理期望

一个关键的元素在大型数据是快速采集和分析的数据——特征有罕见的在任何IT系统描述了单词“大”,据乍得Richeson,CO的BI咨询协会咨询。

大数据系统需要轻松且快速的适应,而不是被约束的18至24个月的开发周期典型的大多数数据项目,Richeson写道。它应该可以修改该类型或源的数据,在三至六个月的周期,例如。

使大数据分析相关的数据进入他们应该送入分析系统同时它击中的生产系统,或立即之后,Richeson写道。

完成这些事情,大数据项目经理必须成为好的原型新系统或改变现有系统,建立过程以样本数据收集并验证它的质量。

没有数据的绝对质量,没有分析,无论多么完整,很可能是准确的,相关的,或者有益的终端用户应该受益于该系统,根据Richeson。

6.检查与最终用户

最后一个主要步骤是一个已被开始处的大数据项目和贯穿实现和超越,根据所有的专家这里引用:大数据项目需要回答问题,帮助特定的业务单位的雇员做自己的工作。

光滑的分析都是伟大的,根据Boyarski JasperSoft的,但是他们无法与简单的、直接的问题的答案有真正影响力与最终用户。

没有严格的,定期从终端用户输入在哪些数据是有用的,哪些答案是有用的,没有大数据项目,不管它有多么巧妙地设计或有效的实施,将会带来什么样的结果,它需要取得成功。