F:
Är big data en lösning som passar alla?
A:Inom idén om ett övergripande Big Data-ekosystem eller bransch är tillämpningar av Big Data-strategier specifika för behoven hos ett visst företag eller organisation. Ett av de största misstagen som chefer och andra yrkesmän gör är att ta en generisk inställning till big data och försöka anpassa system till en mall som har använts tidigare.
Big data-filosofin har att göra med en mycket målinriktad och mikromanerad användning av stora pooler av information. Till exempel kommer ett företag som har tusentals och tusentals kunder att genomföra ett big data-projekt för att utnyttja all information det har om dessa kunder - deras namn, var de bor, vad de har köpt tidigare, etc. Resultaten har dock mer att göra med att ställa in specifika strukturer för datamanipulation och rapportering än de gör bara för att samla in och "köra" dessa massiva datasätt.
En del av utmaningen med big data är att det kräver mer specialiserade hårdvaruprocesser. Företag använder ofta open source-system som Apache Hadoop och specifika relaterade verktyg som MapReduce för att få big data-lösningar i spel. Detta kräver ytterligare teknisk kunskap utöver att bara ställa in en Microsoft Access-tabell eller använda någon annan enklare databasteknologi.
För att göra stora data effektiva måste företag titta på implementering och hur man undviker att störa deras normala affärsverksamhet. För att göra det mest effektivt måste de titta exakt på vilka uppsättningar som kommer att vara mest användbara för dem. Om till exempel säljare eller andra kan göra vad de behöver göra med en enkel rapport med bara efternamn, tillstånd och telefonnummer, är det inte vettigt att försöka köra mer omfattande data genom systemet och försöka samla in och presentera andra identifierare eller nyckeluppgifter.
Effektivitet, enkel implementering och kostnad driver framväxten av företagsspecifika big data-lösningar. Dessa innovationer är definitivt beroende av en viss affärsmodell och av de problem som måste lösas.
