Die Ökonomie der Big Data - Dummies

Der beste Weg, die Wirtschaftlichkeit von Big Data zu verstehen, besteht darin, sich die verschiedenen Methoden anzuschauen, um Big Data für Ihr Unternehmen nutzbar zu machen. Während die spezifischen Kosten aufgrund der Größe Ihrer Organisation, ihrer Kaufkraft, Lieferantenbeziehungen usw. variieren können, sind die Ausgabenklassen ziemlich einheitlich.

Große Datentypen und Quellen

Die wichtigsten Entscheidungen, die Sie bezüglich Typen und Quellen treffen müssen, sind

• Welche Daten werden benötigt, um Ihr Geschäftsproblem zu lösen?

• Woher können Sie die Daten beziehen?

• Was können Sie mit den Daten machen?

• Wie oft müssen Sie mit den Daten interagieren?

• Wer behält das Eigentum an den Daten und den Arbeitsprodukten?

• Wie lange müssen Sie die Daten aufbewahren?

• Können Sie den Daten und ihrer Quelle vertrauen?

Big Data analysieren, um zu erwarten, was als Nächstes kommt

Häufig sind Hinweise innerhalb vorhandener Daten verfügbar. Ohne ausreichende Daten werden diese Hinweise jedoch ignoriert, da diese Daten wie ein Ausreißer oder sogar ein Fehler aussehen können. Solche frühen Benachrichtigungen über eine sich ändernde Anforderung könnten es den Unternehmen ermöglichen, neue Dienste und neue Verpackungen zu testen, die wichtig werden könnten.

Die richtigen Datenquellen finden

Die Beschaffung der Daten ist der nächste Schritt. Es geht nicht nur darum, woher die Daten kommen, sondern auch die Form oder Art der Daten sowie die Qualität oder Vertrauenswürdigkeit der Daten. Gute Sentimentdaten finden sich in Social-Web-Properties wie Facebook, Foursquare, Yelp, Pinterest und Twitter.

Die von Ihnen ausgewählten Quellen können von den Gewohnheiten Ihrer Kunden bestimmt werden. Die Datenmenge ist riesig und Sie suchen nach der sprichwörtlichen Nadel im Heuhaufen. Darüber hinaus variieren die Struktur und die Art dieser Daten von Standort zu Standort, was zusätzliche Komplexität und Kosten mit sich bringt.

Was können Sie mit den Daten machen?

Wenn Sie verstehen, wie oft die Daten von internen Systemen verwendet werden, können Sie die Kosten kontrollieren. Wenn die Anforderungen darin bestehen, die Kundenstimmung in Echtzeit über mehrere soziale Eigenschaften hinweg zu analysieren, sind die Kosten sehr hoch. Wenn die Analyse gemächlicher oder mit weniger Datenquellen durchgeführt werden kann, können die Kosten niedriger und kontrollierbarer sein.

Einige große Anbieter von Datenquellen werden ihre Daten behalten und für bestimmte, nicht destruktive Anwendungen lizenzieren. Andere werden offen sein mit wenig oder gar keinen Zugangsgebühren oder übermäßigen Benutzungsanforderungen. Einige Datenlizenzen begrenzen die Verwendung zur Berechnung und Vernichtung.

Andere können es Ihnen erlauben, die Daten zu verwenden, aber Sie müssen sie zurückgeben, wenn Ihre Analyse oder Berechnungen abgeschlossen sind.Es sollte immer darauf geachtet werden, Unternehmensinformationen zu schützen.

Big Data Economics sollte aus zwei Dimensionen verstanden werden: Erste Schritte und Verwaltung des Steady-State. Anlaufkosten können durch Auffinden offener Daten oder frei zugänglicher Datenquellen eingedämmt werden. Wenn mehr Rechenzentrumsressourcen benötigt werden, sollten Sie Cloud-basierte Dienste in Erwägung ziehen, bei denen Sie "nach dem Getränk bezahlen können". "Es ist viel einfacher, auf diese Weise zu experimentieren.

Die Auswirkungen von Big Data auf die Technologie

In einer idealen Welt wird es möglich sein, viele existierende Technologien und Anwendungen zu nutzen, wenn Big Data auf Workflows angewendet wird. Es ist jedoch viel wahrscheinlicher, dass neue Technologien eingesetzt werden müssen.

Für Big Data stehen viele neue und unterschiedliche Tools zur Verfügung. Wenn ein Markenmanager Daten von verschiedenen sozialen Websites mit unterschiedlichen Datentypen sammeln muss, muss er mit den IT-Teams zusammenarbeiten, um auszuwählen, welche Technologie am besten zu den Geschäfts- und Kostenanforderungen passt.

Sie werden sicherlich Implementierungen von Produkten haben, die Elemente von Hadoop und Hive enthalten. Außerdem werden neue Technologien benötigt. Die vorhandenen Technologien sind zu spröde oder weil sie für eine bestimmte Aufgabe ausgelegt sind.

Finden Sie das Talent zur Unterstützung von Big-Data-Projekten

Die Business-Analysten müssen ihre Reihen möglicherweise mit Datenwissenschaftlern erweitern. Dies kann durch Beratungsbeziehungen in der Startphase erreicht werden, sollte aber in Richtung permanente Personalbesetzung übergehen, sobald die Richtung klar wird. Ein einzelner Datenwissenschaftler ist wahrscheinlich nicht die Antwort. Die größte Hebelwirkung wird durch die Schaffung eines Teams von Datenwissenschaftlern realisiert.

Für das IT-Team muss das Wissen über neue Big Data-Technologien durch Schulungen und Mentoring in vorhandene Teammitglieder eingeführt werden. Es ist fair anzunehmen, dass neue Talente eingestellt werden müssen, wenn sich Ihre Organisation einem stabilen Zustand nähert.

Viele Universitäten und Colleges bieten Kurse an, die dazu beitragen sollen, die Lücke kurzfristig zu schließen. Langfristig müssen Anbieter von Lösungen mehr nutzbare Big-Data-Lösungen entwickeln, die die Komplexität abstrahieren.