Nilalaman
- Huwag kasangkot ang lahat ng mga seksyon ng negosyo sa isang malaking pagkukusa ng data
- Suriin ba ang lahat ng mga modelo ng imprastraktura para sa malaking pagpapatupad ng data
- Huwag isaalang-alang ang tradisyonal na mga mapagkukunan ng data sa malaking pagpaplano ng data
- Huwag isaalang-alang ang isang pare-pareho na hanay ng data
- Huwag ipamahagi ang data
- Huwag kailanman umasa sa isang solong malaking diskarte sa analytics ng data
- Huwag simulan ang malaking malaking pagkukusa ng data bago ka handa
- Huwag gumamit ng data sa paghihiwalay
- Huwag pansinin ang seguridad ng data
- Huwag pansinin ang bahagi ng pagganap ng malaking data analytics
Pinagmulan: Rawpixelimages / Dreamstime.com
Takeaway:
Ang malaking data ay isang bago at umuusbong na domain para sa karamihan ng mga kumpanya. Ang paggawa nito ng trabaho ay tumatagal ng maingat na pag-tune at paggamit ng pinakamahusay na kasanayan.
Ang malaking data ay nagdadala ng maraming pangako para sa lahat ng mga uri ng industriya. Kung ang malaking data na ito ay mabisa nang epektibo at mahusay, maaari itong magkaroon ng isang makabuluhang epekto sa paggawa ng desisyon at analytics. Ngunit ang pakinabang ng malaking data ay makakamit lamang kung pinamamahalaan ito sa isang nakaayos na paraan. Ang pinakamahusay na mga kasanayan ng malaking data ay unti-unting naitatag, ngunit mayroon nang malinaw na mga dos at hindi pagdating sa pagpapatupad.Ang sumusunod na gabay ay batay sa praktikal na karanasan at kaalaman na natipon mula sa mga proyekto sa totoong buhay. Narito ang aking nangungunang malaking data dos at donts.
Huwag kasangkot ang lahat ng mga seksyon ng negosyo sa isang malaking pagkukusa ng data
Ang isang malaking inisyatibo ng data ay hindi isang nakahiwalay at independiyenteng aktibidad, at ang paglahok ng lahat ng mga yunit ng negosyo ay isang kinakailangan upang makakuha ng tunay na halaga at pananaw. Ang malaking data ay makakatulong sa mga organisasyon na mag-agaw ng malaking dami ng data at makakuha ng pananaw sa pag-uugali ng customer, mga kaganapan, uso, hula, atbp Hindi ito posible sa isang snapshot ng data, na kinukuha lamang ang isang bahagi ng buong dami ng data na naproseso sa malaking data. Bilang isang resulta, ang mga kumpanya ay lalong tumutok sa lahat ng mga uri ng data na nagmumula sa lahat ng posibleng mga avenues / mga yunit ng negosyo upang maunawaan ang tamang pattern.Suriin ba ang lahat ng mga modelo ng imprastraktura para sa malaking pagpapatupad ng data
Ang dami ng data at pamamahala nito ay isang pangunahing pag-aalala para sa anumang malaking pagkukusa ng data. Dahil ang mga malalaking data ay nakitungo sa mga petabytes ng data, ang tanging solusyon upang pamahalaan ito ay sa pamamagitan ng paggamit ng mga sentro ng data. Kasabay nito, ang sangkap ng gastos ay dapat isaalang-alang bago pumili at pagtatapos ng anumang pasilidad sa pag-iimbak. Ang mga serbisyo ng Cloud ay madalas na pinakamahusay na pagpipilian, ngunit ang mga serbisyo ng iba't ibang mga kapaligiran sa ulap ay dapat suriin upang matukoy ang naaangkop. Tulad ng imbakan ay isa sa mga pinakamahalagang sangkap sa anumang malaking pagpapatupad ng data, ito ay isang kadahilanan na dapat suriin nang mabuti nang mabuti sa anumang malaking pagkukusa ng data. (Kumuha ng isa pang pananaw sa Todays Big Data Hamon Stems mula sa Iba't ibang, Hindi Dami o bilis.)Huwag isaalang-alang ang tradisyonal na mga mapagkukunan ng data sa malaking pagpaplano ng data
Mayroong iba't ibang mga mapagkukunan ng malaking data at ang bilang ng mga mapagkukunan ay din ang pagtaas sa araw-araw. Ang malaking dami ng data na ito ay ginagamit bilang isang pag-input sa malaking pagproseso ng data. Bilang isang resulta, ang ilang mga kumpanya ay nag-iisip na ang mga tradisyonal na mapagkukunan ng data ay walang gamit. Hindi ito totoo, dahil ang tradisyunal na data na ito ay isang kritikal na sangkap para sa tagumpay ng anumang malaking kwento ng data. Ang tradisyunal na data ay naglalaman ng mahalagang impormasyon, kaya dapat itong magamit kasabay ng iba pang malaking mapagkukunan ng data. Ang tunay na halaga ng malaking data ay maaari lamang makuha kung ang lahat ng mga mapagkukunan ng data (tradisyonal at di-tradisyonal) ay isinasaalang-alang. (Matuto nang higit pa sa Dalhin Iyon, Malaking Data! Bakit Maliit na Data Maaaring Mag-pack ng Mas Malaking Punch.)Huwag isaalang-alang ang isang pare-pareho na hanay ng data
Sa isang malaking kapaligiran ng data, ang data ay nagmumula sa iba't ibang mga mapagkukunan. Ang format, istraktura at uri ng data ay nag-iiba mula sa isang mapagkukunan hanggang sa isa pa. Ang pinakamahalagang bahagi ay ang data ay hindi nalinis pagdating sa iyong malaking data sa kapaligiran. Kaya, bago ka magtiwala sa papasok na data, kailangan mong suriin ang pagkakapare-pareho sa pamamagitan ng paulit-ulit na pagmamasid at pagsusuri. Kapag nakumpirma ang pagkakapare-pareho ng data, maaari itong tratuhin bilang isang pare-pareho na hanay ng metadata. Ang paghahanap ng isang pare-pareho na hanay ng metadata sa pamamagitan ng maingat na pagmamasid sa pattern ay isang mahalagang ehersisyo sa anumang malaking pagpaplano ng data.Huwag ipamahagi ang data
Ang dami ng data ay isang pangunahing pag-aalala kapag isinasaalang-alang namin ang isang kapaligiran sa pagproseso. Dahil sa napakalaking dami ng data na nakikitungo sa malaking data, ang pagproseso sa isang solong server ay hindi posible. Ang solusyon ay isang kapaligiran ng Hadoop, na kung saan ay isang ipinamamahagi na computing environment na tumatakbo sa commodity hardware. Nagbibigay ito ng lakas ng mas mabilis na pagproseso sa maraming mga node. (Matuto nang higit pa sa 7 Mga bagay na Dapat Na Malaman Tungkol sa Hadoop.)Huwag kailanman umasa sa isang solong malaking diskarte sa analytics ng data
Mayroong iba't ibang mga teknolohiya na magagamit sa merkado para sa pagproseso ng malaking data. Ang pundasyon ng lahat ng malalaking teknolohiya ng data ay si Apache Hadoop at MapReduce. Samakatuwid, mahalagang suriin ang tamang teknolohiya para sa tamang layunin. Ang ilan sa mga mahahalagang diskarte sa analytics ay mahuhulaan na analytics, prescriptive analytics, analytics, stream data analytics, atbp Ang pagpili ng naaangkop na pamamaraan / diskarte ay mahalaga upang makamit ang nais na layunin. Pinakamabuting iwasan ang umasa sa isang solong pamamaraan, ngunit upang siyasatin ang iba't ibang mga diskarte at piliin ang perpektong tugma para sa iyong solusyon.Huwag simulan ang malaking malaking pagkukusa ng data bago ka handa
Laging inirerekomenda na magsimula sa maliit na mga hakbang para sa anumang malaking pagkukusa ng data. Kaya, magsimula sa mga proyekto ng pilot upang makakuha ng kadalubhasaan at pagkatapos ay pumunta para sa aktwal na pagpapatupad. Ang potensyal ng malaking data ay napakabilis, ngunit ang tunay na halaga ay makakamit lamang sa sandaling mabawasan natin ang ating mga pagkakamali at makakuha ng higit na kadalubhasaan.Huwag gumamit ng data sa paghihiwalay
Ang mga malaking mapagkukunan ng data ay nakakalat sa paligid natin at dumarami ang mga ito sa araw-araw. Mahalagang isama ang lahat ng mga data na ito upang makakuha ng wastong output ng analytics. Ang iba't ibang mga tool ay magagamit sa merkado para sa pagsasama ng data, ngunit dapat itong suriin nang maayos bago gamitin. Ang pagsasama ng malaking data ay isang kumplikadong gawain dahil ang data mula sa iba't ibang mga mapagkukunan ay may iba't ibang format, ngunit kinakailangan na makakuha ng mahusay na resulta ng analytics.Huwag pansinin ang seguridad ng data
Ang seguridad ng data ay isang pangunahing pagsasaalang-alang sa malaking pagpaplano ng data. Sa una, (bago gumawa ng anumang pagproseso), ang data ay nasa petabytes, kaya ang seguridad ay hindi mahigpit na ipinatupad. Ngunit pagkatapos ng ilang pagproseso, makakakuha ka ng isang subset ng data na nagbibigay ng ilang pananaw. Sa puntong ito, ang seguridad ng data ay nagiging mahalaga. Ang mas maraming data ay naproseso at pinong nakatutok, mas mahalaga ito madalas na maging isang samahan. Ang pinong nakatutok na data ng output ay intelektwal na pag-aari at dapat na ligtas. Ang seguridad ng data ay dapat ipatupad bilang isang bahagi ng malaking ikot ng buhay ng data.Huwag pansinin ang bahagi ng pagganap ng malaking data analytics
Ang output ng malaking data analytics ay kapaki-pakinabang lamang kapag nagbibigay ito ng mahusay na pagganap. Nag-aalok ang malaking data ng higit pang mga pananaw batay sa pagproseso ng isang malaking halaga ng data sa isang mas mabilis na bilis. Samakatuwid, mahalaga na pamahalaan ito nang epektibo at mahusay. Kung ang pagganap ng malaking data ay hindi pinamamahalaan nang maingat, magiging sanhi ito ng mga problema at gawing walang kabuluhan ang buong pagsisikap.Sa aming talakayan, nakatuon kami sa mga dos at donts ng mga malalaking pagkukusa ng data. Ang malaking data ay isang umuusbong na lugar at pagdating sa pagpapatupad, maraming mga kumpanya ang nasa yugto ng pagpaplano. Mahalagang maunawaan ang malaking data na pinakamahusay na kasanayan upang mabawasan ang panganib at pagkakamali. Ang mga puntos ng talakayan ay nakuha mula sa mga live na karanasan sa proyekto, kaya bibigyan nito ang ilang mga patnubay para sa matagumpay na isang malaking diskarte sa data.