Kinh tế học của các dữ liệu lớn - núm vú

Cách tốt nhất để hiểu được tính kinh tế của dữ liệu lớn là xem xét các phương pháp khác nhau để đưa dữ liệu lớn vào làm việc cho tổ chức của bạn. Mặc dù chi phí cụ thể có thể thay đổi do quy mô tổ chức của bạn, sức mua, mối quan hệ giữa các nhà cung cấp, v.v …, các lớp học chi phí khá nhất quán.

Loại dữ liệu lớn và nguồn

Những quyết định quan trọng nhất bạn cần phải thực hiện đối với các loại và nguồn là

• Dữ liệu nào sẽ là cần thiết để giải quyết vấn đề kinh doanh của bạn?

• Bạn có thể lấy dữ liệu ở đâu?

• Bạn có thể làm gì với dữ liệu?

• Bạn cần tương tác với dữ liệu bao lâu một lần?

• Ai duy trì quyền sở hữu dữ liệu và sản phẩm làm việc?

• Bạn cần giữ dữ liệu bao lâu?

• Bạn có thể tin cậy dữ liệu và nguồn của nó?

Phân tích dữ liệu lớn để dự đoán những gì tiếp theo

Thông thường các gợi ý có sẵn trong dữ liệu hiện có. Tuy nhiên, nếu không có đủ dữ liệu, các gợi ý này sẽ bị bỏ qua vì dữ liệu đó có thể giống như một lỗi ngoại vi hoặc thậm chí là một lỗi. Những loại thông báo sớm về yêu cầu thay đổi có thể cho phép các doanh nghiệp thử nghiệm các dịch vụ mới và bao bì mới có thể trở nên quan trọng.

Tìm đúng nguồn dữ liệu

Sourcing dữ liệu là bước tiếp theo. Nó không chỉ là về nơi để có được dữ liệu, mà còn là hình thức hoặc loại dữ liệu cũng như chất lượng hoặc đáng tin cậy của dữ liệu. Nguồn dữ liệu tình cảm tốt được tìm thấy trong các thuộc tính web xã hội như Facebook, bốn ô vuông, Yelp, Pinterest và Twitter.

Nguồn bạn chọn có thể được xác định theo thói quen của khách hàng. Số lượng dữ liệu là rất lớn và bạn có thể đang tìm kiếm cái kim âm dương trong đống cỏ khô. Ngoài ra, cấu trúc và loại dữ liệu này khác nhau giữa các trang web, thêm phức tạp thêm và chi phí là tốt.

Bạn có thể làm gì với dữ liệu?

Hiểu được tần suất dữ liệu được các hệ thống nội bộ sử dụng có thể giúp kiểm soát chi phí. Nếu các yêu cầu là để phân tích tình cảm của khách hàng trong thời gian thực trên một số tài sản xã hội, chi phí sẽ rất cao. Nếu phân tích có thể được thực hiện nhẹ nhàng hơn hoặc với nguồn dữ liệu ít hơn, chi phí có thể thấp hơn và kiểm soát nhiều hơn.

Một số nhà cung cấp mã nguồn lớn sẽ muốn duy trì quyền sở hữu dữ liệu của họ, cấp giấy phép cho các mục đích cụ thể, không phá hủy. Những người khác sẽ được mở với ít hoặc không có chi phí truy cập hoặc yêu cầu sử dụng hách. Một số cấp phép dữ liệu sẽ giới hạn việc sử dụng để tính toán và tiêu huỷ.

Những người khác có thể cho phép bạn sử dụng dữ liệu, nhưng yêu cầu bạn phải "trả lại" khi phân tích hoặc tính toán của bạn đã hoàn tất.Cần lưu ý để bảo vệ thông tin của công ty.

Kinh tế học dữ liệu lớn nên được hiểu từ hai chiều: bắt đầu và quản lý trạng thái ổn định. Chi phí khởi động có thể được chứa bằng cách tìm dữ liệu mở hoặc các nguồn dữ liệu có thể truy cập tự do. Nếu bạn cần thêm tài nguyên của trung tâm dữ liệu, bạn nên xem xét các dịch vụ dựa trên đám mây, nơi bạn có thể "trả tiền bằng đồ uống. "Cách này dễ dàng hơn nhiều.

Ảnh hưởng công nghệ của dữ liệu lớn

Trong một thế giới lý tưởng, sẽ có thể sử dụng nhiều công nghệ và ứng dụng hiện có khi dữ liệu lớn được áp dụng cho quy trình công việc. Tuy nhiên, rất có thể nhiều công nghệ mới sẽ cần phải được sử dụng.

Nhiều công cụ mới và khác nhau có sẵn cho dữ liệu lớn. Nếu người quản lý thương hiệu cần thu thập dữ liệu từ một số trang web xã hội khác nhau, mỗi loại có các loại dữ liệu khác nhau, cô ấy sẽ cần làm việc với các đội CNTT để chọn công nghệ phù hợp nhất với nhu cầu kinh doanh và chi phí.

Bạn chắc chắn sẽ có các triển khai các sản phẩm sẽ kết hợp các yếu tố của Hadoop và Hive. Ngoài ra, cần phải có các công nghệ mới . Các công nghệ hiện tại quá giòn hoặc bởi vì chúng được thiết kế cho một nhiệm vụ cụ thể.

Tìm tài năng để hỗ trợ các dự án dữ liệu lớn

Các nhà phân tích kinh doanh có thể cần phải gia tăng xếp hạng của họ với các nhà khoa học dữ liệu. Điều này có thể được thực hiện với các mối quan hệ tư vấn trong giai đoạn khởi động, nhưng nên chuyển sang nhân viên vĩnh viễn khi hướng trở nên rõ ràng. Một nhà khoa học dữ liệu đơn lẻ không phải là câu trả lời. Đòn bẩy nhất sẽ được thực hiện bằng cách tạo ra một nhóm các nhà khoa học dữ liệu.

Đối với nhóm CNTT, kiến ​​thức về các công nghệ dữ liệu mới sẽ cần được giới thiệu cho các thành viên trong nhóm hiện tại thông qua đào tạo và cố vấn. Sẽ là công bằng nếu bạn cho rằng các tài năng mới sẽ được thuê khi tổ chức của bạn tiến tới trạng thái ổn định.

Nhiều trường đại học và cao đẳng đã bắt đầu cung cấp các khóa học giúp thu hẹp khoảng cách trong ngắn hạn. Về lâu dài, các nhà cung cấp cung cấp các giải pháp sẽ phải tạo ra các giải pháp dữ liệu có dung lượng lớn hơn có thể sử dụng trừu tượng sự phức tạp.