Q:
Plus n'est pas toujours mieux. Comment les organisations peuvent-elles réduire le bruit dans leurs données pour réaliser des analyses ciblées et précises?
UNE:Avec les systèmes de Big Data, l'une des grandes questions pour les entreprises est de savoir comment maintenir ces projets bien ciblés et efficaces. De nombreux outils et ressources conçus pour les mégadonnées sont conçus pour aspirer de grandes quantités d'informations dans un large réseau. Ils ne sont pas toujours aussi attentifs à affiner ces données et à les simplifier. Cependant, certaines meilleures pratiques émergent dans l'industrie afin de créer des projets de Big Data plus ciblés et utiles.
L'un des piliers d'une approche ciblée du Big Data est d'utiliser les bons outils logiciels et les bonnes ressources. Tous les systèmes d'analyse et de Big Data ne sont pas identiques. Certains peuvent filtrer plus efficacement les données excessives ou non pertinentes et permettre aux entreprises de se concentrer uniquement sur les faits essentiels qui détermineront leurs processus et opérations de base.
Une autre grande partie de cela implique des personnes. Avant de s'impliquer dans un projet de Big Data et tout en achetant des logiciels de fournisseurs, en poursuivant la mise en œuvre et en formant d'autres, un groupe central de personnes doit être en charge du processus et déléguer également les tâches de recherche et de remue-méninges. Cela peut transformer une approche Big Data en une méthode chirurgicale précise qui améliorera l'entreprise sans devenir trop lourde et perturber les opérations quotidiennes.
Par exemple, des groupes de travail ou d'autres groupes principaux peuvent s'asseoir et examiner en détail les façons dont la mise en œuvre sera effectuée, comment l'entreprise commencera à évaluer les ensembles de données, comment ils recouperont les comptes, quel type de papier ou des présentations numériques qu'ils utiliseront pour diffuser ces informations, comment ils créeront des rapports utiles, etc. Ces détails protégeront l'entreprise contre les ballonnements liés aux mégadonnées.
De plus, au fur et à mesure que les entreprises commencent à acquérir davantage de services de fournisseurs, à intensifier le Big Data et à complexifier les architectures informatiques, elles ont appris à séparer les données les plus sensibles de tout le reste.
Une façon de procéder consiste à créer un système à plusieurs niveaux. Par exemple, un ensemble de données de base d'ID et d'historique client peut être conservé dans une base de données spécialement gérée dans le cadre d'un contrat de sécurité cloud particulier, ou sur site. D'autres ensembles de données peuvent résider dans des environnements de données moins spécialisés, soit parce qu'ils sont moins sensibles en termes de violations de données, soit parce qu'ils sont moins directement pertinents pour l'analyse que fait l'entreprise. Les systèmes à plusieurs niveaux ou à plusieurs niveaux permettent une implémentation rentable du Big Data.
Ce sont quelques-unes des façons dont les entreprises deviennent intelligentes pour obtenir le Big Data de la bonne manière. Plutôt que de simplement passer l'aspirateur sur les données qu'ils peuvent récupérer, ils traitent certains ensembles de données comme les plus critiques pour obtenir le plus de renseignements commerciaux avec le moins d'effort.
