Q:
Quelles considérations sont les plus importantes pour décider des solutions de Big Data à mettre en œuvre?
UNE:Chaque entreprise et organisation doit tenir compte de ses propres besoins et ressources pour déterminer les problèmes les plus importants pour la mise en œuvre du Big Data. Cependant, il existe un certain nombre de principes qui sont généralement considérés comme essentiels pour ce type d'adoption de la technologie.
| Webinaire: Big Iron, Meet Big Data: Libération des données mainframe avec Hadoop & Spark Inscrivez-vous ici |
L'une des plus grandes questions est la mise en œuvre et la quantité de perturbations qu'elle entraînera. Les utilisateurs de systèmes de Big Data doivent toujours comparer ce qu'ils s'apprêtent à utiliser à ce qu'ils utilisent actuellement. Dans de nombreux cas, la perturbation est le facteur décisif pour savoir si les ressources de Big Data vont augmenter la productivité et les bénéfices, ou faire planter une entreprise en raison d'obstacles insurmontables à la mise en œuvre. Le soutien des fournisseurs (ou son absence) a beaucoup à voir avec cela, mais les entreprises doivent également examiner la courbe d'apprentissage des technologies, dans quelle mesure elles changeraient les opérations des systèmes hérités et, en général, si les changements sont quelque chose qui l'entreprise peut gérer.
Une autre question importante est de savoir quelles données sont les plus précieuses pour une entreprise ou une organisation. En examinant la valeur de différents ensembles de données, ceux qui ont l'intention de mettre en œuvre des mégadonnées peuvent définir la portée de leur projet. Sans ce type de directives, les projets de Big Data peuvent être gonflés et submergés dans une entreprise. Les experts recommandent de se concentrer sur les ensembles de données spécifiques qui donneront le plus de valeur, sans s'enliser dans la création d'un réseau plus large.
Un problème corollaire ici est l'utilisation de données structurées et non structurées. Les chefs d'entreprise peuvent examiner les niveaux de difficulté d'obtention de différents bits de données dans un contexte de Big Data comme un centre de données. Par exemple, les ensembles de données déjà formatés peuvent être facilement digérés, mais certains autres éléments de données peuvent nécessiter une manipulation approfondie pour les mettre dans un format utile, et cela peut ne pas en valoir la peine.
Les adoptants devront également envisager une gestion avancée des mégadonnées. Les systèmes de Big Data sont définis comme ceux qui sont difficiles à gérer avec des infrastructures matérielles et logicielles simples et de base. Cela signifie que les adoptants doivent disposer de talents et de ressources adéquats pour trouver des moyens d'utiliser les ensembles de données volumineuses qui ne causeront pas de congestion du réseau ou ne créeront pas autrement des goulots d'étranglement dans les opérations.
