그 큰 데이터 하지 않습니다 "주도권" 기업에 대 한 10 가지

많은 회사 큰 데이터의 높은 기대를가지고, 경쟁 회사와 디자인, 더 나은 제품을 만들 수 있도록 그것은 오랜 비즈니스 문제를 해결할 수 바랍니다. 그러나, 그런 열의 발생할 수 있습니다 쉽게 대용량 데이터의 과대평가 "자체"는 큰 데이터 값을 가져오지 않는다 때문에. 이 문서는 기업 더 많은 깊이 상세한 분석 및 이러한 데이터의 발굴 하지 않으면 "활성"는 기업에 대 한 되지 것입니다 10 큰 데이터 나열 합니다.

1. 비즈니스 문제 해결

큰 데이터는 비즈니스 문제를 해결 하지 않습니다 및 기업에 여전히 사람들이 그들을 해결 하기 위해 필요 합니다. 앉아서 큰 데이터를 사용 하 여 시작 하기 전에 큰 데이터에서 얻을 수 원하는 대해 생각 하는 회사만 큰 데이터에서 찾고 있는 비즈니스 인텔리 전스를 얻을 수 있습니다.

2. 데이터 관리에 도움이

IBM는 세계 생산 데이터의 약 2.5 quintillion 매일 주장 하고있다. 그들의 대부분은 큰 데이터. 예상 대로, 글로벌 기업 내에서 관리 되는 데이터는 기 하 급수적으로 성장 하고있다. 조직은 데이터를 보존 및 사용 전략, 특히 큰 데이터에 대 한 명시적 데이터 없이 누적으로 이러한 데이터 관리의 전에 직면 하고있다.

3. 보안 해제 우려

많은 기업에 대 한 그것은 여전히 큰 데이터에 대 한 안전한 액세스를 결정 하는 오픈 주제입니다. 큰 데이터의 보안 관행으로 명확 하 게 정의 시스템 레코드 데이터 때문입니다. 우리는 http://www.aliyun.com/zixun/aggregation/14294.html의 수준에 액세스할 수 있는 사람을 결정 하는 최종 사용자와 함께 작동 해야 하는 상태에서 "> 큰 데이터 및 해당 분석."

4. 키 그것은 기술을 해결합니다

큰 데이터 데이터베이스 관리, 서버 관리, 소프트웨어 개발 및 비즈니스 분석 능력은 한마디로 공급. 이것은 더 많은 IT 부서는 이미 중요 한 IT 기술 부족에 대 한 부담.

5. 기존 시스템의 가치를 감소

레거시 시스템은 종종 더 큰 데이터를 있는 경우 보다 귀중 한. 일반적으로, 이러한 레거시 시스템은 가장 큰 데이터를 구문 분석 하 고 중요 한 비즈니스 질문에 대답 하는 방법에 대 한 중요 한 단서를 제공 합니다.

6. 데이터 센터를 단순화

큰 데이터 계산 클러스터 및 다른 전통적인 그것 거래 및 데이터 웨어하우스 시스템 형식 시스템 관리의 병렬 처리를 요구 한다. 즉, 이러한 새로운 시스템을 실행 하는 데 필요한 에너지, 정보, 소프트웨어, 하드웨어 및 시스템 기술을 다른 있습니다.

7. 데이터 품질 향상

전통적인 거래 시스템의 아름다움은 이러한 시스템은 모든 고정된 데이터 필드 길이, 포괄적인 편집 및 유효성 검사 데이터 상대적으로 깨끗 한 데이터를 만들 수 있습니다. 큰 데이터는 다른, 그것은 구조화 되지 않은, 그리고 그것은 어떤 포맷 될 수. 이것은 큰 데이터 품질 큰 문제가 있습니다. 데이터 품질은 중요 합니다. 없이 데이터 품질, 데이터 쿼리 결과 신뢰할 수 없습니다.

8, 반환 지표의 기존 투자 속도 확인

시스템 레코드에서 ROI를 측정 하는 가장 일반적인 방법은 트랜잭션 속도 모니터링 하 고이 분 당 받을 호텔 예약) 등 소득 측면에서 의미를 유추 하는 것입니다. 트랜잭션 속도 대용량 데이터 처리에 대 한 좋은 통계 이며 처리 하 고 분석 하는 큰 범위 몇 시간 또는 며칠이 걸릴 수 있습니다. 그와 반대로, 대규모 데이터 처리의 효과 평가 하기 위한 최상의 조건을 이용, 그리고 정기적인 평가의 결과 90% 이상 이어야 한다 (반면, 거래 시스템은 약 20%). 그것은 여전히 큰 데이터 투자의 가치를 증명 하기 위해 CFO 및 다른 관리를 설득할 필요가 있기 때문에 큰 데이터에 대 한 새로운 투자 수익 지표를 개발 하는 것이 중요.

9, 대부분 데이터의 유용

큰 데이터의 95%는 "소음", 즉, 비즈니스 인텔리전스에 아무 기여 또는 작은 기여. 이 정보에 대 한이 데이터를 필터링 비즈니스에 잘 사용 될 것입니다.

10, 모든 시간 그것은 작동

년, 대학 및 연구 센터 게놈, 공학, 의학 약물 연구 및 외계 존재의 존재의 식별 등 연구에 기묘한 알찬 큰 데이터 실험 했습니다. 이러한 데이터 분석 알고리즘 일부 결과 생성 하지만 더 아직도 결정적이 아니 남아 있습니다. 대학 및 연구 환경에서 불확실성 참을 수 있다면, 그렇다면 그건 하지 회사 환경에 있는 경우. 이것은 그것 및 다른 주요 의사 결정자를 필요입니다.