8 이유 왜 큰 데이터 프로젝트 실패

큰 데이터 지금 관심의 초점이 되었다, 많은 기업 고군분투 하는 그들의 자신의 데이터를 사용 하 여, 중요 한 결정에 대 한 지원을 제공 하 길 원하고. 큰 데이터 동안과 대 광고 및과 대 광고는 성 난, 92%의 기업 유지 중립, "적절 한 시기"에 시작 또는 큰 데이터 프로젝트를 터치 하 려 하지 않습니다 그들은 말. 이미 손 큰 데이터 프로젝트를가지고 있는 기업에 대부분 실패 하 고 종종 같은 함정에 빠지지.

구축에 참여 하 고 그들을 사용 하 여 배울 중요 결함의 시리즈에서 경험을 축적을 기존 직원을 격려 하는 반복적인 접근 방식을 큰 데이터 프로젝트 성공의 열쇠가입니다.

무리의 심리

큰 데이터는 확실히 변형 및 큰 기술적 성과. 가트너 조사에 따르면 2013 년에는 응답자의 64% 말했다 그들이 구입 했다 또는 큰 데이터 시스템, 2012 설문 조사에서 58% 보다 더 높은 비율에에서 투자를 계획 했다. 점점 더 많은 기업이 자신의 데이터 탐험는 고객 이탈을 최소화, 금융 리스크 분석 및 고객 경험을 개선 거기에 포함 된 정보를 사용 하려고.

큰 데이터 아이디어 64% 응답자의 30%는 이미 빅 데이터 기술에 투자, 19%는 내년도에 투자 하려는 또 다른 15%는 계획 하 고 향후 2 년 동안에 투자. 하지만 모든 가트너의 720-비트 응답자의 8% 미만 실제로 큰 데이터 기술 솔루션을 배포 했습니다.

이것은 나쁜 결과, 하지만 프로젝트의 실패에 대 한 이유는 분명히 더: 대부분의 회사는 아무 생각이 그들이 큰 데이터 필드를 입력 한 후 무엇을 해야.

당연히 많은 회사는 지금 드럼 평균 소득 년 $123,000에 도달 했습니다 데이터 과학자를 고용 하는 잘생긴 급여 그림 지불.

실패 원인 8 가지 이유

있기 때문에 그들의 자신의 데이터를 탐색 하는 과정에서 많은 기업 완전히 잘못 된 명 중에,이, 깨 달 았는 데 그들은 더 많은 예측 솔루션 (데이터 과학자 기적 적으로 훨씬 더 과장 된 기대와 함께, 그들은 얼굴 진짜 문제를 해체 수 아이디어를 포함 하 여) 가져올 수 있는 전문가의 도움을 받아야 결정 했습니다. Gartnerwngr 스 베틀 라 나 Sicular는 대용량 데이터 프로젝트 실패의 8 공통 원인을 즉 요약 되어 있습니다.

• 관리 저항입니다. 데이터는 많은 양의 중요 한 정보를 포함, 재산 지식 기업 지도자의 62%는 아직도 그들의 직감에 믿는 경향이 고 응답자의 61% 이상 의사 결정 과정에 실용적인 통찰력을 리더십의 우선 순위 기준 값의 데이터 분석 보다 높은 있다고 생각 발견.

• 그것을 사용 하 여 잘못 된 방향으로 선택 합니다. 회사 건물 너무 급진적인 큰 데이터 프로젝트를 또는 그들의 처리에 의해 또는 큰 데이터 문제를 다루는 전통적인 데이터 기술을 사용 하 여 두 가지 실수를 할 경향이 있다. 두 경우 모두 프로젝트는 곤경에 빠질 것.

• 잘못 된 질문을 질문 하십시오. 데이터 과학은 매우 복잡 한 전문 (금융, 소매 또는 다른 산업에 실제 비즈니스 상황에 대해 더 알고 필요), 수학 및 통계 경험, 그리고 프로그래밍 기술 포함. 많은 기업에 의해 고용 데이터 과학자만 수학과 프로그래밍 지식, 이해 하지만 가장 중요 한 기술 구성 요소 부족: 관련된 산업의 기술. Sicular의 보기는 오른쪽, 그리고 그녀 "하 둡은 업계에 대 한 학습을 보다 쉽게 학습." 때문에 그것이 가장, 회사 내에서 데이터 과학자를 찾고 시작 하

• 필요한 능력의 부족을 설정합니다. 이 이유의 질문에 밀접 하 게 관련은 "실수". 많은 큰 데이터 프로젝트 꼼짝 하 고 결국 그들은 필요한 기술을 하지 않기 때문에 실패 합니다. 그것은 기술자는 같은 프로젝트에 대 한 책임-그리고 그들은 종종 결정을 안내 하는 적절 한 질문으로 데이터를 제시할 수.

• 대용량 데이터 기술 이외의 다른 우발 사고 발생. 데이터 분석의 큰 데이터 프로젝트의 구성 요소 중 하나 이며 액세스 및 프로세스 데이터 기능은 똑같이 중요 하다. 또한, 종종 간과 요인 네트워크 전송 용량 제한 및 인력 훈련, 등 있습니다.

· 엔터프라이즈 전략 충돌입니다. 큰 데이터 프로젝트는 성공 해야 단일 "프로젝트"로 그것을 제거 하 고 정말 귀하의 비즈니스에 대 한 데이터를 사용 하는 핵심 방법으로 생각을 합니다. 문제는 값 또는 다른 분야의 전략적 목표는 수시로 강력 하 게 우리가 어디에 나 큰 데이터 보다 우선 순위에 높을 것.

• 큰 데이터 섬입니다. 큰 데이터 공급자 "데이터 호수" 또는 "데이터 허브,"에 대 한 얘기를 사랑 하지만 사실 많은 기업 "데이터 웅덩이," 명확한 경계와 사이의 웅덩이 같은 데이터 웅덩이 마케팅 및 제조 데이터 웅덩이로 만들어집니다. 그것은 서로 다른 분야 간의 격차를 최소화 하 고 데이터 스트림 집계 하는 경우에 큰 데이터 진정으로 자체 값 재생할 수 있습니다 강조 해야 합니다.

• 문제가 발생 하지 않도록. 때로는 우리가 해야 수 또는 데이터 우리가 감정 분석 메커니즘의 제약 업계의 거부 등 그들은 그것와 함께 제공 되는 법적 책임을 가정 하는 FDA에 나쁜 부작용이 보고 싶지 않기 때문에 방지 하 고 싶 었 것이 몇 가지 작업을 강제로 것입니다 용의자.

이 목록에서 이유의, 당신은 찾을 수 있습니다 공통 주제: 어떻게 매우 우리가 데이터 자체를 보면, 아무리 인적 요소 관련 있습니다. 마자 우리는 데이터의 모든 권한의 얻을 위해 노력 하 고, 대형 데이터 처리 프로세스 많은 초기 데이터 수집 및 분석, 무엇을 분석 결론, 질문 하 고를 선택으로 결정 등을 포함 한 사람에 의해 궁극적으로 관리 됩니다.

반복을 통한 혁신 구현

많은 회사는 단순히 그들의 자신의 큰 데이터 프로젝트를 설정할 수 없습니다 것 이기 때문에 대부분 큰 데이터 프로젝트는 종종 실패를 결국, 그것은 큰 데이터로 반복 메커니즘을 소개 하는 데 필요한. 이 컨설팅 회사 또는 공급 업체, 많은 돈 지불 하는 회사를 강요 하지 않습니다 그리고 사내 직원을 포함 하는 무료 데이터 실험 프로그램을 구축 하는 것이 좋습니다.

거의 모든 주요 데이터 기술을 오픈 소스는 주어진 그것은 전적으로 "작은 초기 크기를 신속 하 게 문제를 식별할 수 있는"를 구축 가능. 더 중요 한 것은, 많은 플랫폼으로 신속 하 게 하 고 클라우드 서비스로 저렴 하 게 추가 금액을 감소 프로젝트 실험 및 오류 검출에 투자 사용할 수 있습니다.

큰 데이터 초점은 그렇게 중요 프로젝트에 참여 하는 직원에 대 한 이유는 적절 한 질문을 만들기에 있다. 하지만 업계의 뛰어난 지식으로도 불가능, 문제를 제시 하는 과정을 시작 하 고 기업 수 올바른 데이터를 수집 하는. 이러한 문제 또한 기대에 포함 하 고 그에 따라 준비 한다.

문제를 해결 하는 열쇠가 직원 그들의 실제 프로그램을 조정 하는 그들의 노력을 원하는 피드백을 얻을 때까지 계속 수 있도록 유연 하 고 오픈 데이터 인프라를 사용 하는. 이 방법에서는, 기업의 두려움을 제거 하 고 궁극적으로 성공적인 겹치는 대용량 데이터의 성공에 무기의 사용 수 있습니다.