론 Kasabian 큰 데이터 거품 타격 금 모래

큰 데이터 가트너의 개발 주기의 "기대의 절정"을 통과 했다와 환멸의 "환상"에 걸리고는 스 베틀 라 나 Sicular, 가트너 분석가 자신의 블로그에 말했다. (만약 당신이 가트너의 개발 주기를 모르는, 체크 아웃 스 베틀 라 나 블로그에 대 한 설명.) )

내 큰 데이터 경험을 가진 환멸의 환상은 의미가 없다. 대용량 데이터 분석 가치를 많이 만들 수 있습니다. 가장 보람 있는 작업 처럼 큰 데이터는 시간과 노력을 우리는 값으로 두 드려 야 가치가 있다. 지난 3 년 동안 나는 인텔의 CIO 팀의 일환으로 비즈니스 인텔리전스 및 분석 솔루션을 개발 하는 시간을 많이 썼다. 이러한 솔루션 고객 시장에 시간을 가속화 하는 동안 시간과 비용의 상당한 금액을 절약할 도움이 됩니다.

이 경험을 바탕으로, 내가 제안을 4 개의 아래 환멸의 마술의 신화의 영웅 및 큰 데이터 구현에서 더 큰 가치를 얻을 수 있도록:

1. 생각의 모드를 확장 합니다. 더 큰, 더 포괄적인 비즈니스 활동 패턴을 상상 하 고 하면 협조 하는 것은 전반적인 상황, 가능한 많은 데이터 소스 패턴을 풍부 하 게 하는 방법에 대 한 생각. 어떤 인프라 같은 큰 규모의 데이터를 지원 하 고 동일한 인프라를 사용 하 여 10 시간 또는 더 많은 시간 더 많은 데이터를 지원할 수 있는지 스스로 게 물어 필요가 상상.

이 오 레 곤 건강 과학 대학 (OHSU) 큰 데이터 프로젝트의 주요 목표 이다. 프로젝트 인간 게놈 지도, 맞춤된 암 치료 프로그램을 만들 수 있도록 함으로써 고 과학적 혁신의 많은 다른 종류를 지 원하는 분석 과정을 가속화 하는 것을 목표로. 환자와 환자의 수백만의 총 당 약 1 TB 데이터, OHSU는 많은 양의 데이터를 처리 하는 데 필요 합니다. 이 위해, 대학 인프라 인간 게놈 시퀀싱 및 시간이 지남에 변경 표시와 관련 된 데이터의 큰 금액을 다루는 기술 파트너와 함께 개발 하고있다. 대규모 데이터 처리의 분야에서 기술 혁신과 함께이 획기적인 연구 의미 수요 급속 하 게 일어날 것 이다 데이터 증가, 1 인당 $ 1000 게놈 시퀀싱의 비용을 줄일 수 있습니다.

2. 찾기 사업 관련 데이터. 어떤도 전에 직면, 그들에 게 가장 중요 한 것 그리고 그들은 그들의 비즈니스 영향을 확장 하기 위해 필요한 비즈니스 리더에서 자세히 알아보십시오. 그런 다음 데이터 비즈니스 문제를 해결 하는 그들을 도울 수 있는지를 검색. 이것은 인텔에서 실시 되는 큰 데이터 계획의 주요 내용입니다. 이 언제, 어떤 딜러는 제품에 대 한 연락 한다를 포함 하 여 영업 팀에 대 한 정보를 제공 하는 것입니다. 2012 년 프로젝트 새로운 수익 기회의 약 $20 백만 조를 가져 하 고 2013 년까지 높을 것으로 예상 된다.

3. 유연성을 유지 합니다. 우리는 급속 한 혁신의 시간에서 하 고 enterprise 자원의 구현으로 조직적 수 없습니다 계획 (ERP). 기술적인 관점에서 당신은 필요한 경우 다른 솔루션을 유연 하 게 이동 준비 되어야 한다. 예를 들어 피칸 스트리트 주식 회사, 비영리 단체의 대학, 기술 기업 및 유틸리티 공급자 구성 데이터베이스 아키텍처를 반복의 세 번째 라운드에서 지금은 텍사스의 "스마트 그리드" 에너지 데이터를 수집 하도록 설계 된 있다. 스마트 미터는 더 상세한 데이터 생산, 피칸 스트리트 Inc. 소비자 유틸리티 더 나은 그들의 격자를 관리 하면서 자신의 에너지 소비를 줄일 수 있도록 새로운 방법을 찾고 있습니다. 그러나, 수요를 충족, 피칸 스트리트 필요 끊임없이 자사의 인프라를 대체 합니다. 우리가 필요가 있는 무엇을 알고는 지금도 당신이 당신이 어떤 도구 큰 데이터 솔루션을 구축 하는 데 필요한 알고 있다고 생각 하지만 일 년 후 변경 됩니다. 당신은 항상 조정 준비 되어야 합니다.

4. 주요 포인트를 연결 합니다. 인텔, 우리 설계 데이터 및 제조 데이터와 관련 된 거 대 한 이점을 잘 알고 있습니다. "테스트, 디자인, 테스트, 재설계" 우리의 개발 사이클의 주요 작품 이다. 이 주기를 가속화 하는 것은 큰 가치를 가져올 수 있다. 분석 팀 데이터 특정 부서 제조 및 설계 과정에 통합에 대 한 책임에 의해 생산 제조에 집중 하기 시작 했다. 이 과정에서 우리는 품질을 보장 하면서 표준 테스트 프로세스를 단순화 수 있습니다 알고 있습니다. 우리는 예측 분석을 사용 하 여 칩 설계 검증 및 25%, 디버깅 프로세스를 간소화 하 고 프로세서 테스트 시간을 단축. 프로세서 테스트의 효율성을 증가 하 여 우리 때 우리는 인텔 코어 프로세서는 일련의 테스트는 2012 년에 3 백만 달러의 저장. 이 솔루션은 2014에서 계속 하, 30 백만 달러의 비용에 저장을 전망 이다. 그러나, 우리는 큰 데이터를 사용 하 여 상당한 혜택을 얻을 하는 방법을 학습에로에 밖으로 시작 그냥. 큰 데이터 환상에 스 탁 대조에서 우리 발견 많은 흥분과 큰 데이터 가능성 우리가 포괄적인 방법으로, 대형 비즈니스 문제 고 우리 수 있도록 몇 가지 바람직한 방법을 발견 증가 수익 및 수익 효율성 및 IT 인프라의 보안을 개선 하는 동안. 큰 데이터 프로젝트 어려울 수 있습니다 처음, 하지만 그것은 확실히 가치가 시간과 노력.