Contenu
- Impliquez toutes les sections de l'entreprise dans une initiative Big Data
- Évaluez tous les modèles d'infrastructure pour la mise en œuvre de données volumineuses
- Prenez en compte les sources de données traditionnelles dans la planification du Big Data
- Considérons un ensemble cohérent de données
- Distribuez les données
- Ne comptez jamais sur une seule approche analytique Big Data
- Ne commencez pas une initiative Big Data importante avant d'être prêt
- Ne pas utiliser les données isolément
- Ne pas ignorer la sécurité des données
- Ne pas ignorer la partie performance de l'analyse de données volumineuses
Source: Rawpixelimages / Dreamstime.com
À emporter:
Le Big Data est un domaine nouveau et émergent pour la plupart des entreprises. Pour que cela fonctionne, il faut soigneusement ajuster et utiliser les meilleures pratiques.
Les mégadonnées sont porteuses de promesses pour tous les types d’industries. Si ces données massives sont exploitées efficacement, elles peuvent avoir un impact significatif sur la prise de décision et l’analyse. Mais le bénéfice du Big Data ne peut être obtenu que s’il est géré de manière structurée. Les meilleures pratiques en matière de données volumineuses sont progressivement mises en place, mais il existe déjà des solutions claires en ce qui concerne la mise en œuvre.Les directives suivantes sont basées sur l’expérience pratique et les connaissances acquises dans le cadre de projets concrets. Voici mon top big data dos et dos.
Impliquez toutes les sections de l'entreprise dans une initiative Big Data
Une initiative Big Data n’est pas une activité isolée et indépendante, et la participation de toutes les unités fonctionnelles est indispensable pour obtenir une valeur réelle et des informations pertinentes. Les mégadonnées peuvent aider les entreprises à exploiter de gros volumes de données et à mieux comprendre le comportement des clients, les événements, les tendances, les prévisions, etc. Cela n’est pas possible avec un instantané de données qui ne capture qu’une partie du volume total de données traitées dans le big data. En conséquence, les entreprises se concentrent de plus en plus sur tous les types de données provenant de toutes les avenues / unités commerciales possibles pour comprendre le modèle correct.Évaluez tous les modèles d'infrastructure pour la mise en œuvre de données volumineuses
Le volume de données et sa gestion constituent une préoccupation majeure pour toute initiative Big Data. Parce que les grandes données traitent de pétaoctets de données, la seule solution pour les gérer consiste à utiliser des centres de données. En même temps, la composante de coût doit être prise en compte avant de sélectionner et de finaliser toute installation de stockage. Les services en nuage sont souvent le meilleur choix, mais les services de différents environnements en nuage doivent être évalués pour déterminer celui qui convient. Le stockage étant l'un des composants les plus importants de toute implémentation de Big Data, c'est un facteur qui doit être évalué avec le plus grand soin dans toute initiative Big Data. (Obtenez une autre perspective dans Todays Big Data Challenge: Variety, Not Volume ou Velocity.)Prenez en compte les sources de données traditionnelles dans la planification du Big Data
Il existe diverses sources de données volumineuses et le nombre de sources augmente également de jour en jour. Cet énorme volume de données est utilisé comme entrée pour le traitement de données volumineuses. En conséquence, certaines entreprises pensent que les sources de données traditionnelles sont inutiles. Ce n'est pas vrai, car ces données traditionnelles sont un élément essentiel au succès de tout récit de big data. Les données traditionnelles contiennent des informations précieuses. Elles doivent donc être utilisées avec d'autres sources de données volumineuses. La valeur réelle du big data ne peut être déterminée que si toutes les sources de données (traditionnelles et non traditionnelles) sont prises en compte. (En savoir plus dans Take That, Big Data! Pourquoi les petites données peuvent-elles avoir un impact plus grand.)Considérons un ensemble cohérent de données
Dans un environnement Big Data, les données proviennent de différentes sources. Le format, la structure et les types de données varient d’une source à l’autre. La partie la plus importante est que les données ne sont pas nettoyées lorsqu'il s'agit de votre environnement Big Data. Ainsi, avant de faire confiance aux données entrantes, vous devez vérifier la cohérence par des observations et des analyses répétitives. Une fois la cohérence des données confirmée, vous pouvez la traiter comme un ensemble cohérent de métadonnées. Trouver un ensemble cohérent de métadonnées en observant attentivement le modèle est un exercice essentiel dans la planification de mégadonnées.Distribuez les données
Le volume de données est une préoccupation majeure lorsque nous considérons un environnement de traitement. En raison du volume considérable de données traité par Big Data, il est impossible de traiter sur un seul serveur. La solution est un environnement Hadoop, qui est un environnement informatique distribué fonctionnant sur du matériel standard. Il donne la puissance d'un traitement plus rapide sur plusieurs nœuds. (En savoir plus dans 7 choses à savoir sur Hadoop.)Ne comptez jamais sur une seule approche analytique Big Data
Il existe différentes technologies sur le marché pour le traitement de données volumineuses. Apache Hadoop et MapReduce sont à la base de toutes les technologies Big Data. Par conséquent, il est important d’évaluer la bonne technologie pour le bon objectif. Parmi les approches analytiques importantes figurent l'analyse prédictive, l'analyse normative, l'analyse, l'analyse de données de flux, etc. La sélection de la méthode / approche appropriée est importante pour atteindre l'objectif souhaité. Il est préférable d’éviter de s’appuyer sur une approche unique, mais d’envisager diverses approches et de choisir celle qui correspond le mieux à votre solution.Ne commencez pas une initiative Big Data importante avant d'être prêt
Il est toujours recommandé de commencer par de petites étapes pour toute initiative Big Data. Commencez donc par des projets pilotes pour acquérir de l'expertise, puis optez pour une mise en œuvre effective. Le potentiel des mégadonnées est très impressionnant, mais la véritable valeur ne peut être obtenue que si nous réduisons nos erreurs et gagnons en expertise.Ne pas utiliser les données isolément
Les sources de données volumineuses sont dispersées autour de nous et elles augmentent jour après jour. Il est important d'intégrer toutes ces données pour obtenir une sortie analytique correcte. Différents outils sont disponibles sur le marché pour l'intégration de données, mais ils doivent être évalués correctement avant utilisation. L'intégration du Big Data est une tâche complexe car les données provenant de sources différentes ont un format différent, mais elles sont indispensables pour obtenir de bons résultats d'analyse.Ne pas ignorer la sécurité des données
La sécurité des données est une considération majeure dans la planification du Big Data. Initialement (avant d'effectuer tout traitement), les données sont en pétaoctets. La sécurité n'est donc pas strictement mise en œuvre. Mais après un certain traitement, vous obtiendrez un sous-ensemble de données qui vous donnera un aperçu. À ce stade, la sécurité des données devient essentielle. Plus les données sont traitées et ajustées, plus elles ont de la valeur pour une organisation. Ces données de sortie ajustées sont la propriété intellectuelle et doivent être sécurisées. La sécurité des données doit être mise en œuvre dans le cycle de vie du Big Data.Ne pas ignorer la partie performance de l'analyse de données volumineuses
La sortie de l'analyse de données volumineuses n'est utile que si elle offre de bonnes performances. Les mégadonnées offrent plus d'informations sur le traitement d'une grande quantité de données à une vitesse supérieure. Par conséquent, il est essentiel de le gérer efficacement. Si les performances du Big Data ne sont pas gérées avec soin, cela causera des problèmes et rendra tout l’effort inutile.Au cours de notre discussion, nous nous sommes concentrés sur les dos et les dos des initiatives de Big Data. Le big data est un domaine émergent et, en ce qui concerne la mise en œuvre, de nombreuses entreprises sont encore en phase de planification. Il est essentiel de comprendre les meilleures pratiques du Big Data pour minimiser les risques et les erreurs. Les points de discussion ont été dérivés d’expériences de projets réels, ce qui donnera des indications pour réussir une stratégie Big Data.