The Economy of Big Data - dummies

Cara terbaik untuk memahami ekonomi data besar adalah dengan melihat berbagai metode untuk memasukkan data besar ke organisasi Anda. Meskipun biaya tertentu mungkin berbeda-beda tergantung pada ukuran organisasi Anda, daya belinya, hubungan vendor, dan sebagainya, kelas biaya cukup konsisten.

Jenis dan sumber data yang besar

Keputusan terpenting yang harus Anda buat berkenaan dengan jenis dan sumbernya

• Data apa yang diperlukan untuk mengatasi masalah bisnis Anda?

• Di mana Anda bisa mendapatkan data?

• Apa yang dapat Anda lakukan dengan datanya?

• Seberapa sering Anda perlu berinteraksi dengan data?

• Siapa yang memelihara kepemilikan data dan produk kerja?

• Berapa lama Anda harus menyimpan datanya?

• Dapatkah Anda mempercayai data dan sumbernya?

Menganalisis data yang besar untuk mengantisipasi apa yang berikutnya

Sering petunjuk tersedia dalam data yang ada. Namun, tanpa data yang cukup, petunjuk ini akan diabaikan karena data tersebut mungkin terlihat seperti outlier atau bahkan kesalahan. Pemberitahuan awal tentang persyaratan yang berubah ini memungkinkan bisnis menguji layanan baru dan kemasan baru yang bisa menjadi penting.

Menemukan sumber data yang tepat

Sourcing data adalah langkah selanjutnya. Ini bukan hanya tentang kemana mendapatkan data, tapi juga bentuk atau jenis data serta kualitas atau kepercayaan data. Sumber data sentimen yang baik ditemukan di properti web sosial seperti Facebook, foursquare, Yelp, Pinterest, dan Twitter.

Sumber yang Anda pilih mungkin ditentukan oleh kebiasaan pelanggan Anda. Jumlah data sangat luas dan Anda mungkin mencari jarum pepatah di tumpukan jerami. Selain itu, struktur dan jenis data ini bervariasi dari satu situs ke situs lainnya, menambah kompleksitas dan biaya tambahan.

Apa yang dapat Anda lakukan dengan datanya?

Memahami seberapa sering data digunakan oleh sistem internal dapat membantu mengendalikan biaya. Jika persyaratannya adalah untuk menganalisa sentimen pelanggan secara real time di beberapa properti sosial, biayanya akan sangat tinggi. Jika analisisnya bisa dilakukan lebih santai atau dengan sumber data yang lebih sedikit, biayanya bisa lebih rendah dan lebih terkendali.

Beberapa pemasok sumber data besar ingin mempertahankan kepemilikan data mereka, memberi lisensi untuk penggunaan spesifik dan tidak merusak. Yang lain akan terbuka dengan sedikit atau tanpa biaya akses atau persyaratan penggunaan yang sombong. Beberapa perizinan data akan membatasi penggunaan untuk menghitung dan menghancurkan.

Orang lain mungkin mengizinkan Anda untuk menggunakan datanya, namun meminta Anda untuk "memberikannya kembali" saat analisis atau perhitungan Anda selesai.Perhatian harus selalu dilakukan untuk melindungi informasi perusahaan.

Ekonomi data besar harus dipahami dari dua dimensi: memulai dan mengelola keadaan mapan. Biaya startup dapat terkandung dengan menemukan data terbuka atau sumber data yang dapat diakses secara bebas. Jika sumber daya data center lebih banyak dibutuhkan, Anda harus mempertimbangkan layanan berbasis awan di mana Anda bisa "membayar dengan minumannya. "Jauh lebih mudah untuk melakukan percobaan seperti ini.

Dampak teknologi data besar

Di dunia ideal, akan memungkinkan untuk menggunakan banyak teknologi dan aplikasi yang ada saat data besar diterapkan pada alur kerja. Namun, kemungkinan besar teknologi baru perlu dipekerjakan.

Banyak alat baru dan berbeda tersedia untuk data besar. Jika seorang manajer merek perlu mengumpulkan data dari beberapa situs sosial yang berbeda, masing-masing dengan tipe data yang berbeda, dia harus bekerja sama dengan tim TI untuk memilih teknologi apa yang paling sesuai dengan kebutuhan bisnis dan biaya.

Anda pasti akan menerapkan produk yang akan menggabungkan unsur Hadoop dan Hive. Juga, teknologi baru akan dibutuhkan. Teknologi yang ada terlalu rapuh atau karena dirancang untuk tugas tertentu.

Temukan bakat untuk mendukung proyek data besar

Analis bisnis mungkin perlu menambah peringkat mereka dengan ilmuwan data. Hal ini dapat dicapai dengan hubungan konsultasi dalam fase startup, namun harus beralih ke penempatan permanen karena arahan menjadi jelas. Seorang ilmuwan data tunggal tidak mungkin menjadi jawabannya. Leverage paling banyak akan diwujudkan dengan menciptakan tim ilmuwan data.

Bagi tim TI, pengetahuan tentang teknologi data besar baru perlu diperkenalkan kepada anggota tim yang ada melalui pelatihan dan pendampingan. Adalah wajar untuk mengasumsikan bahwa bakat baru perlu dipekerjakan saat organisasi Anda mendekati keadaan mapan.

Banyak universitas dan perguruan tinggi telah mulai menawarkan kursus yang seharusnya membantu mengisi kesenjangan dalam jangka pendek. Dalam jangka panjang, vendor yang menyediakan solusi harus menciptakan solusi data besar yang lebih bermanfaat yang mengurangi kompleksitasnya.