Na początku tego miesiąca firma HP zorganizowała w Bostonie swoją trzecią doroczną konferencję poświęconą dużym zbiorom danych . Uczestniczyło w niej szerokie spektrum organizacji, zarówno dużych, jak i małych, zdobywając wiedzę na temat przyszłości dużych zbiorów danych dzięki prelegencjom takich osób jak Facebook, Michael Stonebraker, Nate Silver i wielu innych. Odbyło się również ponad 40 sesji tematycznych, prowadzonych przez klientów, którzy prezentowali różne projekty i historie. Chociaż HP z pewnością miało na wydarzeniu nowości, takie jak aktualizacje Vertica i nowa inicjatywa startupowa , konferencja koncentrowała się przede wszystkim na realizacji inicjatyw związanych z dużymi zbiorami danych. Oto kilka kluczowych wniosków z konferencji, które rzucają światło na przyszłość dużych zbiorów danych z perspektywy osób bezpośrednio zaangażowanych w ten proces.
Jeziora danych to marketingowy bełkot
To mniej więcej sedno wypowiedzi Michaela Stonebrakera, laureata Nagrody Turinga z 2014 roku. Jego komentarz wywołał aplauz tłumu, który jest wyraźnie zmęczony marketingowym przekazem promowanym przez branżę. Nie skomentował tsunami danych ani innych meteorologicznych zjawisk związanych z dużymi zbiorami danych, ale można śmiało założyć, że on również uważa je za bzdury. Sednem sprawy jest to, że branża ma pewne trudności z uporządkowaniem koncepcji analityki dużych zbiorów danych. Do pewnego stopnia musi to zrobić, większość organizacji jest daleko w tyle, jeśli chodzi o uczynienie swoich danych użytecznymi. Co więcej, mają trudności z nakreśleniem planu gromadzenia danych, więc wizualizacja jeziora danych ma sens. Ale samo umieszczenie danych w jeziorze to bardzo mała część problemu, z którym borykają się organizacje. Co prowadzi do następnego punktu.
Hadoop to nie Big Data
Wiele organizacji rozpoczyna swoją przygodę z big data od instancji Hadoop. Choć to godny podziwu początek, samo korzystanie z Hadoop nie oznacza, że zajmujemy się „big data”. Ken Rudin, dyrektor ds. analityki w Facebooku, rozwiał tę myśl w swoim wystąpieniu na temat mitów dotyczących big data, gdzie podkreślił różnicę w generowaniu wpływu, a nie w pozyskiwaniu analiz.
Chociaż koncepcja wywierania wpływu wydaje się podstawowa, wiele organizacji skupia się na technologii lub danych, które nie napędzają zmian ani nie prowadzą do lepszych rezultatów. Wywieranie wpływu wymaga jednak równowagi i prowadzi do pytania, które zadawałem kilkanaście razy różnym osobom podczas wydarzenia.
Jak zadawać właściwe pytania?
Organizacje mogą dysponować najlepszą technologią, najbystrzejszymi analitykami danych i wspaniałymi zbiorami danych, ale to nie gwarantuje sukcesu. Zadawanie właściwych pytań jest podstawą do wywierania wpływu na biznes. Aby to osiągnąć, większość firm, z którymi rozmawiałem, umieszcza swoich analityków danych w swoich jednostkach biznesowych. Daje im to większe doświadczenie w rozwiązywaniu problemów, z którymi boryka się firma, a liderom biznesowym bezpośredni dostęp do pytań skoncentrowanych na danych. Chociaż schematy organizacyjne wyglądają nieco inaczej w zależności od tego, kogo zapytasz, konsensus jest taki, że osadzeni analitycy danych to właściwa struktura. Taka struktura pomaga zapewnić zadawanie trafniejszych pytań, co ma dodatkową zaletę w postaci szybszego pozyskiwania istotnych i użytecznych danych.
Wiele wyzwań przed nami
Choć liderzy w tej dziedzinie są razem, wciąż wiele jest do zrobienia. Większość układanki Big Data wciąż nie została rozwiązana. Oczywiście, elementy narożne są już gotowe, a znaczna część granic jest już gotowa, ale większość elementów wciąż leży do góry nogami w stercie. Wiele problemów wynika z szybkości. Przenoszenie zbiorów danych, czasami ze starszych systemów lub systemów, które nie zostały zbudowane z myślą o przenośności danych, stanowi poważny problem. Samo terminowe wprowadzanie danych na platformę analityczną wymaga od większości firm dużego nakładu pracy. Szybkość transportu jest ogromna – im szybciej dane trafiają na platformę analityczną, tym szybciej można je przeszukiwać i dostosowywać plany biznesowe. Dane sprzedażowe były najczęściej poruszanym wątkiem w tym punkcie – niektórzy, z którymi rozmawiałem, mają dostęp niemal w czasie rzeczywistym, a wielu z nich widziało dane niecały dzień później. Wielu jednak mówiło o trudnościach związanych z koniecznością wielodniowego oczekiwania na szczegółowe dane sprzedażowe, co w niektórych przypadkach oznacza, że jest już za późno na podjęcie działań.
HP oferuje kompleksowy pakiet sprzętu, oprogramowania i usług, które pomagają organizacjom rozwiązywać problemy, które historycznie były domeną firm konsultingowych. Umożliwiając firmom proaktywne wykorzystanie własnych danych, a w wielu przypadkach również źródeł zewnętrznych, HP pomaga organizacjom osiągać stopniowe korzyści. To może być jedno z największych nieporozumień dotyczących obietnicy, jaką dają duże zbiory danych. Oczywiście, można znaleźć duże korzyści, być może dane przyniosą coś przełomowego. Bardziej prawdopodobne jest jednak, że odpowiednia analityka jest bardziej jak baseballista, który osiąga średnią uderzeń. Regularna seria singli to dobry wynik i z czasem przynosi spore korzyści.
Amazon