В начале этого месяца в Бостоне компания HP провела свою третью ежегодную конференцию по большим данным . В ней приняли участие представители самых разных организаций, как крупных, так и небольших, получив ценные сведения о будущем больших данных благодаря выступлениям таких спикеров, как представители Facebook, Майкл Стоунбрейкер, Нейт Сильвер и многих других. Также было проведено более 40 секционных заседаний, организованных клиентами, которые рассказывали о различных проектах и практических примерах. Хотя HP, безусловно, представила на мероприятии новости, включая обновления Vertica и новую инициативу для стартапов , конференция была в большей степени посвящена реализации инициатив в области больших данных. Вот несколько ключевых выводов с конференции, которые проливают свет на будущее больших данных от тех, кто уже работает в этой сфере.
Озера данных — это маркетинговая чушь.
В этом, в общем-то, и заключалась мысль Майкла Стоунбрейкера, лауреата премии Тьюринга 2014 года. Его комментарий вызвал одобрительные возгласы в зале, явно уставшем от маркетинговых уловок, распространяемых индустрией. Он не стал комментировать «цунами данных» или другие метеорологические явления, связанные с большими данными, но можно с уверенностью предположить, что он тоже считает их чепухой. Суть в том, что индустрия испытывает трудности с тем, чтобы достойно представить концепцию анализа больших данных. В какой-то степени это необходимо, поскольку большинство организаций значительно отстают в плане использования своих данных для принятия решений. Кроме того, им сложно разработать план сбора данных, поэтому визуализация озера данных имеет смысл. Но простое занесение данных в озеро — это лишь малая часть проблемы, с которой сталкиваются организации. Что приводит к следующему пункту.
Hadoop — это не Big Data.
Многие организации начинают свой путь в области больших данных с использования Hadoop. Хотя это и достойное начало, простое использование Hadoop не означает, что вы занимаетесь «большими данными». Кен Рудин, директор по аналитике Facebook, объяснил это в своем выступлении о мифах, связанных с большими данными, подчеркнув разницу между достижением результатов и получением ценных аналитических выводов.
Хотя концепция достижения результатов кажется простой, многие организации слишком зацикливаются на технологиях или анализе данных, которые не приводят к изменениям или не способствуют улучшению результатов. Однако достижение результатов требует баланса, и это приводит к вопросу, который я задавал более десятка раз разным людям на мероприятии.
Как задавать правильные вопросы?
Организации могут обладать лучшими технологиями, самыми талантливыми специалистами по анализу данных и замечательными наборами данных, но это не гарантирует успеха. Умение задавать правильные вопросы имеет основополагающее значение для достижения бизнес-результатов. Для этого большинство компаний, с которыми я общался, внедряют своих специалистов по анализу данных в бизнес-подразделения. Это дает им больше опыта в решении проблем, стоящих перед бизнесом, и предоставляет руководителям подразделений прямой доступ к вопросам, ориентированным на данные. Хотя организационные схемы могут немного отличаться в зависимости от того, кого вы спросите, общее мнение таково, что внедрение специалистов по анализу данных в подразделения — это правильная структура. Такая структура помогает задавать более качественные вопросы, что, в свою очередь, приводит к более быстрому получению значимых или полезных данных.
Впереди много трудностей
Несмотря на сплоченность лидеров в этой области, многое еще предстоит сделать. Большая часть головоломки больших данных до сих пор не решена. Конечно, основные элементы уже собраны, и большая часть границ пройдена, но большинство элементов все еще лежат вверх ногами в куче. Большая часть проблем связана со скоростью. Перемещение наборов данных, иногда из устаревших систем или систем, которые не были разработаны с учетом переносимости данных, является большой проблемой. Просто своевременная передача данных на аналитическую платформу требует больших усилий от большинства компаний. Скорость передачи имеет огромное значение: чем быстрее данные попадают на аналитическую платформу, тем быстрее их можно запросить и скорректировать бизнес-планы. Данные о продажах были наиболее распространенной темой в этом вопросе; некоторые из тех, с кем я общался, имеют доступ к данным практически в режиме реального времени, и многие получали данные менее чем через сутки. Однако многие говорили о трудностях, связанных с необходимостью ждать несколько дней, чтобы получить детализированный анализ продаж, что в некоторых случаях означает, что уже слишком поздно принимать меры.
Со своей стороны, HP предлагает полный набор аппаратного, программного обеспечения и услуг, помогающих организациям решать проблемы, которые исторически были прерогативой консалтинговых компаний. Предоставляя предприятиям возможность активно извлекать выгоду из собственных данных, а во многих случаях и из внешних источников, HP помогает организациям добиваться постепенных улучшений. Возможно, это одно из главных заблуждений относительно перспектив больших данных. Конечно, можно добиться больших успехов, возможно, данные приведут к каким-то трансформационным результатам. Однако, скорее всего, правильная аналитика больше похожа на игру бейсболиста, который старается показывать хорошие результаты. Регулярная серия синглов — это хорошо, и со временем она приносит значительный доход.




Amazon