Introduksjon

Stor i navn og stor i naturen, er store data et teknologibesøk som snart ikke går unna. ABI Research mener at store datautgifter globalt overstiger 31 milliarder dollar (rundt 20,8 milliarder kroner, eller 40,2 milliarder dollar) i 2013, og at motorene kommer til å ramme 114 milliarder dollar (rundt 76,6 milliarder kroner, eller 148 milliarder dollar) i 2018, og ennå er det mange som fremdeles er forvirret om hvilke store data faktisk er, og hvorfor det kan være verdt det øye vannet i løpet av bare tre år.

Forrige Side 1 av 6 Neste Forrige Side 1 av 6 Neste

1. Hva er det?

Rent og enkelt er det et begrep som brukes til å beskrive de store datasettene som blir produsert av digitale prosesser og sosiale medier, som for tiden øker med bøttebelastningen hvert minutt hver dag. Det er en mish-mash av både strukturert, semi-strukturert og ustrukturert data som ikke kan håndteres av vanlige databaser eller programvare, og i stedet må trekkes gjennom bestemte analytiske programmer.

Behandling av store data er allerede stor virksomhet, og mangelen på ferdigheter der ute for å bruke analysene for å dechiffrere handlingsbar innsikt, er noe som fortsatt er et veldig reelt problem, selv om vi er rimelig langt unna når det gjelder å forstå hvilke store data som er.

Forrige Side 2 av 6 Neste Forrige Side 2 av 6 Neste

2. Solid analyse er nøkkelen

Tegning av noen form for forretningsfordel fra store data betyr at du har solid analyse på plass, så vel som ferdighetene til å bruke dem. Å ha en vellykket analysemodell betyr at virksomheten din vil kunne finne nye korrelasjoner for å løse problemer, identifisere trender og i utgangspunktet tjene mer penger.

En kort analyse av stor dataanalyse ble gitt av Michael Watson i Supply Chain Quarterly, hvor han skrev at det finnes tre forskjellige typer analytics: beskrivende, predictive og prescriptive. Beskrivende presenterer data på en måte som lar deg vite hva som foregår i stedet dataene er hentet fra. Prediktive beskriver hvordan du kan ta data og gjøre bedre spådommer ved å bruke det. Prescriptive, i mellomtiden, angår bruk av data kombinert med de påfølgende spådommene for å iverksette tiltak som vil forbedre virksomheten.

Å gifte dem sammen og stille de riktige spørsmålene i begynnelsen av hele analyseprosessen er nøkkelen til å sørge for at modellen din fungerer og leverer resultatene du ønsker.

Forrige Side 3 av 6 Neste Forrige Side 3 av 6 Neste

3. Internett av ting bidrar mye

Tro det eller ei, Gartner har en Hype Cycle for Emerging Technologies, og etter å ha toppet bordet i 2013, har store data gått bak en annen av dagens teknologibaserte ord - Tingets Internett. Selv om dette er tilfelle, har store data en stor fordel å dra nytte av når det gjelder IoT.

Ciscos konservative estimat på IoT nevner at antall tilkoblede enheter vil slå 21 milliarder i 2018, og de dårlige nyhetene for noen uforberedte firmaer er at det kommer til å være zettabyte på zettabyte data for å holde et håndtak på. Å forstå alle disse dataene er noe som fremdeles viser seg å være en stor utfordring, og ferdighetsgapet som vi kommer til i neste lysbilde, er noe som har potensial til å gjøre eller ødelegge suksessen til dataene som er trukket fra alle disse tingene".

Forrige Side 4 av 6 Neste Forrige Side 4 av 6 Neste

4. Det er fortsatt et stort kompetanse gap

Datavitenskapsmenn er opptatt av å håndtere datasettene som tilbys og gir innsikt fra dem, og for alle som ønsker å kaste av en karriere, er nyheten bra: ferdighetsgapet for datavitenskapsmenn er for tiden stort. Forskning fra Gartner fant at 85% av selskapene på Fortune 500-listen vil mislykkes i å utnytte data på en effektiv måte i 2015, og å bestemme hvordan man skal bygge bro over dette gapet er avgjørende for at bedrifter skal kunne realisere fordelene med store data.

Accenture gjennomførte i mellomtiden et årslang forskningsprosjekt på datavitenskapere og fant at USA vil skape rundt 39.000 nye jobber for analytiske eksperter gjennom 2015, men vil faktisk bare kunne tildele kandidater til 23% av disse rollene.

En enkel måte å fylle inn hullene er selvfølgelig å trene og fremme fra innsiden, selv om dette avhenger av at riktig opplæring er på plass, så vel som å ha de "riktige" menneskene i organisasjonen i utgangspunktet. Den andre veien er utdanning.

En slik utdanningsinstitusjon som prøver å hjelpe er det europeiske datavidenskapsakademiet, som er en nettbasert plattform for opplæring av datavitenskapere over hele Europa. Det hevder at etterspørselen etter fagfolk med ferdighetene til å administrere store data vil vokse med 160% innen 2020 og har allerede sikret en investering på 2,9 millioner euro (2,2 millioner pund eller 3,25 millioner dollar) fra EU for å kjøre en rekke kurs som komme i gang i slutten av 2015. Flere ordninger som dette er også i gang, og de kan bare bidra til å takle mangelen.

Forrige Side 5 av 6 Neste Forrige Side 5 av 6 Neste

5. Rikke data kan være enda viktigere

Dr. Rado Kotorov, sjefinnovasjonssjef hos Informasjonsbyggere, satte det bra da han beskrev forskjellen mellom store data og rike data som måten den råolje og raffinerte oljen avviker fra. Rikke data, i lekmannens termer, er det som kommer ut når data fra forskjellige systemer blir kombinert og gitt en sammenheng slik at det blir et praktisk forslag for bedrifter og enkeltpersoner.

Den løser en av de viktigste klagerne om store data, fordi de ustrukturerte dataene ikke gir en detaljert nok innsikt i forhold til nivået av kontekstualiserte data som er mulig med rik data. Det faktum at rik data trenger store data for å eksistere, betyr at store data aldri vil gå bort, men for det høyeste nivået av innsikt og fordeler, må rik data være en del av bildet.

En av de store bekymringene om rik data vil imidlertid i siste instans være at den er mer detaljert og som sådan kan presentere en personvernrisiko for forbrukerne at ustrukturerte store data kanskje ikke ender med å gjøre. Hva dette kan godt presentere er en situasjon der forbrukerne blir enda mer bevoktet over sine personlige data og velger å gi mindre opp til selskapene som ber om det, og kanskje til og med bruke det som forhandlingsverktøy i fremtiden.

"I fremtiden kan folk velge å kontrollere informasjon som de oppretter, og deretter tjene penger på dette tilbake til bedrifter - dette kan være i form av å senke regningene sine eller få bedre servicekvalitet fra en leverandør," innrømmet Matt Pfeil, Chief Customer Officer på DataStax.

Forrige Side 6 av 6 Neste Forrige Side 6 av 6 Neste
aksjer