차례:
- 오해 : 빅 데이터를 채택하는 데있어 우리보다 앞서 있습니다.
- 신화 : 우리는 많은 데이터를 가지고있다. 모든 작은 데이터 결함에 대해 걱정할 필요는 없습니다.
- 오해 : 빅 데이터 기술은 데이터 통합의 필요성을 제거합니다.
- 오해 : 고급 분석을 위해 데이터웨어 하우스를 사용하는 것은 의미가 없습니다.
- 오해 : 데이터 레이크가 데이터웨어 하우스를 대체합니다.
- 빅 데이터 작동-새로운 데이터 조작 방법이 그렇지 않을 수 있음
Forrester Research는 2014 년 5 월에 빅 데이터를 둘러싼 과대 광고에 대한 결론을 도출하는 두 가지 보고서를 발표했습니다. 리서치 회사는 250 명 이상의 마케팅 및 비즈니스 개발 임원을 대상으로 설문 조사를 실시했습니다. 이 보고서의 저자에 따르면, 빅 데이터 수사학은 사상 최고 수준이며 기술 공급 업체는 놀라운 주장으로 보이는 제품을 선전하고 있습니다.
가트너는 Forrester Research에 동의합니다. 실질적인 과대 광고는 빅 데이터를 둘러 쌉니다. 2014 년 9 월 보고서에서 가트너는 5 가지 가장 큰 데이터 신화를 정리했으며, 가트너 분석가는 빅 데이터와 그 조작에 대해 오해 된 것에 대한 의견을 제시합니다. 그렇다면 빅 데이터의 가장 큰 신화는 무엇입니까? 한번 보자.
오해 : 빅 데이터를 채택하는 데있어 우리보다 앞서 있습니다.
가트너는 빅 데이터에 대한 관심이 사상 최고라고 밝혔다. 그럼에도 불구하고, 설문 조사에 참여한 사람들 중 13 %는 작업 시스템을 갖추고 있습니다. 그 이유 : 대부분의 회사는 아직 대규모 데이터 저장소에서 가치를 창출하는 방법을 찾지 못했습니다. 가트너의 설문 조사는 Forrester 보고서보다 낙관적이며 설문 조사 참가자 중 9 %만이 내년에 빅 데이터 기술을 구현할 계획이라고 밝혔다. (빅 데이터는 많은 것을 제공합니다. 빅 데이터로 해결할 수있는 5 가지 실제 문제에 대해 자세히 알아보십시오.)신화 : 우리는 많은 데이터를 가지고있다. 모든 작은 데이터 결함에 대해 걱정할 필요는 없습니다.
가트너는 우리 인간이 가지고있는 우월함에 대해 걱정하고 있습니다. "우리는 너무 많지만 나쁜 것은 중요하지 않습니다." 가트너의 테드 프리드먼 (Ted Friedman) 부사장 겸 저명한 분석가는 이것이 상황을 보는 잘못된 방법이라고 믿고있다.
프리드먼은“실제로 각 개별 결함이 데이터가 적을 때보 다 전체 데이터 세트에 미치는 영향이 훨씬 적지 만 더 많은 데이터가 있기 때문에 이전보다 더 많은 결함이 있습니다. "따라서, 품질이 좋지 않은 데이터가 전체 데이터 세트에 미치는 전반적인 영향은 동일하게 유지됩니다."
Friedman은 또 다른 우려 이유를 추가합니다. 빅 데이터 캡처에는 종종 비즈니스 외부의 데이터가 포함되므로 구조와 출처를 알 수 없습니다. 이것은 오류 가능성을 증가시킵니다.
오해 : 빅 데이터 기술은 데이터 통합의 필요성을 제거합니다.
빅 데이터에 적용될 수있는 두 가지 주요 데이터 분석 전략은 "쓰기시 스키마"또는 "읽기시 스키마"입니다. 최근까지는 쓰기시 스키마 만 사용되었습니다. 읽은 스키마는 데이터베이스 관리의 현재 열풍입니다. 구조화 된 형식이 필요한 쓰기시 스키마와 달리 데이터는 원시 형식의 스키마-읽기 데이터베이스에로드됩니다. 그런 다음 하둡과 같은 비정형 데이터베이스 플랫폼을 사용하는 개발자는 서로 다른 데이터를 사용 가능한 형식으로 구부립니다. 읽기 스키마는 명백한 장점이 있지만 Gartner가 언급했듯이 데이터 통합은 어느 시점에서 발생해야합니다.오해 : 고급 분석을 위해 데이터웨어 하우스를 사용하는 것은 의미가 없습니다.
데이터웨어 하우스를 만드는 데 시간을 보내는 것은 특히 새로 캡처 된 데이터가 데이터웨어 하우스의 데이터와 다른 경우 많은 정보 관리자에게 무의미 해 보입니다. 그러나 Gartner는 고급 데이터 분석조차도 데이터웨어 하우스와 새로운 데이터를 사용할 것이라고 경고합니다. 이는 데이터 통합자가 다음을 수행해야 함을 의미합니다.- 분석에 적합하도록 새로운 데이터 유형을 세분화
- 어떤 데이터가 관련성이 있는지, 필요한 데이터 품질 수준을 결정하십시오.
- 데이터 집계 방법 결정
- 데이터웨어 하우스 이외의 장소에서 데이터 세분화가 발생할 수 있음을 이해
오해 : 데이터 레이크가 데이터웨어 하우스를 대체합니다.
데이터 레이크는 데이터가 구조화 된 형식 인 데이터웨어 하우스와 달리 이기종 데이터의 리포지토리입니다. 데이터 레이크를 생성하는 데 데이터웨어 하우스에 비해 데이터 레이크를 생성하는 데 약간의 노력 (데이터를 포맷 할 필요가 없음)이 필요하므로 데이터 레이크에 관심이 있습니다.
가트너는 데이터를 갖는 것이 중요하지 않다는 점을 강조합니다. 정보에 입각 한 의사 결정을 위해 캡처 된 데이터를 조작 할 수있는 것이 중요합니다. 더욱이, 의사 결정을 용이하게하기 위해 (어떤 입증되지 않은) 데이터 레이크를 사용하는 것은 문제가됩니다.
가트너의 리서치 책임자 인 닉 휴 커커는“데이터웨어 하우스는 이미 조직 전체에 걸쳐 다양한 사용자를 지원할 수있는 기능을 갖추고있다. "정보 관리 리더는 데이터 레이크가 따라 올 때까지 기다릴 필요가 없습니다." (입양 전에 빅 데이터에 대해 알아야 할 7 가지 사항에서 빅 데이터 채택에 대해 자세히 알아보십시오.)
빅 데이터 작동-새로운 데이터 조작 방법이 그렇지 않을 수 있음
가트너가 보고서를 읽은 후 "큰 데이터 신화"대신 "가장 큰 데이터 신화"라고 말한 이유가 명확 해졌다. 가트너는 빅 데이터에 대한 관심이 없다. 가트너는 빅 데이터를 조작하는 새로운 방법이 "프라임 타임"을 준비하고 있다고 느끼는 사람들의 소문이있다.
