큐:
항상 더 좋은 것은 아닙니다. 조직이 어떻게 데이터의 소음을 줄여 표적화되고 정확한 분석을 수행 할 수 있습니까?
ㅏ:빅 데이터 시스템의 경우 기업에게 큰 문제 중 하나는 이러한 프로젝트를 효율적이고 효율적으로 유지하는 방법입니다. 빅 데이터 용으로 구축 된 많은 도구와 리소스는 광범위한 네트워크에서 방대한 양의 정보를 흡수하도록 구축되었습니다. 데이터를 수정하고 단순하게 유지하는 데 항상주의를 기울이지는 않습니다. 그러나보다 표적화되고 유용한 빅 데이터 프로젝트를 만들기 위해 업계에서 몇 가지 모범 사례가 등장하고 있습니다.
대상이되는 빅 데이터 접근 방식 중 하나는 올바른 소프트웨어 도구와 리소스를 사용하는 것입니다. 모든 분석과 빅 데이터 시스템이 동일한 것은 아닙니다. 일부는 과도하거나 관련이없는 데이터를보다 효과적으로 필터링하여 기업이 핵심 프로세스 및 운영을 결정하는 필수 사실에 집중할 수 있도록합니다.
이것의 또 다른 주요 부분은 사람들입니다. 빅 데이터 프로젝트에 참여하고 공급 업체 소프트웨어를 조달하고 구현 및 다른 사람을 교육하기 전에 중앙의 사람들이 프로세스를 담당하고 연구 및 브레인 스토밍 작업을 위임해야합니다. 이로 인해 빅 데이터 접근 방식이 정밀하고 외과적인 방법으로 만들어져 너무 무겁고 일상적인 운영을 방해하지 않으면 서 비즈니스를 향상시킬 수 있습니다.
예를 들어, 태스크 포스 또는 기타 핵심 그룹이 앉아서 구현 방법, 비즈니스가 데이터 세트를 평가하기 시작하는 방법, 계정을 교차 인덱스하는 방법, 종이 종류 또는 디지털 프레젠테이션을 통해 정보를 유포하고 유용한 보고서를 작성하는 방법 등을 활용할 수 있습니다. 이러한 세부 정보는 비즈니스가 큰 데이터로 인한 피해를 입지 않도록 보호합니다.
또한 회사에서 더 많은 공급 업체 서비스를 확보하고 더 큰 데이터 처리를 수행하고 IT 아키텍처를 더욱 복잡하게 만들면서 가장 민감한 데이터를 다른 모든 것과 분리하는 방법을 배웠습니다.
이를 수행하는 한 가지 방법은 계층 형 시스템을 만드는 것입니다. 예를 들어, 고객 ID 및 히스토리의 핵심 데이터 세트는 특정 클라우드 보안 계약 또는 현장에서 특별히 유지 관리되는 데이터베이스에 보관할 수 있습니다. 다른 데이터 세트는 데이터 유출 측면에서 덜 민감하거나 비즈니스가 수행하는 분석과 직접 관련이 없기 때문에 덜 특수한 데이터 환경에있을 수 있습니다. 계층 또는 다중 레벨 시스템을 통해 비용 효율적인 빅 데이터 구현이 가능합니다.
비즈니스가 빅 데이터를 올바르게 얻는 방법에 대해 현명한 방법 중 일부입니다. 이들은 수집 할 수있는 데이터를 정리하는 대신 최소한의 노력으로 최고의 비즈니스 인텔리전스를 얻는 데 특정 데이터 세트를 가장 중요하게 취급합니다.
