Q:
Er big data en løsning i én størrelse?
EN:Innenfor ideen om et samlet Big Data-økosystem eller industri, er applikasjoner av big data-strategier spesifikke for behovene til en bestemt virksomhet eller organisasjon. En av de største feilene som ledere og andre fagpersoner gjør, er å ta en generisk tilnærming til big data, og prøve å passe systemer til en mal som har blitt brukt før.
Big data-filosofien har å gjøre med en veldig målrettet og mikromanert bruk av store bassenger med informasjon. For eksempel vil et selskap som har tusenvis av tusenvis av kunder gjennomføre et big data-prosjekt for å utnytte all informasjonen det har om disse kundene - navnene deres, hvor de bor, hva de har kjøpt før, etc. Resultatene har imidlertid mer å gjøre med å sette opp spesifikke strukturer for datamanipulering og rapportering enn de gjør bare med å samle inn og "kjøre" disse massive datasettene.
En del av utfordringen med big data er at det krever mer spesialiserte maskinvareprosesser. Bedrifter bruker ofte åpen kildekode-systemer som Apache Hadoop, og spesifikke relaterte verktøy som MapReduce for å få store dataløsninger i spill. Dette krever mer teknisk kunnskap utover å bare sette opp en Microsoft Access-tabell eller forfølge annen enklere databaseteknologi.
For å gjøre big data effektive, må selskaper se på implementering og hvordan de kan unngå å forstyrre deres normale forretningsaktiviteter. For å gjøre det mest effektivt, må de se på nøyaktig hvilke datasett som vil være mest nyttige for dem. For eksempel, hvis selgere eller andre kan gjøre det de trenger å gjøre med en enkel rapport med bare etternavn, stater og telefonnumre, er det ikke fornuftig å prøve å kjøre mer omfattende data gjennom systemet og prøve å samle og presentere andre identifikatorer eller viktige opplysninger.
Effektivitet, enkel implementering og kostnader driver fremveksten av selskapsspesifikke big data-løsninger. Disse innovasjonene er definitivt avhengig av en bestemt forretningsmodell, og av problemene som må løses.
