Q:
Lebih banyak tidak selalu lebih baik. Bagaimana organisasi dapat mengurangi kebisingan dalam data mereka untuk mencapai analitik yang ditargetkan dan akurat?
SEBUAH:Dengan sistem data besar, salah satu pertanyaan besar bagi perusahaan adalah bagaimana menjaga agar proyek-proyek ini tepat sasaran dan efisien. Banyak alat dan sumber daya yang dibangun untuk data besar dibangun untuk menyedot sejumlah besar informasi di jaringan yang luas. Mereka tidak selalu memperhatikan memperbaiki data itu, dan menjaganya tetap sederhana. Namun, ada beberapa praktik terbaik yang muncul dalam industri ini untuk menciptakan proyek big data yang lebih bertarget dan bermanfaat.
Salah satu pilar pendekatan big data yang ditargetkan adalah dengan menggunakan alat dan sumber daya perangkat lunak yang tepat. Tidak semua analytics dan sistem big data adalah sama. Beberapa dapat lebih efektif menyaring data yang berlebihan atau tidak relevan, dan memungkinkan bisnis untuk hanya fokus pada fakta-fakta penting yang akan menentukan proses inti dan operasi mereka.
Bagian utama lain dari ini melibatkan orang. Sebelum terlibat dalam proyek data besar, dan saat mencari sumber perangkat lunak vendor, mengejar implementasi dan melatih orang lain, sekelompok orang perlu bertanggung jawab atas proses tersebut, dan juga mendelegasikan tugas-tugas penelitian dan curah pendapat. Ini dapat membuat pendekatan data besar menjadi metode bedah yang tepat dan akan meningkatkan bisnis tanpa menjadi terlalu berat dan mengganggu operasi sehari-hari.
Misalnya, gugus tugas atau kelompok inti lainnya dapat duduk dan melihat secara terperinci cara pelaksanaan akan dilakukan, bagaimana bisnis akan mulai mengevaluasi kumpulan data, bagaimana mereka akan melakukan cross-index account, kertas jenis apa atau presentasi digital yang akan mereka gunakan untuk menyebarluaskan informasi itu, bagaimana mereka akan membuat laporan yang bermanfaat, dll. Rincian ini akan melindungi bisnis dari penggumpalan data besar.
Selain itu, ketika perusahaan mulai memperoleh lebih banyak layanan vendor, melakukan lebih banyak penguraian data besar dan membuat arsitektur TI lebih kompleks, mereka telah belajar untuk memisahkan data yang paling sensitif dari yang lainnya.
Salah satu cara untuk melakukan ini adalah dengan membuat sistem berjenjang. Misalnya, satu set data inti ID pelanggan dan sejarah dapat disimpan dalam basis data yang dikelola secara khusus di bawah kontrak keamanan cloud tertentu, atau di tempat. Set data lain dapat berada di lingkungan data yang kurang terspesialisasi, baik karena mereka kurang sensitif dalam hal pelanggaran data, atau karena mereka kurang relevan secara langsung dengan analitik yang dilakukan bisnis. Sistem berjenjang atau multi-level memungkinkan implementasi big data yang efektif biaya.
Ini adalah beberapa cara bisnis semakin pintar dalam mendapatkan data besar dengan cara yang benar. Alih-alih hanya menyedot data apa pun yang bisa mereka ambil, mereka memperlakukan set data tertentu sebagai yang paling penting untuk mendapatkan kecerdasan bisnis paling banyak dengan sedikit usaha.
