LAS MEJORES PRÁCTICAS EN LA IMPLEMENTACIÓN DE BIG DATA

4
En esta saga ya hemos analizado el inicio histórico y técnico del Big Data, y hemos desgranado su integración y gestión en las industrias. Hoy traemos una serie de sugerencias para optimizar su uso e implementación.

Alinear big data con objetivos empresariales específicos

La disponibilidad de conjuntos de datos más amplios permite realizar nuevos hallazgos. A tal efecto, es importante basar las nuevas inversiones en habilidades, organización o infraestructura con un marcado contexto empresarial para garantizar la constancia en la financiación e inversión en proyectos. Para determinar si se encuentra en el camino correcto, pregúntese en qué medida el big data respalda y habilita sus principales prioridades empresariales y de TI. Algunos ejemplos incluyen entender cómo filtrar los registros web para comprender el comportamiento del comercio electrónico, extraer el sentimiento de las redes sociales y de las interacciones de atención al cliente, así como entender los métodos de correlación estadística y su relevancia para los datos de clientes, productos, fabricación e ingeniería.

Mitigar la escasez de habilidades con estándares y administración

Uno de los obstáculos para beneficio de su inversión en big data es la escasez de habilidades. Puede mitigar el riesgo asegurándose de incorporar a su programa de administración de TI tecnologías, consideraciones y decisiones relativas a big data. Normalizar su enfoque le permitirá gestionar los costos y aprovechar los recursos. Las organizaciones que implanten soluciones y estrategias de big data de las evaluaciones de habilidades de forma temporal y fuente, e identificar la gestión proactiva las posibles carencias de habilidades. Esto puede iniciar la iniciativa de formación o la formación cruzada entre recursos existentes, la contratación de nuevos recursos y el uso de empresas de consultoría.

Optimizar la transferencia de conocimientos con un centro de excelencia

Utilizar un enfoque basado en un centro de excelencia para compartir conocimientos, supervisar el control y gestionar las comunicaciones de proyectos. Tanto si el big data es una inversión nueva o en expansión, los costos directos e indirectos pueden distribuirse en toda la empresa. Utilizar este enfoque puede contribuir a aumentar las capacidades de big data y la madurez del conjunto de la arquitectura de información de una forma más sistemática y estructural.

La principal ventaja reside en alinear los datos estructurales y no estructurados

Analizar el big data de forma aislada sin duda aporta valor. Sin embargo, puede obtener una perspectiva empresarial aún más valiosa relacionando e integrando el big data de baja densidad con los datos estructurados que ya usa actualmente.Tanto si está recopilando big data de clientes, de productos, de equipos o ambientales, el objetivo es añadir puntos de datos más relevantes a sus resúmenes maestros y analíticos, lo que le permitirá obtener mejores conclusiones. Por ejemplo, existe una diferencia en distinguir la percepción de todos los clientes de la de solo sus mejores clientes. Por eso, muchos consideran que big data constituye una extensión integral de sus capacidades existentes de inteligencia empresarial, de su plataforma de almacenamiento de datos y de su arquitectura de información.Tenga en cuenta que los modelos y procesos analíticos de big data pueden ser tanto humanos como automáticos. Las capacidades de análisis de big data incluyen estadísticas, análisis especiales, semántica, detección interactiva y visualización. Mediante el uso de modelos analíticos, puede relacionar distintos tipos y fuentes de datos para realizar asociaciones y hallazgos significativos.

Planificar el laboratorio de hallazgos en pro del rendimiento

El concepto «hallazgo» implica que los datos no siempre se obtienen directamente. En ocasiones, ni siquiera sabemos qué estamos buscando. Eso es de esperar. La dirección y los equipos de TI deben respetar esta «falta de dirección» o «falta de claridad en los requisitos». Al mismo tiempo, es útil que analistas y científicos de datos acompañen a la empresa para entender las principales necesidades y las garantías de los conocimientos de la firma. Para incorporar el estudio interactivo de los datos y la experimentación de algoritmos estadísticos, se debe contar con trabajo de alto rendimiento, y asegurar que los entornos de pruebas tengan el apoyo que necesitan.

Alineación con el modelo operativo en la nube

Los usuarios y procesos de big data requieren acceso a una amplia variedad de recursos de experimentación reiterativa y ejecución de tareas de producción. Una solución de big data incluye todos los ámbitos de los datos, incluidas transacciones, datos principales, datos de referencia y datos resumidos. Los entornos de pruebas analíticos deben crearse on-demand. La gestión de recursos es fundamental para garantizar el control de todo el flujo de datos, incluido el procesamiento previo y posterior, la integración, el resumen dentro de la base de datos y la creación de modelos analíticos. Disponer de una estrategia bien definida de aprovisionamiento y seguridad en la nube pública y privada es fundamental para respaldar estos requisitos cambiantes.

Related Posts

Deja un comentario

A %d blogueros les gusta esto: