Grandes datos

10 formas de prevenir el entusiasmo por los grandes datos

Una vez que la realidad reemplaza al rumor, los proyectos de big data pierden impulso. Aquí hay algunas maneras de mantenerlo encaminado y mantener el entusiasmo.

happy business people¡Las empresas están descubriendo que implementar Big Data es más desafiante de lo que pensaban! Algunas personas están perdiendo el entusiasmo.

¿Cuáles son diez cosas que puede hacer para evitar que su proyecto de big data pierda impulso?

1. Mantenga sus proyectos piloto cortos y ¡conviértalos en un éxito!

Esta es la base de las habilidades de ventas y la gestión de proyectos. Siempre debe mantener breves sus proyectos piloto de conceptos de nuevas tecnologías y asegurarse de que las pruebas de concepto que aplique a ellos tengan una alta probabilidad de éxito. Para big data, esta regla general no es diferente de cualquier otro proyecto.

2. Deje que su proyecto piloto demuestre un camino comercial.

Este es un elemento que muchos sitios ni siquiera consideran en su trabajo de proyecto piloto, especialmente cuando se trata de big data. Ellos deberían. Su objetivo es mostrar cómo Big Data puede generar resultados tangibles para el negocio final a lo largo del tiempo (con suerte, durante un largo período de tiempo). Si también se asegura de que la influencia se incorpore a los resultados del proyecto piloto, puede ahorrar en el esfuerzo del proyecto piloto. En otras palabras, si su objetivo es mostrar datos analíticos recopilados de cómo los clientes usan su sitio de comercio electrónico para que pueda aumentar sus ingresos, también podría tener sentido «aplicar» suficiente lógica genérica (y datos) para que luego pueda vaya a las etapas posteriores del proyecto u obtenga datos analíticos de los sitios de redes sociales. Si su objetivo es realizar un seguimiento de los datos de Internet de las cosas (IoT) que le indican si sus trenes funcionan a tiempo y si las vías están en buenas condiciones, es posible que desee programar un proyecto de Fase 2 que también automatice los programas de mantenimiento y acelere su vía. tripulación para que puedan arreglar la pista antes de que se vuelva peligrosa.

LEER  Por qué los lenguajes de programación de código abierto están aplastando a sus contrapartes propietarias

3. Use métricas y pídales que produzcan resultados comerciales.

Medir el rendimiento del sistema y el tiempo promedio para obtener resultados para Big Data es excelente desde una perspectiva de TI, pero si no tiene métricas de alto impacto y resultados de Big Data para el negocio en sí, la asistencia al usuario final se verá disminuida.

4. Sea dueño de un campeón empresarial.

Las iniciativas de big data solo pueden prosperar a largo plazo si brindan un valor tangible al negocio final. Por lo tanto, big data no es una iniciativa que TI deba emprender de forma aislada. Si no está logrando que su gente de negocios se involucre y esté bien informada para que sepan qué deben esperar de los grandes datos y qué obtener del lado comercial y tecnológico, entonces es mejor que espere hasta que obtenga lo que necesita del negocio. apoyo.

5. Tiene visibilidad Clase C.

Los grandes datos deben proporcionar resultados que puedan afectar los resultados de una empresa a través de ahorros o nuevas oportunidades de ingresos. En otros casos, puede conducir a importantes ventajas estratégicas. Pero si no hace nada de eso, no atraerá la atención de los ejecutivos de nivel C por mucho tiempo. Concéntrese en los resultados comerciales finales del trabajo que realiza y comuníquele regularmente el progreso a su supervisor de nivel C y a sus gerentes. Las comunicaciones de TI siempre deben estar en un lenguaje sencillo (es decir, sin jerga técnica).

6. Obtenga apoyo organizativo para construir todo el proceso de big data.

El viejo axioma de «la basura entra, la basura sale» (GIGO) no cambiará con los grandes datos. Uno de los verdaderos «puntos de resistencia» para los proyectos de big data es limpiar los datos para que permanezcan de alta calidad antes de comenzar a investigarlos y analizarlos. Aquí es donde los CIO deben convocar reuniones de alta dirección para explicar la «plomería» de big data de extremo a extremo y la necesidad de operaciones diarias, como aislar y limpiar datos antes de insertarlos en el proceso de análisis. Las personas serán más tolerantes con lo que inicialmente pueden percibir como «pérdida de tiempo sin valor agregado» (¡como la limpieza de datos!) si entienden cómo el trabajo pesado inicial contribuirá a obtener mejores resultados.

7. Identifique el objetivo de ROI correcto.

Dado que tenían poca experiencia con big data, muchos sitios comenzaron a justificar las inversiones de TI en big data al hablar sobre el rendimiento y el procesamiento de datos, tal como hablarían sobre esas cosas en un entorno transaccional. Por supuesto, uno de los objetivos de Big Data es procesar datos rápidamente para obtener resultados rápidos, pero una gran parte del retorno de la inversión en Big Data proviene de la forma en que el procesamiento paralelo maximiza el uso de servidores. La utilización del servidor para big data puede acercarse al 90-100%. Por el contrario, un servidor transaccional solo puede estar activo al 20-30% de su capacidad. Esto es de lo que TI debería estar hablando cuando se trata de ROI de big data.

8. Desarrollar una estrategia para coexistir con los informes existentes.

Es importante que todos sepan que Big Data no está diseñado para reemplazar los sistemas de informes que ya existen y que han aportado valor a las organizaciones a lo largo de los años. En cambio, el objetivo de Big Data es resolver nuevas preguntas que las organizaciones no pueden responder a través de informes heredados. Son las fortalezas de estas dos estrategias de presentación de informes las que trabajan juntas en los activos de información de una organización.

9. Forme un equipo de big data.

Los grandes datos no se pueden manejar de la forma en que las empresas están acostumbradas a desarrollar informes todo el tiempo. Esto significa que los usuarios comerciales finales tradicionales y TI que han trabajado juntos en informes empresariales en el pasado pueden no ser las personas adecuadas para recopilar big data. En la mayoría de los casos, los equipos de big data necesitan al menos un analista de negocios experto que pueda trabajar con el negocio final para formular las consultas analíticas correctas y un arquitecto de datos inteligente que pueda actuar como DBA para crear repositorios de datos de big data apropiados. y científicos de datos que entienden las herramientas de programación procedimentales y no procedimentales que se pueden utilizar para extraer datos para obtener información analítica. Este equipo generalmente termina informando a través de TI, pero también puede tener una relación discontinua con la unidad de negocios final.

10. Si es necesario, obtenga ayuda con la formación de problemas.

El mayor obstáculo para muchas empresas que comienzan a sentirse insatisfechas con Big Data es saber qué preguntas hacer sobre sus datos y cómo hacerlo. Si siente que las ruedas de su organización están atascadas en esta rutina, no se demore. Busque expertos o consultores externos en análisis empresarial que puedan facilitar el desarrollo de consultas analíticas adecuadas para obtener información sobre lo que su empresa quiere saber y ayudar a impartir esas habilidades a su propio personal.

LEER  Cómo configurar Google Analytics 4 y utilizarlo con Google Sites

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba