Ganar la guerra de productividad de Big Data
Gartner predice que las empresas tardarán de cinco a diez años en ser productivas con big data. Conozca seis formas de evitar retrasos en la productividad.
Gartner publicó su Big Data Hype Cycle revisado en julio de 2013. Esto es un
Una línea de tiempo que predice las fases por las que pasará la empresa mientras intenta
Haga que sus grandes datos trabajen para ellos.
en Gartner
modo, las empresas entrarán primero en la etapa de innovación y experimentación
con grandes datos.Esto será seguido por un período de optimismo y expectativas muy altas.
Desde TI y gestión empresarial.
La próxima fase de previsión de Gartner
La empresa es un período de desilusión. Aquí es cuando se espera que las empresas hagan una «pausa» en sus actividades de big data.Las empresas comenzarán a preguntarse si tienen toda la información de ventaja competitiva que tienen.
esperado.Fue también durante este período que las empresas
Se reagruparán y revisarán lo que están tratando de hacer con big data, preguntando si el negocio está en el camino correcto. Como resultado de esta introspección,
Las empresas ajustarán su enfoque y expectativas, luego
Forjando un nuevo camino hacia la productividad de Big Data
comienzo Ver los frutos de su trabajo.
modelo gartner
Especialmente interesante porque revisó a la baja la llegada estimada
Productividad empresarial a partir de big data.Este Ciclo de exageración de Big Data de Gartner de 2012 esperado
Las empresas aprovecharán los grandes datos para la productividad en dos a cinco años
marco de tiempo del año.En el modelo de ciclo de exageración reafirmado hoy, esta realización
Se estima que la productividad será de cinco a diez años.
grandes negocios
Los líderes de proyectos de datos no quieren escuchar las noticias, pero mejor
Piénselo ahora (y reflexione sobre lo que puede hacer para evitarlo) en lugar de continuar sin considerar las previsiones de productividad retrasadas
se puede aplicar a usted.
Gartner dice que hay dos razones principales para su reducción de la productividad de Big Data
La empresa es: (1) Herramientas y tecnologías de big data antes de ser adquirida
Las empresas tienen la experiencia y la madurez para usarlas, y (2) las empresas tienen dificultades para hacer las preguntas correctas y
Descubra oportunidades en las que pueden usar big data para obtener información innovadora.
Naturaleza
La pregunta es: ¿los defensores de big data en las organizaciones tienen que aceptar la realidad?
¿Extender el tiempo de productividad de big data?la respuesta es
No haga.Hay pasos que puede tomar para evitar los bunkers que parecen girar más en torno a la falta de
En comparación con la falta de herramientas o la falta de conocimiento organizacional sobre big data
recurso. Aquí hay seis sugerencias.
1: Cree su caso de negocio
primero
Nathan Gnanasambandam, analista senior de investigación de Xerox, habló recientemente sobre su relación con
sus clientes.Durante la reunión, se le pidió al cliente que hiciera preguntas sobre
El negocio al que siempre quisieron responder pero nunca pudieron responder
información que tienen.
Construir un caso de negocios para big data no es
Debe estar involucrado, pero nadie
Se deben comprar herramientas y sistemas de big data sin una dirección estratégica clara
Lo que la empresa quiere aprender de los datos.
2: No dejes que el presupuesto se satisfaga
Grandes datos
Las compras se parecen mucho a las compras móviles y en la nube hace unos años: todos quieren presumir en las cumbres ejecutivas de que su empresa «posee» soluciones de big data. Para TI a menudo envuelto en batallas presupuestarias,
También existe el desafío de financiar sistemas y herramientas de big data, y presupuestos
El sol brilla sobre los grandes datos.tratar de evitar
Hasta que tenga una reunión estratégica con los líderes empresariales sobre qué hacer
Quiere obtener de sus grandes datos.
3: No «subestimes» a los pilotos
proyecto
normal
Lecciones en proyectos TI utilizando nuevas tecnologías están diseñando un pequeño proyecto piloto
Primero, puede lograr el éxito del proyecto rápidamente.La estrategia debe
Los grandes datos no son una excepción.
Sin embargo, aún necesita diseñar el primer proyecto.
Suficientemente grande para que el método que utilice se pueda aplicar a operaciones posteriores
caso.Si no diseña una prueba de concepto que pueda usarse en el futuro
trabajo y pronto se encontrará (y su gerencia) empujado
La fase de desilusión de big data de la que habla Gartner.
4: Si no sabes cómo pedir ayuda
hacer las preguntas correctas
Debe comenzar a buscar consultores y expertos en big data con las siguientes capacidades
Ayuda de proveedores de big data.Si su proveedor no puede ayudar con esto
Áreas clave de desarrollo en las que debería reconsiderar trabajar con ellos.
5: Ejecutar una prueba de concepto
antes de comprar nada
Ser dueño de su caso de negocios es importante
Antes de registrarse con un proveedor de soluciones de big data.tu también deberías
Planee realizar una prueba de concepto usando uno de sus casos de uso comercial
Precompra de proveedores, esto le brinda a usted y a su equipo ejecutivo mayor capacidad
Vea si la solución propuesta es realmente una buena opción.
6: Considere lote versus tiempo real
Se prefieren las aplicaciones de big data
hay uno
Muchos rumores sobre la tecnología y las capacidades de «memoria»
Obtenga informes analíticos casi en tiempo real a partir de big data. La realidad es que la mayoría de las empresas solo quieren expandir su inteligencia comercial.
En la mayoría de los casos, la inteligencia de big data puede responder fácilmente a preguntas clave
Modo de informe por lotes para evitar introducir demasiada complejidad
Su proceso es demasiado rápido.El aumento de las complicaciones surge tanto de tener
Gestione el procesamiento en tiempo real desde sistemas de registro y big data
Análisis del centro de datos.A menos que trabaje en una industria donde el análisis en tiempo real es imprescindible, como el comercio de acciones o el comercio minorista de gran volumen, siempre puede
La funcionalidad en vivo se agregará más adelante.
