Hvordan man opretter en stor data implementering road map - dummies

Større dataimplementeringsplaner eller vejkort vil variere afhængigt af dine forretningsmæssige mål, moden for dit datastyringsmiljø og mængden af ​​risiko, som din organisation kan absorbere. Så start din planlægning ved at tage højde for alle de problemer, der giver dig mulighed for at bestemme en implementeringsplan.

Erhvervshastighed og store data

Mange ambitiøse organisationer synes altid at have brug for de nyeste og bedste teknologier med det samme. I nogle situationer kan en organisation vise, at tilgængeligheden af ​​vigtige store datakilder kan føre til nye strategier. I disse tilfælde giver det mening at skabe en strategi og plan. Det er en fejltagelse at antage, at stor dataoptagelse og implementering er et defineret projekt.

Vedtagelsen af ​​store data har store konsekvenser for virksomhedens overordnede databehandlingsstrategi. Så uafhængigt af nogle af de andre faktorer involveret, bør den tid, der kræves for at designe dine store dataløsninger, være tydeligt noteret på et kørekort. Desuden skal designopgaverne aldrig glosses over eller elimineres.

Vælg den rigtige udviklingsmetode til stor dataudvikling

De fleste virksomheder og organisationer har IT-teams, der følger foreskrevne udviklingsprocesser og -praksis. Nogle af disse udviklingsmetoder er velegnede til store dataimplementeringer, mens andre desværre ikke er.

Store data projekter passer bedst til en fleksibel og interaktiv udviklingsproces. Iterative metoder bruger korte tidscykler med hurtige resultater og konstant brugerinddragelse til gradvist at levere en forretningsløsning. Derfor er det ikke overraskende, at en iterativ proces er den mest effektive udviklingsmetode til store dataimplementeringer.

Afbalancere store datastrategier og færdighedsgrupper

Det er altid vanskeligt at forudse budgetkravene for en ny type projekt som store data. Den bedste praksis er at forstå de forventede omkostninger og downstream-fordele ved din store dataimplementation og derefter sikre et passende budget.

At få de rigtige færdigheder til ethvert projekt er en anden udfordring. Ofte er de mest eftertragtede personer strakt tynde på tværs af flere initiativer. Så personaleforøgelse er ofte svaret, omend ikke en let.

Over tid finder du mere træning og mere kvalificerede fagfolk. I mellemtiden er den bedste praksis at identificere og erhverve nogle datavidenskabsfærdigheder til design og planlægning, Hadoop og NoSQL færdigheder til implementering og parallelle / klyngedatabaserede færdigheder til operationer.

Bestem din appetit for risiko med store data

Hver organisation har en kultur, der bestemmer, hvor meget risikostyring det er villigt at antage. Hvis du er i et stærkt konkurrencepræget marked, skal du muligvis tage flere risici på potentiel markedsinnovation. Men selv virksomheder på stærkt konkurrenceprægede markeder kan være forsigtige. Du skal forstå dynamikken i din organisation, før du går i gang med et stort dataprojekt.

Alle organisationer, selv dem med en appetit for høj risiko, skal være forsigtige, da de vedtager store data. Udviklingen og akkulturationen af ​​enhver ny teknologi eller løsning kan være fyldt med fejl. Brug af agile metoder til at hjælpe med at udforske hurtige succeser og hurtige fejl er den bedste praksis for at sætte de rigtige forventninger i en banebrydende organisation.

Din store datakort

Du bør tænke på disse som udgangspunkt for, hvordan du kan få bolden til at rulle med store data og foretage ændringer som det er nødvendigt for din virksomhed.

Hvis din organisation har erfaring med business intelligence-applikationer og -analyser, har relativt modne datastyringspraksis og har etableret en højkapacitetsinfrastruktur og -operationer, er opgaven med at vedtage store data en smule lettere. Dette indebærer ikke garanteret succes eller reduceret risiko.

Kom godt i gang er altid nemmere, hvis nogle af de involverede personer har gjort det før. Her er et par tips til at overveje, som du overvejer at bringe store data til din virksomhed eller organisation:

• Få hjælp. Lad være med at ansætte en ekspert eller to som konsulenter. Vær sikker på at de kender deres "stuff" og sørg for at de er i stand til at mentorere folk i din organisation.

• Få træning. Tag klasser, køb og læs bøger, forsker på internettet, stiller spørgsmål og deltager i en konference eller to.

• Experiment. Planlægger at mislykkes. Hurtigt fiasko bliver de rigueur for moderne teknologi-drevne organisationer. De bedste erfaringer kommer ofte fra fejl.

• Angiv de rigtige forventninger. I forretningslivet kan korrekt forventninger betyde forskellen mellem succes og fiasko. Store data giver kun stort potentiale til din virksomhed, hvis du præcist repræsenterer værdien, omkostningerne og tiden til implementering.

• Vær holistisk. Prøv at se på alle dimensioner. Hvis projektet leveres til tiden og på budgettet, men slutbrugerne ikke var uddannet eller klar til at bruge det, kan projektet falde i fejl.