Q:
هل البيانات الكبيرة هي حل واحد يناسب الجميع؟
أ:ضمن فكرة النظام الإيكولوجي الكبير للبيانات أو الصناعة ، تكون تطبيقات استراتيجيات البيانات الضخمة خاصة باحتياجات شركة أو مؤسسة معينة. أحد أكبر الأخطاء التي يرتكبها المديرون التنفيذيون وغيرهم من المهنيين هي اتباع نهج عام للبيانات الضخمة ، ومحاولة دمج الأنظمة في قالب تم استخدامه من قبل.
تتعلق فلسفة البيانات الضخمة بالاستخدام الموجه للغاية والمعالجة الدقيقة لتجمعات كبيرة من المعلومات. على سبيل المثال ، ستقوم شركة لديها الآلاف والآلاف من العملاء بتنفيذ مشروع بيانات كبير لتسخير جميع المعلومات التي لديها عن هؤلاء العملاء - أسمائهم وأين يعيشون وما اشتروه من قبل ، وما إلى ذلك. علاقة أكثر بإعداد هياكل محددة لمعالجة البيانات والإبلاغ عنها أكثر من مجرد جمع و "تشغيل" مجموعات البيانات الضخمة هذه.
جزء من تحدي البيانات الضخمة هو أنه يتطلب عمليات أجهزة أكثر تخصصًا. غالبًا ما تستخدم الشركات أنظمة مفتوحة المصدر مثل Apache Hadoop ، وأدوات محددة ذات صلة مثل MapReduce للحصول على حلول كبيرة للبيانات. يتطلب ذلك خبرة تقنية إضافية تتجاوز مجرد إعداد جدول Microsoft Access أو متابعة بعض تقنيات قواعد البيانات الأكثر بساطة.
لجعل البيانات الكبيرة فعالة ، يتعين على الشركات أن تنظر في التنفيذ وكيفية تجنب تعطيل أنشطتها التجارية العادية. لجعلها أكثر فعالية ، عليهم أن يبحثوا بالضبط في مجموعات البيانات التي ستكون أكثر فائدة لهم. على سبيل المثال ، إذا كان باستطاعة مندوبي المبيعات أو غيرهم فعل ما يحتاجون إليه من خلال تقرير بسيط عن أسماء العائلة والحالات وأرقام الهواتف فقط ، فليس من المنطقي محاولة تشغيل بيانات أكثر شمولاً عبر النظام ومحاولة التجميع والعرض معرفات أخرى أو أجزاء رئيسية من المعلومات.
الفعالية والتنفيذ السهل والتكلفة تدفع ظهور حلول البيانات الكبيرة الخاصة بالشركة. تعتمد هذه الابتكارات بالتأكيد على نموذج أعمال معين ، وعلى المشكلات التي يتعين حلها.
