Πολύ μεγάλες επενδύσεις, άγνοια για τις αναλύσεις και φόβος για αραβιάσεις δεδομένων – οι IT Managers αν και άργησαν να ξεκινήσουν το ταξίδι τους στα Big Data, γνωρίζουν ότι έχει έρθει η στιγμή να το δοκιμάσουν.

Συχνά ακούει κανείς ότι οι IT Managers δεν γνωρίζουν μετά την απόκτηση τεχνολογιών Big Data, πώς να τις εκμεταλλευτούν. Αυτά είναι τα κακά νέα. Τα καλά νέα είναι ότι όποιος επιθυμεί να κάνει αναλύσεις Big Data, δεν χρειάζεται να αποχωριστεί ούτε την BI στρατηγική του, ούτε τα legacy συστήματα που χρησιμοποιεί. Αντί αυτού, οι λύσεις Big Data μπορούν να συμπληρώσουν τα υπάρχον τοπίο του ΙΤ και να συμβάλουν στη δημιουργία μιας ευέλικτης υλοποίησης, η οποία θα αναλύει τα δεδομένα από πολλές ανομοιογενείς πηγές και θα τα προετοιμάζει κατά τέτοιο τρόπο, ώστε να μπορούν να χρησιμοποιηθούν από πολλές διαφορετικές εφαρμογές.

Οπως εκτιμούν οι ειδικοί της Exasol AG, για την ανάλυση των Big Data δεν χρειάζεται να αλλαχθούν τα υπάρχοντα συστήματα, αλλά να επεκταθούν. Καταρχάς, είναι σημαντικό να εξεταστεί αν η υπάρχουσα υποδομή μπορεί να υποστηρίξει τους συσσωρευμένους όγκους δεδομένων. Στην προκειμένη περίπτωση η ταχύτητα γίνεται ιδιαίτερα σημαντική, καθώς η υπερφόρτωση των συστημάτων ΙΤ με τα Big Data έχει ως αποτέλεσμα αυτά να ανταποκρίνονται με δυσκαμψία.

Οι επενδύσεις είναι αναπόφευκτες
To πρώτο πράγμα που πρέπει κανείς να βάλει καλά στο μυαλό του είναι ότι χωρίς επενδύσεις δεν μπορεί να εφαρμοστούν λύσεις Big Data. Και το ποσό των επενδύσεων που πρέπει να γίνουν εξαρτάται – όπως στα περισσότερα IT projects – από τις μεμονωμένες ανάγκες και συνθήκες που χαρακτηρίζουν την εκάστοτε επιχείρηση. Σύμφωνα με το ινστιτούτο αναλύσεων Wikibon, τα μέσα κόστη σε ένα Big Data project κατανέμονται, εν γένει, ως εξής: 38% για το hardware, 22% για το software και 40% για τις υπηρεσίες. Στα projects που γίνεται χρήση εργαλείων Open Source μειώνεται το ποσοστό του software, ενώ αυξάνονται τα κόστη προσαρμογής και υπηρεσιών. Η γενική εντύπωση, πάντως, είναι ότι το hardware και το software δεν απορροφούν το μεγαλύτερο μέρος της επένδυσης. Συχνά, ένα σημαντικό ποσό δεσμεύεται για το consulting, ήτοι για το τι μπορεί να κάνει κάποιος με τα δεδομένα.

Ενα, ακόμα, σημαντικό ερώτημα που χρειάζεται να απαντηθεί έχει να κάνει με το αν οι χρήστες εκμεταλλεύονται τις τεχνολογίες Big Data από εσωτερικές υποδομές ή αν θέλουν να στραφούν σε εξωτερικές λύσεις cloud. Αν οι πελάτες αποφασίσουν το πρώτο σενάριο– ανάλογα με την ωριμότητα του οργανισμού τους – τότε θα πρέπει να προβούν σε επενδύσεις τόσο για τις απαιτούμενες τεχνολογίες, όσο και για το προσωπικό που θα χρειαστεί για την υλοποίηση και τη λειτουργία μιας τέτοιας λύσης. Αντιθέτως, οι πελάτες, που επιλέγουν λύσεις Software-as-a-Service, καλούνται να επενδύσουν στο κόστος της ολοκλήρωσης, όπως και στα λειτουργικά έξοδα των σχετιζόμενων υπηρεσιών.

Σηματοδοτώντας το δρόμο της επιτυχίας
Ενα εύλογο ερώτημα που προκύπτει είναι το κατά πόσο αξίζει, τελικά, μια επένδυση στα Big Data. Συχνά ακούει κανείς ότι οι υπεύθυνοι, κατά την εφαρμογή ενός project Big Data, δεν ξέρουν από πού πρέπει να αρχίσουν. Ένας άμεσο όφελος, βέβαια, είναι οι σαφώς γρηγορότερες λογιστικές και χρηματοοικονομικές αναφορές, ωστόσο, οι υπόλοιπες περιοχές εφαρμογών μένουν συνήθως εκτός των Big Data. Ειδικά τα Predictive Analytics μπορούν να δώσουν ένα μεγάλο περιθώριο στους χρήστες για να πειραματιστούν. Είναι σημαντικό να κατανοεί κανείς τις δυνατότητες που δημιουργούνται, μέσω της μαζικής αυτοματοποίησης των επιχειρησιακών διαδικασιών – κάτι που κάνουν τα Predictive Analytics, για παράδειγμα, στον προγραμματισμό της ζήτησης, στη δυναμική τιμολόγηση, στην ανάλυση πελατών ή και στην ανάλυση ρίσκων. Τα μικρά και προσεκτικά βήματα στην ανάλυση των δεδομένων μπορούν να φέρουν μερικά γρήγορα αποτελέσματα.

Είναι σημαντικό να μην υπερεκτιμά κανείς τις δυνατότητες ενός project Big Data. Και δεν πρέπει να περιμένει να δώσει απάντηση σε όλα τα ερωτήματα που απασχολούν έναν οργανισμό. Μπορεί, ωστόσο, με μια μικρή επένδυση να βρει μερικές περιοχές εφαρμογής, στις οποίες οι νέες τεχνικές ανάλυσης μπορεί να είναι αποτελεσματικές. Αν επικεντρωθεί κανείς, αρχικά, σε τέτοιες περιπτώσεις, οι εργαζόμενοι θα μπορέσουν πιο γρήγορα να μπουν στο πνεύμα της ανάλυσης και να τους έρθουν ιδέες κι έτσι το project να αναπτυχθεί από μόνο του.

Προστασία δεδομένων και ιδιωτικότητας
Ανεξάρτητα με τα αναμφισβήτητα πλεονεκτήματα των Βig Data, ένα θέμα που απασχολεί πολύ έχει να κάνει με την προστασία των δεδομένων και της ιδιωτικότητας. Πρόκειται για ευαίσθητα θέματα, ειδικά όταν οι αναλύσεις Big Data δεν χρησιμοποιούν μόνο τα ήδη υπάρχοντα δομημένα δεδομένα, αλλά επίσης και δεδομένα από αδόμητες πηγές μέσα από τα έγκατα του Internet και τα social media. Γενικά, οι υπεύθυνοι θα πρέπει να λάβουν σοβαρά υπόψη τους και να προσέχουν, ώστε τα προσωπικά δεδομένα που σχετίζονται με ιατρικά θέματα ή ακόμα και με τη γενετική να τα χρησιμοποιούν μόνο ανώνυμα.

Αλλά ακόμα και η ανάλυση των προσωπικών προτιμήσεων ή της οικογενειακής κατάστασης αποτελεί ταμπού για πολλούς ανθρώπους και ένδειξη παραβίασης της ιδιωτικής τους ζωής. Οι εταιρείες που εκμεταλλεύονται τέτοιες πληροφορίες για να αποκτήσουν ανταγωνιστικό πλεονέκτημα, μπορεί, τελικά, με αυτόν τον τρόπο να μπουν στο περιθώριο και να χάσουν πελάτες, αντί να αυξήσουν το “Life-Time-Value“ τους –ανεξάρτητα από τις πρόσθετες νομικές και ηθικές επιπτώσεις.

Τα προσωπικά δεδομένα μπορεί να αποτελούν ένα νέο είδος αξίας για μια επιχείρηση, ωστόσο πρέπει να είναι ιδιαίτερα προσεκτικός κανείς στο πώς τα χρησιμοποιεί για να μην του γυρίσει η όλη κατάσταση μπούμερανγκ. Οι πελάτες πρέπει να είναι ενημερωμένοι για το ενδεχόμενο ανάλυσης των προσωπικών δεδομένων τους, ότι μπορεί κάποιος να επωφεληθεί από αυτό το γεγονός και, εν τέλει, να παίρνουν αυτοί την τελική απόφαση για το αν θέλουν να γίνει αυτό ή όχι. Αυτό αποτελεί την ιδανική περίπτωση, αν και στην πραγματικότητα τα πράγματα δεν γίνονται ακριβώς έτσι.

Γενικά, οι εταιρείες μπορούν να αποτρέψουν μια παραβίαση της ιδιωτικότητας, αν εκπαιδεύουν και ενθαρρύνουν συνεχώς τους υπαλλήλους τους, ώστε να καταλαβαίνουν τι είναι τα εκάστοτε δεδομένα και να κατανοήσουν ότι οι εξαιρετικά ευαίσθητες πληροφορίες αξίζουν μια ειδική μεταχείριση. Σε κάθε περίπτωση, οι εταιρείες που γνωρίζουν και εφαρμόζουν πολιτικές προστασίας των προσωπικών δεδομένων αποκτούν ένα σημαντικό ανταγωνιστικό πλεονέκτημα.

Χρήσιμα χαρακτηριστικά των εργαλείων Big Data

  • Tαχύτητα
  • Ανεξάρτητη και ευέλικτη χρήση
  • Σαφείς οπτικές αναπαραστάσεις
  • Ανεξαρτησία από μέγεθος και είδος, όσον αφορά τις πηγές δεδομένων
  • Διατμηματική χρήση
  • Ευέλικτη διαμόρφωση

ΠΗΓΗ: Tableau Software

Πόσο κοστίζουν οι αναλύσεις Big Data;
Οι πιθανές επενδύσεις σε τεχνολογίες Big Data μπορούν να συγκεντρωθούν στα ακόλουθα:

Hardware: Σχεδόν όλες οι ηγετικές τεχνολογίες Big Data είναι προσανατολισμένες ώστε να τρέχουν σε αποδοτικό, από πλευράς κόστους, hardware. H λογική στην προκειμένη περίπτωση είναι να προσθέτει κανείς σε ένα υπάρχον hardware πολυάριθμα και προσιτά οικονομικά συστατικά, αντί να προχωρήσει στην απόκτηση ενός ακριβού κεντρικοποιημένου hardware. Εκτός αυτού, τα συστήματα ανάλυσης μπορούν να μεταφερθούν στο cloud, όπερ σημαίνει ότι δεν χρειάζεται κανείς να επενδύσει οτιδήποτε σε hardware.

Βάσεις Δεδομένων: Πολλές από τις κορυφαίες βάσεις δεδομένων είναι Open Source και όχι τόσο ακριβές όπως οι κλασικές εμπορικές βάσεις δεδομένων για επιχειρήσεις. Επιπλέον, οι βάσεις δεδομένων για τα Big Data διαθέτονται και στο cloud, κάνοντας εφικτή μια ενδεχόμενη ενοικίασή τους.

Εργαλεία ανάλυσης: Όπως γίνεται με τις βάσεις δεδομένων, έτσι και τα εργαλεία ανάλυσης βασίζονται στη φιλοσοφία του Open Source, σε στάνταρ λύσεις ή διαθέτονται ως λύσεις υπηρεσιών cloud.

Consulting και εκπαίδευση: Tα κόστη σε αυτήν την περιοχή εξαρτώνται εντόνως από τις απαιτήσεις των πελατών. Εντωμεταξύ, οι συμβουλευτικές εταιρείες αναγνωρίζουν το δυναμικό ανάπτυξης αυτής της περιοχής. Υπάρχουν όλο και περισσότεροι εξειδικευμένοι σύμβουλοι, κάτι που μακροπρόθεσμα θα μπορούσε να είχε ως αποτέλεσμα τη μείωση του κόστους σε αυτή την περιοχή. Εκτός αυτού υπάρχουν πολλά δωρεάν training (όπως είναι, για παράδειγμα, το www.bigdatauniversity.com) που μπορεί να βρει κανείς στο Internet, τα οποία μπορούν να βοηθήσουν σε μια καλύτερη εκπαίδευση των υπαλλήλων.

ΠΗΓΗ: Jaspersoft