تاکنون شرکت‌های اندکی توانسته‌اند پروژه‌های مربوط به داده‌های بزرگ‌ را به درستی پیاده‌سازی کرده و به مزیت‌های کسب‌و‌کار ناشی از آن دست‌یابند.
داده‌های بزرگ از بحث‌های داغ IT در سال‌های اخیر است و همچنان نیز با شیب تندی رو به افزایش است. با این وجود بسیاری از بحث‌ها در این زمینه تنها جار‌و‌جنجار تبلیغاتی است و پروژه‌های اصولی که در این حوزه انجام گرفته اندک هستند. 
واقعیت این است که سازمان‌ها درک خوبی از این موضوع دارند که با استفاده بهتر از سرمایه‌های اطلاعاتی خود می‌توانند به مزیت‌های رقابتی قابل توجهی دست‌یابند و به پتانسیل عظیم بازار برای رشد سریع در این حوزه آگاه‌اند با این حال آن‌ها اغلب در ساخت محیط داده‌های بزرگ شخصی خود دچار تردید می‌شوند. آن‌ها می‌بینند که منابع اطلاعاتی دارند که اگر به درستی تحت کنترل درآیند می‌‌تواند برایشان مفید باشد اما نمی‌دانند چگونه از این منافع بهره‌مند گردند. 
امروزه کسب‌و‌کار‌ها مایل‌اند کمتر در مورد منافع بالقوه و بیشتر در مورد چگونگی اجرای یک مسیر تحول ساخت‌یافته و مشخص بشنوند. از این رو به ارائه پنج نکته برای ساختن یک محیط داده‌های بزرگ می‌پردازیم که منجر به ارائه ارزش‌های واقعی در کسب‌و‌کار می‌گردد

۱- اطمینان حاصل کنید که قدرت پردازش لازم را در اختیار دارید
سازمان‌ها با استفاده بهتر از سرمایه‌های اطلاعاتی خود می‌توانند به مزیت‌های رقابتی قابل توجهی دست‌یابند.
در اجرای پروژه داده‌های بزرگ قبل از هر چیز باید اطمینان حاصل کنید که ظرفیت مدیریت موثر آن را دارید. چه صحبت در مورد ابزارهای تخصصی برای اپلیکیشن‌هایی مانند هوشمندی‌تجاری باشد و یا ابر کامپیوترهایی که در شبیه‌سازی‌های دیجیتال استفاده می‌‌شوند، باید ظرفیت مشخصی از قدرت پردازش را در اختیار داشته‌باشید تا بتوانید به آسانی از عهده حجم بالای داده‌ها که به‌طور معمول در پیاده‌سازی داده‌های بزرگ نیازمند پردازش هستند، برآیید. 
اما این کافی نیست. از آنجا‌که این سیستم‌ها به‌طور فزاینده‌ای در حال تبدیل شدن به بخش حیاتی کسب‌و‌کار‌ها هستند باید قابلیت اطمینان آن‌ها به‌لحاظ اقتصادی و محیطی ثابت شود و توانایی این پروژه‌ها برای پیشنهاد روش بهینه در بهره‌وری انرژی مشخص گردد. 

۲- از ذخیره‌سازی آغاز کنید

برای ایجاد یک محیط داده‌های بزرگ موفق باید از بنیاد آغاز کرد. پیاده‌سازی زیرساخت‌های ذخیره‌سازی محکم اولین گام مهم در این راستا است. برای اطمینان از اینکه سطح خدمات با نیازهای کسب‌و‌کار در یک راستا هستند، اطمینان حاصل کنید که سیستم‌های داده‌های بزرگ مقیاس‌پذیرند و دسترسی به آن‌ها آسان است. در پردازش مجموعه داده‌های بزرگ و پیچیده باید همگام با کاهش مدیریت اجرایی، امکان دسترسی سریع به داده و انعطاف‌پذیری برای ارتقاء ظرفیت در شرایط خطی ایجاد گردد. 

۳- اجرای پروژه براساس تجزیه‌و‌تحلیل و هوشمندی تجاری (BI) 

پس از پیاده‌سازی راه‌حل ذخیره‌سازی می‌توانید با پیاده‌سازی تجزیه‌و‌تحلیل‌های لازم، از داده‌ها به‌عنوان ابزاری استراتژیک برای ارزیابی و بدست آوردن دیدگاهی مفید در کسب‌و‌کار خود استفاده کنید. پس از آن می‌توانید اپلیکیشن‌هایی مانند هوشمندی تجاری (BI) ارائه دهید که به شما اجازه می‌دهد از طریق داده‌ها بهینه‌ترین مزیت را در کسب‌و‌کار خود کسب کنید. 
BI مدرن محیط پرسش و پاسخی را ایجاد می‌کند که با استفاده از آن می‌توان از تجزیه‌و‌تحلیل‌های پیچیده داده‌ها برای تبدیل داده به دانش کاربردی استفاده کرد که ساختار و ماموریت کلی آن با یک محیط تراکنشی سنتی متفاوت است و کاملا برای نقش جدید خود به این ‌عنوان که تکنولوژی را قادر سازد به کسب‌و‌کار برای بهره‌برداری از محیط‌های داده‌های بزرگ خود کمک کند، مناسب است. تجزیه‌و‌تحلیل‌ مناسب، داده‌ها را به‌صورت ساخت‌یافته و در قالب کسب‌و‌کار قابل مشاهده می‌سازد و می‌تواند ارتقاء یابد تا جریان‌های خارجی از داده‌های ساخت نیافته را نیز سامان بخشد و از این طریق بر هوش رقابتی و تمایلات مشتری نظارت نماید. 
همراهی BI با داده‌های بزرگ از طریق سطح بالاتری از درک و پیش‌بینی که ایجاد می‌کند به ایجاد سودآوری و مزیت رقابتی در کسب‌وکار می‌پردازد. 

۴- به امنیت سیستم‌ها توجه کنید

برای هر کسب‌و‌کاری که محیط داده‌های بزرگ ایجاد می‌کند، امنیت در بالا‌ترین اولویت قرار دارد. وقتی شما داده‌های زیادی را برای تجزیه‌و‌تحلیل، هوشمندی تجاری و دیدگاه استراتژیک در یک مکان جمع می‌کنید، در واقع این داده‌ها را در برابر حملات امنیتی بسیار آسیب‌پذیر کرده‌اید. در بیشتر پیاده‌سازی‌های داده‌های بزرگ سایز بزرگ داده‌ها باعث شده گسترش اپلیکشن‌های امنیتی به امری پیچیده تبدیل شود.
معمولا کلید حل این مسئله برنامه‌ریزی دقیق است. باید اطمینان حاصل کنید کنترل‌های امنیتی لازم را از پیش در برنامه‌ریزی خود قرار داده‌اید قبل از اینکه مجموعه داده‌ها بیش از حد بزرگ شوند. 

۵- همکار مناسب انتخاب کنید

حتی اگر یک کسب‌و‌کار بزرگ با مهارت داخلی زیاد در حوزه داده‌های بزرگ دارید بعید است که به‌تنهایی دارای منابع و تخصص کافی برای سرمایه‌گذاری در حوزه داده‌های بزرگ را داشته باشید، اما باید در انتخاب یک شریک مناسب محتاط باشید. داده‌های بزرگ یک مهارت مبتنی بر نمایندگی فروش نیست که ماهیت مبادلاتی داشته باشد، در عوض باید به‌دنبال شریکی باشید که هم در حوزه خدمات همکاری کند و هم تخصص لازم در پیاده‌سازی راه‌حل‌های بزرگ و قابلیت بالای محاسبات را داشته‌باشد. 

چشم‌انداز آینده

امروزه تبلیغات در حوزه داده‌های بزرگ همچنان ادامه دارد تا تمام کسب‌و‌کارهایی که در حال اجرای این تکنولوژی هستند و آنهایی که هنوز از آن استفاده نکرده‌اند را تحت‌الشعاع خود قرار دهد. بسیاری از متخصصان در حال تغییر دیدگاه خود به سمت ارزش‌های نهفته در تجزیه‌و‌تحلیل‌های اطلاعات هستند. براساس ارزیابی که ISACA انجام داده ۴۶ درصد از میان ۲۰۱۳ کسب‌و‌کار و متخصص IT رای داده‌اند که داده‌های بزرگ پتانسیل افزودن ارزش به کسب‌و‌کار آن‌ها را دارد یا اینکه قبلا از این ارزش در کسب‌و‌کار خود استفاده کرده‌اند. هنوز تنها ۲۲ درصد از شرکت‌های موجود در این جامعه آماری فکر می‌کنند که 

آمادگی کافی دارند تا به‌طور مطلوبی از عهده اجرای پروژه‌های داده‌های بزرگ خود برآیند. سرانجام زمان داده‌های بزرگ فرا خواهد رسید و سازمان‌ها به‌گونه فزاینده‌ای خواهند فهمید که ارزش بزرگی در داده‌هاشان نهفته است که استخراج آن‌ها می‌تواند رهنمودی برای تصمیم‌گیری‌هاشان باشد. 

ریسک ناشی از بی‌توجهی به داده‌های بزرگ

بسیاری از سازمان‌ها به‌سرعت درحال پذیرش تجزیه‌و‌تحلیل مبتنی بر داده‌های بزرگ برای مجموعه اطلاعات روبه افزایشی هستند که در اختیار دارند، در این روند ممکن است امنیت اطلاعات، ریسک و بررسی و ممیزی سیستم‌ها بیشتر در معرض خطرات تکنیکی و عملیاتی قرار گیرد، با این حال سازمان‌هایی که به‌دلیل خطرات احتمالی، مانند امکان وجود رخنه‌های امنیتی و امکان فاش شدن اطلاعات خصوصی، از تکنیک‌های تحلیل داده‌های بزرگ دوری می‌کنند ممکن است انواع دیگری از ریسک برای سازمان خود بیافرینند که مهم‌ترین آن در حوزه مزیت رقابتی است که ممکن است رقیبان آن‌ها بتوانند با پذیرش این روند در سازمان خود کسب کنند. داده‌های بزرگ ممکن است فاکتورهای ریسک جدیدی بیافریند اما از سویی باعث ارتقاء چشم‌گیری در قابلیت مدیریت ریسک در کسب‌و‌کار می‌‌شود، برای مثال توانایی بانک‌ها در نظارت بر مبادلات و تشخیص موارد مشکوک به پول‌شویی. 
اخیرا ISACA مقاله‌ای منتشر کرده که در آن به متخصصان فناوری اطلاعات توصیه کرده نگاهی همه‌جانبه به داده‌های بزرگ داشته باشند و هزینه‌های عدم پذیرش آن در سازمان را در نظر گیرند. در این مقاله اشاره شده که درک دقیق از اینکه چرا تحلیل داده‌های بزرگ از دیدگاه کسب‌و‌کارها اینقدر مورد توجه واقع شده به اندازه درک ریسک‌های ناشی از پذیرش آن اهمیت دارد. سازمان‌ها باید متوجه شوند بر چه اساس و پایه منطقی باید این روند را در سازمان خود بپذیرند، نرخ بازگشت سرمایه پیش‌بینی شده در اجرای این پروژه چقدر است و بررسی اینکه اگر سازمانی تحلیل داده‌های بزرگ را نپذیرد در حالی‌که سایر رقبا از آن استفاده می‌کنند چه تاثیری بر سرنوشت رقابتی سازمان دارد. 
این مقاله همچنین به ارائه یک طرح اجمالی از چالش‌های پیش روی کسب‌و‌کار‌ها پرداخته که ممکن است باعث به تاخیر انداختن درک سازمان از منافع حاصل از پروژه‌های داده‌های بزرگ شود که از جمله مهم‌ترین آن‌ها می‌توان به دو مورد اشاره کرد. اولا بیشتر سازمان‌ها مهارت‌های تحلیلی مورد نیاز را در اختیار ندارند و انتظار می‌رود که یافتن این گروه از نیروی کار مشکل و نگه داشتن آن‌ها هزینه‌بر باشد. نظرسنجی ISACA نشان می‌دهد فقدان قابلیت تجزیه‌و‌تحلیل و مهارت‌های مورد نیاز در حوزه داده‌های بزرگ دومین مانع رایج موجود در مسیر حرکت به سمت داده‌های بزرگ است. 
چالش دیگر مربوط به منابع سازمان‌ها است، به‌خصوص در مورد سازمان‌هایی با سابقه رقابتی و مخالفت شدید نسبت به تاثیر‌گذاری خارجی، که تمایل ندارند اطلاعات خود را به اشتراک گذارند یا نسبت به داده‌هایی که دریافت می‌کنند عکس‌العل نشان دهند. مانند رویکردShadow» IT» (تکنولوژی بدون موافقت و آگاهی، بخش IT مورد پذیرش سازمان قرار گیرد) که ممکن منجر به ایجاد حجم زیادی از اطلاعات پنهانی شود که در پروژه‌های داده‌های بزرگ که در بخش مرکزی سازمان برنامه‌ریزی شده نادیده گرفته می‌شود.

منبع: 

information-age