На сегодняшний день решения по бизнес-аналитике и Big Data являются двумя самыми перспективными направлениями в бизнесе и ИТ сфере, но в большинстве предприятий они так и остаются на стадии развития. Зачастую на пути к эффективному внедрению этих ИТ решений компании сталкиваются с некоторыми трудностями. Вот примеры этих барьеров и способы борьбы с ними:
1. Бюджет. Обычные серверы в центрах обработки данных попросту не рассчитаны на обработку больших массивов данных. Требуется специальная аппаратура: высоко воспроизводительные серверы и новые приложения. Соответственно это требует серьезных ИТ инвестиций. Единственный способ преуспеть в этой ситуации – создать документ, из которого финансовому директору станет ясно, почему имеющиеся серверы не могут быть использованы для обработки больших массивов данных. Прежде чем инвестировать деньги в дорогостоящее оборудование, ИТ директор должен четко понимать есть ли такая необходимость.
2. Ноу-хау в ИТ сфере. Решения Big Data требуют применения другой стратегии хранения и обработки данных. Решения Big Data предполагают многоуровневое хранение данных. Востребованные данные хранятся на более быстрых устройствах, таких как кэш/жесткий диск. Данные, которые запрашивают реже, размещают на устройствах, работающих медленнее.
В то же время многие ИТ департаменты стремятся разработать уникальные методы работы с решениями Big Data. Это в свою очередь требует от ИТ специалистов определенный опыт в области хранения данных. Решить эту проблему может ИТ директор, привлекая ИТ специалистов к стратегическому планированию.
3. Бизнес ноу-хау. Конечные пользователи заинтересованы в том, чтобы решения Big Data помогали получать ответы на важные вопросы. Для этого компании-поставщику необходимо подписать договор с вендором на проведение специальных тренингов для конечных пользователей. Обучение специальными тренерами конечных пользователей – часть процесса по внедрению ИТ решения.
4. Чистка данных. Решения Big Data и бизнес-аналитики хороши настолько, насколько хороши имеющиеся данные. Это означает, что ИТ специалисты регулярно должны убеждаться в том, что неполные, неточные и продублированные данные удалены.
5. Увеличение количества данных для хранения. За последние четыре года объем данных компаний увеличился в 5 раз. Если компании хотят извлечь максимум пользы из решений для обработки больших массивов данных, они должны сортировать данные:
• выделять важные данные
• данные, которые могут быть заархивировать
• избавляться от ненужных данных.
6. Нагрузка на ЦОД. Центры обработки данных компаний моментально обрабатывают поступающие транзакции, не определяя их приоритетность. Работникам ЦОД необходимо в режиме реального времени анализировать ситуацию и в первую очередь реагировать на транзакции с высокой приоритетностью. ИТ специалисты должны быть вовлечены в анализ загрузки ЦОД. Чем быстрее компания начнет следовать этому принципу, тем быстрее ЦОД станет пригодным для Big Data.
7. Хранение данных. Основной причиной скопления данных является боязнь компаний потерять данные навсегда. И это понятно. В то же время ИТ специалистов никто не избавлял от обязанности эффективно управлять данными. Им по-прежнему необходимо определить удалять или архивировать данные, срок хранения которых истек.
8. Определение возможностей поставщика. Многие организации не имеют большого опыта в обработке больших массивов данных, поэтому пользуются базовыми ИТ решениями, которые способны создавать простой набор отчетов. Такое решение пригодно для начальной работы с Big Data, но в дальнейшем вам захочется адаптировать программное решение под свои потребности. Компания должна убедится, что ИТ вендор понимает латентные потребности.
9. Регулировка бизнеса и ИТ. Бизнес-цели и стратегия по внедрению Big Data должны быть согласованы, прежде чем инвестировать в какие-либо ИТ ноу-хау. Руководители высшего звена должны оценить возможности и необходимость использования Big Data, ответив на два вопроса:
• смогут ли они получить ответы на необходимые вопросы с помощью методов Big Data?
• какие конкурентные преимущества получит компания от использования методов и решений Big Data?
10. Развитие новых талантов. Компании нуждаются в специалистах, которые хорошо разбираются в Big Data и бизнес-аналитике. Зачастую компании нанимают внешних консультантов для обучения своего персонала или же ищут Data engineer. Эти специалисты пользуются большим спросом и их работа стоит дорого. Оптимальное решение для ИТ директоров – обучение тех штатных сотрудников, у которых есть потенциал стать продвинутыми специалистами в области Big Data.
