迎戰(zhàn)“大數(shù)據(jù)”:企業(yè)IT部門五大預(yù)備策略

大數(shù)據(jù)被喻為未來關(guān)鍵的戰(zhàn)略性業(yè)務(wù)資產(chǎn)。這意味著在不久的將來，其他部門的員工也會想知道IT部門對大數(shù)據(jù)的策略。

該怎么跟他們解釋？可以肯定的是，處理大量數(shù)據(jù)對于大多數(shù)IT部門來說并不是新鮮事，但是分析家表示，大數(shù)據(jù)不同于數(shù)據(jù)倉庫、數(shù)據(jù)挖掘和商業(yè)智能分析。

數(shù)據(jù)正以前所未有的速度和可變性累積起來，并且與過去的數(shù)據(jù)不同，大多數(shù)數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)和原始數(shù)據(jù)。博客、社交網(wǎng)絡(luò)、機器傳感器和地理位置工具都在產(chǎn)生大量非結(jié)構(gòu)化數(shù)據(jù)。

“我們產(chǎn)生了大量數(shù)據(jù)，并且我們一直在收集數(shù)據(jù)，但這非常有限，沒有人真正知道如何處理這些數(shù)據(jù)，”ComputerSciences公司的PaulGustafson表示。

行業(yè)觀察家稱，IT站在了這場數(shù)據(jù)革命的最前線。

CatalinaMarketing公司管理著2.5PB客戶忠誠度數(shù)據(jù)庫，包括來自最大零售連鎖店收集的超過1.9億家美國雜貨店的數(shù)據(jù)。這些數(shù)據(jù)用來針對那些使用雜貨店信用卡的美國消費者定制營銷策略，根據(jù)消費者的消費記錄來發(fā)放優(yōu)惠劵。為了將企業(yè)引領(lǐng)到實時可預(yù)測情報時代，CatalinaMarketing公司首席信息官EricWillams和其他行業(yè)觀察家表示，技術(shù)經(jīng)理必須發(fā)展自己的企業(yè)信息化管理架構(gòu)和文化，以支持對大數(shù)據(jù)存儲的高級分析。

Gartner公司的分析師MarkBeyer表示，精明的IT領(lǐng)導(dǎo)人應(yīng)該開始做好準(zhǔn)備以迎戰(zhàn)大數(shù)據(jù)，而不是坐以待斃。

以下是IT團隊需要做的五件事情為迎接大數(shù)據(jù)新時代做好準(zhǔn)備。

盤點你的數(shù)據(jù)

幾乎每個企業(yè)都要面對源源不斷的非結(jié)構(gòu)化數(shù)據(jù)，來自社交網(wǎng)絡(luò)或者來自監(jiān)視工廠車間的傳感器。但是企業(yè)在產(chǎn)生這么大量的數(shù)據(jù)，并不意味著存在保存每一個字節(jié)的業(yè)務(wù)需要。

ConstellationResearch分析師NeilRaden指出：“在剛開始面對大數(shù)據(jù)時，人們會感覺需要了解所有來自網(wǎng)絡(luò)日志或傳感器的數(shù)據(jù)。”

部分原因可能來自于急切地推廣企業(yè)計算領(lǐng)域下一件大事的供應(yīng)商和顧問，Raden表示：“那些致力于大數(shù)據(jù)研究的人肯定會大肆推廣。”

聰明的IT經(jīng)歷不會試圖處理所有數(shù)據(jù)，而是會弄清楚哪些數(shù)據(jù)與企業(yè)相關(guān)，哪些不相關(guān)。

Raden表示，第一步應(yīng)該是對數(shù)據(jù)進行盤點，看看哪些數(shù)據(jù)是內(nèi)部創(chuàng)建的數(shù)據(jù)，哪些是外部數(shù)據(jù)資源，這樣做將幫助IT部門更好地了解數(shù)據(jù)情況，并增添對業(yè)務(wù)的洞察力。

在確定數(shù)據(jù)范圍的同時，IT應(yīng)該進行有針對性很強的項目以用來展示結(jié)果，而不是大數(shù)據(jù)項目，“你不需要花幾百萬美元來啟動一個項目來看看它是否值得投資，”Raden表示。

讓業(yè)務(wù)需求說話

很多最初的大數(shù)據(jù)項目是在IT以外的領(lǐng)域開始的，例如，營銷部門一直利用媒體流來更好地了解客戶需求和購買趨勢。

從業(yè)務(wù)方面來看，特定領(lǐng)域的專家可能會看到大數(shù)據(jù)賺錢的機會，但IT需要負責(zé)數(shù)據(jù)共享和數(shù)據(jù)聯(lián)合概念大數(shù)據(jù)戰(zhàn)略的重要組成部分。

PricewaterhouseCoopers公司主要信息管理行業(yè)分析師DavePatton表示：“如果大數(shù)據(jù)戰(zhàn)略沒有與業(yè)務(wù)目標(biāo)看齊的話，這很難成功。”

CatalinaMarketing公司在制定大數(shù)據(jù)戰(zhàn)略時，Williams請來了業(yè)務(wù)經(jīng)理以及財務(wù)規(guī)劃和分析(FPA)團隊來共同商討信息架構(gòu)投資的商業(yè)方案。

業(yè)務(wù)視角能夠判斷新項目能否帶來價值，例如根據(jù)購物車中的產(chǎn)品來確定采購項目等，而FPA團隊能夠?qū)⑻岣呱a(chǎn)力或者增加銷量等說法進行數(shù)字量化。

重新評估基礎(chǔ)設(shè)施

Gartner公司的Beyer和其他專家認為，大數(shù)據(jù)戰(zhàn)略將需要對服務(wù)器和存儲架構(gòu)以及信息管理架構(gòu)方面進行重大調(diào)整，IT經(jīng)理需要準(zhǔn)備擴大他們的系統(tǒng)以迎接不斷擴大的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)存儲。

IT團隊需要找出最好的方法，使系統(tǒng)具有可擴展性，并制定路線圖將所有與大數(shù)據(jù)戰(zhàn)略相關(guān)的不同系統(tǒng)整合在一起。

“現(xiàn)在，大多數(shù)企業(yè)都有不同的孤島系統(tǒng)，用于不同目的，例如客戶管理、營銷等，”IBM公司大數(shù)據(jù)產(chǎn)品副總裁AnjulBhambhri表示，“首席信息官需要制定一個戰(zhàn)略將這些分散的孤島系統(tǒng)整合起來，建立一個中央系統(tǒng)。”

熟悉相關(guān)技術(shù)

大數(shù)據(jù)領(lǐng)域讓我們認識了一長串新的術(shù)語，以及一些首席信息官們可能永遠沒有聽過的技術(shù)。

其中，開源工具吸引著大多數(shù)人的注目，像Hadoop、MapReduce和NoSQL這些技術(shù)就正在幫助Web巨頭(谷歌和Facebook等)處理其大數(shù)據(jù)存儲。很多這些技術(shù)仍然相當(dāng)不成熟，并且需要操作人員具備特定技能。大數(shù)據(jù)領(lǐng)域相關(guān)的其他重要技術(shù)包括數(shù)據(jù)庫內(nèi)分析、柱狀數(shù)據(jù)庫和數(shù)據(jù)庫倉庫設(shè)備。

IT管理人員及其工作人員需要了解這些新工具以確保他們能夠做出正確的大數(shù)據(jù)決策。

讓員工做好準(zhǔn)備

不管企業(yè)是需要Hadoop專家還是數(shù)據(jù)科學(xué)家，大多數(shù)IT企業(yè)最缺的是必要的技術(shù)人才來進行下一步大數(shù)據(jù)策略。分析能力也許是最關(guān)鍵的，這也是大多數(shù)IT人員存在最大差距的地方。

McKinsey公司預(yù)計單在美國，到2018年，將需要14萬到19萬統(tǒng)計方法和數(shù)據(jù)分析技術(shù)方面的專家。

此外，McKinsey公司預(yù)計在業(yè)務(wù)或技術(shù)領(lǐng)域?qū)⑿枰?50萬經(jīng)過正規(guī)預(yù)測分析和統(tǒng)計培訓(xùn)的數(shù)據(jù)經(jīng)理。

對于一些公司，尤其是那些在人口較少地區(qū)的公司而言，人員將會是大數(shù)據(jù)策略最具挑戰(zhàn)性的方面。TrueTextiles公司首席信息官RickCowan表示：“大數(shù)據(jù)領(lǐng)域絕對需要不同的心態(tài)和不同的技能。”

“作為中等規(guī)模的企業(yè)，讓工作人員能夠順應(yīng)不斷變化的環(huán)境是一個挑戰(zhàn)，”Cowan表示，為了滿足這個需求，他已經(jīng)開始重新培訓(xùn)編程人員和數(shù)據(jù)庫分析師，以讓他們加強分析能力。

Gartner公司Beyer表示，為了在這個全新的新領(lǐng)域脫穎而出，IT部門負責(zé)人也需要對他們自己進行一些調(diào)整。雖然過去最好的技術(shù)領(lǐng)袖都是一半的信息管理員和一半的基礎(chǔ)設(shè)施工程師，未來的IT管理人員將是數(shù)據(jù)科學(xué)家和業(yè)務(wù)流程工程師的結(jié)合體。

“首席信息官一直以來都是根據(jù)業(yè)務(wù)部門特定的指示來管理基礎(chǔ)設(shè)施，而不是發(fā)現(xiàn)機會，然后推動信息的創(chuàng)新使用，”他表示，“這是需要發(fā)生轉(zhuǎn)變的地方。”

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。