Что делает Big Data-проект успешным

Что делает Big Data-проект успешным
Mr. Pixel
Mr. Pixel
14 апреля
0
257

Сегодня существует масса заблуждений относительно больших данных и того, что делает проекты, связанные с big data, успешными. Чтобы привнести ясность и поспособствовать лучшему пониманию, что делает компании, занимающиеся данными, преуспевающими, рассмотрим некоторые ключевые моменты.

Технологии. Самое большое заблуждение зиждется на том, что крупные big data-проекты завязаны исключительно на специфических технологиях – Hadoop, Python, Pig, Hive и т.д. Конечно, спорить с этим сложно, все они настолько же важны, насколько и полезны для крупных проектов. Но если ваша компания не является стартапом, у вас наверняка уже есть навыки и технологии, которые также могут пригодиться. В недавних исследованиях крупных проектов связанных с платформами по исследованию данных, таких как Aster от корпорации Teradata, стало ясно, что компании могут создавать big data-приложения на уже существующих языках программирования, к примеру, SQL. Кроме того, большинство игроков рынка, располагающих собственными хранилищами данных, как правило, более успешны в работе с большими данными, чем те, у кого нет таких предметно-ориентированных информационных баз данных. Также в работе с большими объемами данных все еще не утратили своей актуальности такие аналитические инструменты, как SAS, SPSS и R.

Люди. Точно так же, как вы можете использовать некоторые из ваших старых технологий, у вас нет никакой необходимости набирать в проект новых людей. Представители крупных компаний заявляют, что они не стремятся нанимать только докторов наук. Вместо этого отделы кадров формируют команды из образованных и опытных людей с высоким уровнем бизнес-экспертизы. Конечно, компаниям приходится постоянно повышать квалификацию своих кадров в использовании технологий, таких как Hadoop, или скриптовых языков. Но специалистов по работе с большими данными всегда хватает.

Грамотное управление изменениями. Этот вид менеджмента, который называется change management, является ключевым для успеха любого проекта. Иногда кажется, что проблемы технического характера в работе с большими данными перевешивают чашу весов, на которой находятся кадровые задачи. Но это не так. Big data-проекты часто включают в себя так называемую «предписывающую аналитику» (prescriptive analytics) – алгоритмы и аналитические системы, которые указывают сотрудникам компаний, как выполнять поставленные перед ними задачи. В качестве примера можно назвать крупнейшего американского экспресс-перевозчика UPS, поставившего на службу разработку ORION, которая использует собранные данные для прокладывания эффективных маршрутов, а также приложение Schneider National, использующее датчики и данные GPS, чтобы напомнить водителям о дозаправке. Оба приложения внесли существенные изменения в привычный ритм работы водителей, которые не могут проигнорировать точные и надежные указания.

Четкая цель. Общеизвестно, что работа с данными – это, в первую очередь, просеивание большого объема информации для нахождения перспективных решений. Это очень важная задача, но ее эффективность будет сведена к нулю, если у компании нет четкой бизнес-задачи. Например, телекоммуникационные компании, включая T-Mobile и Vodafone, используют технологии big data для получения информации о клиентах и о работе сети. Это было бы сизифовым трудом, если бы компании не поставили четкую задачу – предотвратить отток клиентов. Поставив перед собой цель, австралийский филиал компании Vodafone смог буквально за несколько недель устранить проблемы с сетью, из-за которых клиенты уходили к конкурентам.

Эффективное управление проектом. Должен ли руководитель поддерживать диалог со всеми заинтересованными сторонами? Несомненно. Это неоспоримо, даже несмотря на то, что технические сложности использования технологий big data и засилье специальной терминологии могут вызвать определенные трудности в налаживании контактов между начальством, клиентами и коллективом.

Конечно же, ко всему вышеуказанному нужна еще и удача. В основу проектов, которые подразумевают использование больших данных, положены новые технологии и новые подходы, а это всегда сопряжено с определенным риском. Имея дело с big data, время от времени вы будете терпеть неудачи, которые на самом деле не проблема, ведь ошибки помогают учиться и не спотыкаться в будущем. Сегодня работа с большими данными больше относится к сфере R&D – исследований и развития. Но те компании, которые готовы экспериментировать и совмещать традиционные управленческие методики с обработкой больших данных, однозначно будут более успешными, чем их конкуренты.

Источник: Harvard Business Review

Комментарии к статье (0)