Vier do’s & don’ts voor big data projecten
Dat het strategisch verzamelen en analyseren van (big) data tot interessante inzichten kan leiden is duidelijk. Maar hoe breng je dit goed in de praktijk? SAS zette vier do’s and don’ts voor analytics-projecten met big data en ongestructureerde databronnen op een rijtje.
- Ga er niet vanuit dat de meest ambitieuze benadering de beste resultaten oplevert
Het is verleidelijk direct te gaan voor het grootste resultaat. Het kan echter gevaarlijk zijn als bedrijven ongestructureerde data te snel omarmen en alles tegelijk proberen te doen. In plaats daarvan zouden zij eerst kleinere, eenvoudiger te meten applicaties als pilot moeten inzetten en momentum kunnen creëren met de eerste successen daaruit. Het selecteren van de juiste projecten om de mogelijkheden te testen is daarbij cruciaal. - Focus op meetbare resultaten
Succes ligt het meest binnen handbereik als organisaties groot denken maar zich focussen op kleinere projecten. Beginnen met het verminderen van het meetbare risico is vaak effectiever dan je te richten op het begrijpen van concurrenten of het zoeken van nieuwe kansen. Het doel is om projecten te starten die direct meetbare resultaten opleveren. - Faciliteer samenwerking tussen de business en IT
Het gebruiken van tools en processen om big data behapbaar te maken blijkt essentieel bij het aangaan van de grootste uitdagingen. Als je kijkt naar de kosten en de benodigde capaciteiten, dan groeit de big data hype sneller dan de vaardigheden die we hebben. Er moet een omgeving gecreëerd worden waarin gebruiksgemak voorop staat. Het ontsluiten van de kracht van big data vereist een goede samenwerking tussen de business en IT-afdeling. Organisaties die hierin slagen, profiteren het snelst en het meest van een Hadoop-platform. - Gebruik nieuwe data voor het oplossen van problemen
In plaats van de bekende fout te maken om onbekende problemen met onbekende data op te lossen, kun je beter starten hetzelfde probleem op een nieuwe manier op te lossen. Namelijk door nieuwe data te gebruiken en voor nieuwe problemen ook de antwoorden in nieuwe data te zoeken. Neem bijvoorbeeld een telecombedrijf dat de churn wil meten. Door de analyse van big data kun je onder meer kijken of social media rendement oplevert op dit gebied. Een kwestie van een bestaand probleem adresseren met nieuwe data.
Lees ook de whitepaper “Fast and furious big data analytics meets Hadoop“