Data: The Oil Baru? [Koleksi TiECON East]

anton_prenneis
Anton Prenneis teknologi penginjil EMC OEM Solusi

30 Mei saya konferensi tahunan TiECON East (#TiECONEast) di Cambridge MA. Konferensi ini diselenggarakan oleh “tie” (Pengusaha Indus), yang menggambarkan dirinya sebagai mempromosikan global organisasi non-profit terbesar untuk berwirausaha. Konferensi tahun ini, dengan tema “Melanggar Borders” termasuk diskusi panel teknis pada topik yang tepat waktu mulai dari internet hal robotika, Cloud Security, dan terhubung kesehatan. Sebuah panel berjudul “Data adalah minyak baru”, berkaitan dengan pertanyaan tentang bagaimana untuk “memperbaiki” dan monetisasi Big Data. Seperti mentega, data merupakan sumber daya yang sangat berharga. Tapi tidak seperti minyak, kemampuan untuk menarik diri dari nilai data tidak dipahami dengan baik, dan sejumlah besar data tetap “tidak terpakai” (atau menempatkan titik terakhir dengan cara yang berbeda, risiko melewati batas analogi – kita tidak akan pernah mencapai “puncak data”). Pertanyaan lima hakim – termasuk peserta spinout EMC Big Data yang menentukan. Ini adalah poin utama saya mengambil dengan:? 1) Bagaimana Big Data dijual ke manajer unit bisnis

  • The “mempersiapkan untuk masa depan” argumen tidak bekerja : Bisnis driver bersaing banyak prioritas perhatian dan anggaran, dan sebagian besar prioritas ini dalam jangka pendek. Meskipun mereka bisa menjadi pesan bahwa pesaing mereka mungkin memiliki keuntungan ketika menggunakan data besar untuk mempersiapkan masa depan selalu sesuatu yang dapat (dan biasanya) untuk menunggu besok.
  • Dengarkan poin nyeri : Banyak bos akan memberitahu tantangan mereka Big Data, tanpa harus menyadari bahwa mereka berada. Seorang eksekutif seluler berbicara pelanggan churn; Sebuah EXEC utilitas berbicara tentang pencurian listrik; Sebuah logistik EXEC bicara tentang biaya armada bahan bakar – dasar ini tidak bisa melihat ini sebagai masalah yang Big Data dapat diselesaikan, tapi ternyata analisis yang digunakan saat ini untuk mempertimbangkan semua masalah ini. Ini adalah tugas kita untuk mendengarkan dan berpikir tentang bagaimana Anda Big Data
  • menerapkan Dalam beberapa industri, dapat kepatuhan terhadap peraturan mesin utama :. Cari tahu bagaimana analisis dapat digunakan untuk membantu CFO dengan persyaratan hukum dalam industri mereka (misalnya, HIPPA, Sarbanes-Oxley, Basel, dll)
  • di sebagian besar industri, pertumbuhan inkremental mesin utama :. Apakah itu datang ke pemotongan biaya melalui efisiensi atau penetrasi pasar yang belum dimanfaatkan dengan produk dan layanan baru, fitur yang paling menarik adalah orang-orang yang menjanjikan untuk tumbuh sumber baru dari garis atas dan bawah.

2) perusahaan memiliki Big Data, atau hanya masalah besar dengan data yang kita miliki?

    Banyak perusahaan yang berjuang dengan “analisis kelumpuhan” . Sebuah contoh yang terkenal adalah perusahaan utilitas mencoba untuk mencari tahu apa yang harus dilakukan dengan longsoran data baru yang dihasilkan oleh smart meter baru dikerahkan. Lain mencontohkan dalam diskusi adalah operator seluler mencoba untuk mengidentifikasi aplikasi masalah untuk mengurangi seluler dukungan panggilan pusat.
  • pekerjaan kami adalah untuk membantu perusahaan-perusahaan untuk menemukan kasus penggunaan . Lihatlah pendek, menengah dan jangka panjang nilai bahwa perusahaan mungkin pergi keluar dari data-nya. Untuk menggunakan utilitas, contoh kaleng dan kasus penggunaan jangka pendek mudah untuk memahami harian dan pola musiman dari penggunaan listrik di pelanggan nya. Sebuah kasus penggunaan jangka menengah dapat digunakan bahwa program pemahaman baru untuk mempromosikan pelanggan efisiensi energi. Dan kasus penggunaan jangka panjang dapat diatur desain bangunan yang memungkinkan mereka otomatisasi dengan perencana kota untuk mengurangi menyesuaikan perilaku mereka dengan menggunakan dana dari CO2 jaringan lokal.

? 3) Apa beberapa data besar yang Anda butuhkan untuk IT

    tidak : Coba futuris menjadi. Do Fokus pada kelincahan
  • mencoba membaca pikiran stakeholder perusahaan tidak akan untuk memberikan solusi Big data mereka butuhkan. Sebaliknya, tersedia dengan menggunakan “gagal cepat” dan scan alat. Dihadapkan dengan seperti besar dan O olume, o ariety dan o Data elocity, cobalah banyak kombinasi cepat untuk melihat pekerjaan yang adalah satu-satunya cara untuk menyampaikan keempat o data Big. value
    tidak Jadilah “perantara” antara pengguna dan data mereka. Do : Kecepatan maksimum
  • Sebuah tugas umum adalah memakan waktu lingkungan BI tradisional bergerak data sumber data (biasanya menyimpan produksi) ke yang lain, sehingga dapat dianalisis. Alat dan platform sudah di tempat untuk menghindari persyaratan ini. Dengan data jaringan memori real-time platform untuk analisis data dan penyimpanan untuk memungkinkan bahwa satu “kolam renang data” diperoleh akhir menggunakan berbagai protokol, termasuk HDF, itu lebih mungkin untuk cepat menganalisis banyak mengembalikan data di tempat dan hasil.
    tidak : Pertimbangkan semua data yang sama atau keamanan yang adalah semua tentang otentikasi dan enkripsi. Do . Menyadari karakteristik unik dari data Anda dan Anda Pengguna Data
  • Sebuah contoh yang baik di sini digabungkan. Karena berbagai alasan mulai dari peraturan privasi kinerja, Anda dapat menyimpan data di daerah, negara atau data tertentu pusat. Contoh lain adalah studi tentang pola akses pengguna. Semakin banyak pelanggaran keamanan hari ini “di dalam pekerjaan” (memikirkan Edward Snowden). Keamanan tidak hanya untuk memastikan bahwa orang tidak dapat dipercaya dapat memperoleh akses ke sistem Anda. Keamanan juga untuk memastikan bahwa orang-orang handal akses ke data, yang tidak. Dapatkah sistem tempat Anda kelainan seperti akses pengguna ke database beberapa kali dalam sehari, ia tidak pernah tersedia untuk ini? Jika tidak, data Anda beresiko.

4) Jika Big Data “minyak baru”, maka otomatisasi adalah “plastik baru”.

  • Otomasi adalah di mana kekuatan sebenarnya dari analisis, terutama analisis secara real-time, datang ke dalam bermain. Hal ini berlaku umum bahwa “ilmuwan data” adalah salah satu bidang baru terpanas. Hal ini diyakini bahwa orang dengan seperangkat keterampilan yang unik, menggabungkan statistik dengan kedalaman pengalaman dalam domain bisnis yang spesifik, maka perlu untuk memisahkan gandum dari sekam dalam data bisnis dan menghasilkan wawasan yang nyata. Meskipun hal ini benar, benar juga di banyak daerah yang tidak ada yang memiliki waktu untuk menganalisis semua informasi. Ada terlalu banyak dari mereka. Dan itu harus segera dilakukan (Anda tidak akan, misalnya, Anda ingin solusi ilmuwan Data rem untuk mengelola mobil sendiri!) Keputusan-keputusan.
  • masalah Big Data adalah “Data Cepat” masalah. Dan masalah ini diselesaikan dengan teknologi Gemfire inti, yang diperlukan untuk membangun untuk menyediakan model sumber solusi dalam memori, sehingga tindakan yang segera diambil. Tapi itu hari sangat awal untuk jenis teknologi, dan ada kesepakatan pada panel bahwa keputusan otomatis merupakan gelombang berikutnya inovasi Big Data.

Banyak hal yang baik untuk berpikir tentang di sini pengusaha dan perusahaan teknologi besar. Dan menilai oleh energi di ruang-ruang-satunya sesi ini, saya memprediksi bahwa kita akan memiliki sejumlah besar inovasi di ruang ini! (PS Saya minta maaf untuk “plastik baru” analogi. Itu saya …)

video download ngentot Memek

Leave a Reply

Name *
Email *
Website