P:
Je li veliki podatak rješenje veličine jedan za sve?
A:Unutar ideje o cjelokupnom ekosustavu ili industriji velikih podataka, primjene strategija velikih podataka specifične su za potrebe određenog poduzeća ili organizacije. Jedna od najvećih grešaka koju rukovodeći radnici i drugi profesionalci čine je u pristupu općenitom pristupu velikim podacima i pokušaju uklopiti sustave u predložak koji se prije koristio.
Filozofija velikih podataka odnosi se na vrlo ciljano i mikro upravljano korištenje velikih skupina informacija. Na primjer, tvrtka koja ima tisuće i tisuće kupaca poduzet će veliki projekt podataka kako bi iskoristio sve informacije koje posjeduje o tim kupcima - njihova imena, gdje žive, što su kupili prije itd. Međutim, rezultati su više veze s postavljanjem određenih struktura za manipulaciju podacima i izvještavanjem nego što je to slučaj sa samo prikupljanjem i "pokretanjem" ovih ogromnih skupova podataka.
Dio izazova velikih podataka je taj što zahtjeva više specijaliziranih hardverskih procesa. Tvrtke često koriste sustave otvorenog koda poput Apache Hadoop i specifične povezane alate kao što je MapReduce kako bi dobili velika rješenja podataka. Ovo zahtijeva dodatno tehničko znanje osim postavljanja tablice Microsoft Accessa ili ostvarivanja neke druge jednostavnije tehnologije baze podataka.
Da bi veliki podaci bili učinkoviti, tvrtke moraju gledati na implementaciju i kako izbjeći ometanje svojih uobičajenih poslovnih aktivnosti. Da bi bili najučinkovitiji, moraju pogledati koji će im skup podataka biti najkorisniji. Na primjer, ako prodavači ili drugi mogu učiniti što trebaju uz jednostavan izvještaj samo prezimena, države i telefonskih brojeva, nema smisla pokušati pokrenuti opsežnije podatke kroz sustav i pokušati prikupiti i predstaviti ostale identifikatore ili ključne podatke.
Učinkovitost, jednostavna implementacija i troškovi utječu na pojavu rješenja za velike podatke za tvrtke. Ove inovacije definitivno ovise o određenom poslovnom modelu i problemima koji se moraju riješiti.
