HP ha mantenuto la sua posizione terza conferenza annuale sui big data all'inizio di questo mese a Boston. Ha partecipato un ampio mix di organizzazioni grandi e piccole, ottenendo approfondimenti sul futuro dei big data attraverso keynote di personaggi del calibro di Facebook, Michael Stonebraker, Nate Silver e molti altri. Ci sono state anche oltre 40 sessioni di discussione guidate da clienti che hanno evidenziato vari progetti e storie di guerra. Mentre HP aveva sicuramente delle novità all'evento aggiornamenti a Vertica e una nuova iniziativa di startup, la conferenza riguardava più di ogni altra cosa l'attuazione di iniziative relative ai big data. Ecco alcuni punti chiave della conferenza che fanno luce sul futuro dei big data da parte di coloro che sono in trincea.
HP ha mantenuto la sua posizione terza conferenza annuale sui big data all'inizio di questo mese a Boston. Ha partecipato un ampio mix di organizzazioni grandi e piccole, ottenendo approfondimenti sul futuro dei big data attraverso keynote di artisti del calibro di Facebook, Michael Stonebraker, Nate Silver e molti altri. Ci sono state anche oltre 40 sessioni di discussione guidate da clienti che hanno evidenziato vari progetti e storie di guerra. Mentre HP aveva sicuramente delle novità all'evento aggiornamenti a Vertica e una nuova iniziativa di startup, la conferenza riguardava più di ogni altra cosa l'attuazione di iniziative relative ai big data. Ecco alcuni punti chiave della conferenza che fanno luce sul futuro dei big data da parte di coloro che sono in trincea.
I Data Lake sono una stronzata di marketing
Questo è stato più o meno il punto sottolineato da Michael Stonebraker, vincitore del Turing Award nel 2014. Il suo commento ha suscitato l'applauso del pubblico, chiaramente stanco dei messaggi di marketing diffusi dall'industria. Non ha commentato tsunami di dati o altri fenomeni di big data meteorologici, ma è lecito ritenere che trovi anche loro nella categoria sciocchezze. La conclusione è che alcuni settori del settore stanno lottando per dare un taglio netto al concetto di analisi dei big data. In una certa misura è necessario, poiché la maggior parte delle organizzazioni è ben indietro quando si tratta di rendere fruibili i propri dati. Inoltre, hanno difficoltà a mappare un piano per raccogliere i propri dati, quindi la visualizzazione di un data Lake ha senso. Ma semplicemente trasferire i dati in un lago è una parte molto piccola del problema che le organizzazioni devono affrontare. Il che porta al punto successivo.
Hadoop non è Big Data
Molte organizzazioni iniziano il loro viaggio nei big data con un'istanza Hadoop. Sebbene sia un inizio ammirevole, il solo utilizzo di Hadoop non significa che stai facendo "big data". Ken Rudin, Direttore dell'analisi di Facebook, ha analizzato questo concetto nel suo discorso sui miti dei big data in cui ha evidenziato la differenza nel generare impatto e non intuizioni.
Anche se il concetto di impatto sembra basilare, molte organizzazioni si concentrano sulla tecnologia o esaminano dati che non guidano il cambiamento o non portano a risultati migliori. Tuttavia, l'impatto della guida richiede equilibrio e porta alla domanda che ho posto più di una dozzina di volte a diverse persone presenti all'evento.
Come si fanno le domande giuste?
Le organizzazioni possono disporre della migliore tecnologia, dei data scientist più brillanti e di meravigliosi set di dati, ma ciò non garantisce il successo. Porre le domande giuste è fondamentale per ottenere un impatto aziendale. Per raggiungere questo obiettivo, la maggior parte delle aziende con cui ho parlato sta incorporando i propri data scientist nelle business unit. Ciò offre loro una maggiore esperienza con i problemi affrontati dall'azienda e offre al responsabile dell'azienda l'accesso diretto alle domande incentrate sui dati. Sebbene gli organigrammi appaiano leggermente diversi a seconda della persona a cui chiedi, il consenso è che i data scientist incorporati sono la struttura giusta. Questa struttura aiuta a garantire che vengano poste domande migliori, con il vantaggio collaterale di tempi più rapidi per ottenere dati significativi o utilizzabili.
Molte sfide da affrontare
Per quanto uniti siano i leader in questo spazio, c’è ancora molto da fare. La maggior parte del puzzle dei big data non è ancora stato risolto. Certo, i pezzi d'angolo sono dentro e gran parte del bordo, ma la maggior parte dei pezzi sono ancora capovolti in una pila. Gran parte del dolore ha a che fare con la velocità. Lo spostamento di set di dati, a volte da sistemi legacy o da sistemi che non sono stati realizzati tenendo conto della portabilità dei dati, è un grosso problema. Il semplice inserimento tempestivo dei dati in una piattaforma di analisi richiede molto lavoro per la maggior parte delle aziende. La velocità di trasporto è enorme: più velocemente i dati entrano nella piattaforma di analisi, prima sarà possibile interrogarli e adattare i piani aziendali. I dati sulle vendite sono stati il thread più comune su questo punto, alcuni con cui ho parlato hanno accesso quasi in tempo reale e molti vedevano i dati meno di un giorno dopo. Molti, però, hanno parlato del dolore di dover aspettare molti giorni per ottenere un dettaglio delle vendite, il che in alcuni casi significa che era troppo tardi per agire.
Da parte sua, HP dispone di una suite completa di hardware, software e servizi per aiutare le organizzazioni a risolvere questi problemi che storicamente sono stati territorio di consulenza. Consentendo alle aziende di ricercare in modo proattivo l'impatto dei propri dati, nonché in molti casi di fonti esterne, HP aiuta le organizzazioni a ottenere guadagni incrementali. Questo potrebbe essere uno dei grandi malintesi sulla promessa dei big data. Certo, ci sono grandi vantaggi da trovare, forse dai dati emerge qualcosa di trasformativo. Più probabilmente, però, un'analisi corretta è più simile a quella di un giocatore di baseball che colpisce nella media. Una serie regolare di single è carina e si accumula profumatamente nel tempo.
Iscriviti alla newsletter di StorageReview
