不適合大資料的10件事情

許多企業領導人開始接納大資料處理並期待神奇和奇蹟，但卻發現大資料帶來新的複雜性——且從中獲益所需要付出的努力要預計中的多得多。
每個組織機構都對大資料應用寄予厚望，期待它可以解答長期存在的業務問題，讓他們在市場集中鎮南關，在產品、服務交付中更具競爭力。這種對於大資料獲益的預期很難實現，除非給予足夠的指導和幫助。 這裡雲端計算服務SaaS軟體平臺博雲網列舉不適合大資料的10件事情，除非你能夠採取正確步驟最佳化其價值。
1：解決你的業務問題
大資料不會處理業務問題。人們可以做的，就是要坐下來，在開始使用大資料之前，討論決定放棄大資料，就使用商業智慧取得共識。
2：幫助你管理資料
IBM公司宣稱：每一天都會產生 250萬位元組的資料，其中大部分屬於大資料。不出預料，世界範圍內企業所需要管理的資料量呈現指數級增長，由於缺乏清晰有效地資料儲存和使用策略，資料將不斷堆積，每個企業都陷於資料管理的工作。
3：緩解減輕你的安全憂慮
對於許多公司來說，確保大資料的安全訪問仍然是一個開放式的課題。這是因為對於大資料安全實踐的定義遠沒有系統資料和記錄保護這樣明確。我們正處在這樣的一個時間點上，也就是IT與終端使用者一起來確定：誰可以訪問哪些級別的大資料，並可以進行相應地分析。
4：關鍵IT技能缺乏
大資料處理資料庫管理、伺服器管理、軟體開發、業務分析技能短缺，許多IT部門關鍵IT技能的缺失會不斷成為企業的負擔。
5：減少遺留系統的價值
如果有的話，遺留系統記錄會較之任何大資料更具有價值。通常情況下，正是這些遺留系統可以為大資料分析提供重要線索，用於回答重要的業務問題。
6：簡化資料中心
大資料分析需要並行處理計算機叢集和傳統IT事務處理和資料倉儲系統等不同風格的系統管理，這就意味著能量、冷卻、軟體硬體消耗，運轉這些系統所需要的技巧也不盡相同
7：提高資料質量
傳統事務處理系統美妙之處在於其擁有固定長度的資料欄位以及全面的資料編輯和驗證發方式，這有助於得到一個相對乾淨的表格呈現。大資料不是這樣，他們是非結構化的資料，可以表現為幾乎任何形式。這讓大資料的質量成為一個令人頭痛的難題。資料質量至關重要，如果你沒有它，就不能信任資料查詢的結果。
8：驗證當前的投資回報率(ROI)
衡量系統投資回報率最常用的方法是監測交易速度，然後推斷其獲利能力(例如酒店每分鐘有多少新的預訂)。對於大資料處理來說，交易速度不是好的衡量指標，大資料快取和執行分析可能需要數小時甚至數天才可以殺青。衡量大資料處理有效性的一個最好的指標應該是利用率，它應該保持在90%以上(相比於交易系統，其利用率可能只有20%)。對於大資料來說，確定新的ROI指標尤為重要，因為你還有說服CFO以及其他業務部門的領導。
9：減小“噪音”
95%以上的大資料屬於“噪音”，對於商業智慧的貢獻很小或幾乎沒有。透過資料篩選來進行企業掘金，幫助企業業務進步，這是一個非常艱鉅的任務。
10：每天工作時間
多年來，大學和研究中心一直運用大資料實驗，試圖解答基因組、藥物研究以及是否有其他星球生命等令人難以捉摸問題的答案。雖然其中一些演算法和查詢產生結果更多還是不確定的，大學和研究對於環境的研究也尚無定論，但這不是企業可以接受的，因此，IT和企業關鍵決策者需要對預期進行調整和管理。