Pięć błędów typowych przy wdrażaniu rozwiązań dla Big Data
Uniknięcie tych pułapek pomaga zapewnić sukces wdrażanej technologii
Z ankiety przeprowadzonej w 2013 r. przez firmę Infochimps specjalizującą się we wdrażaniu technologii Big Data wynika, że ponad 55% projektów z tego zakresu nie udaje się zakończyć, a spora część wdrożonych rozwiązań tego typu nie spełnia wyznaczonych celów. Przy założeniu, że ponad 81% firm biorących udział w tej samej ankiecie zamieściło projekty związane z wdrażaniem technologii Big Data na liście pięciu swoich głównych priorytetów informatycznych na rok 2013, odsetek porażek jest znaczny.Poniżej omawiamy najbardziej typowe błędy popełniane przez przedsiębiorstwa podczas wdrażania rozwiązań do zarządzania wielkimi zbiorami danych. Uniknięcie tych błędów nie gwarantuje udanego wdrożenia, ale z pewnością zwiększa szanse na jego sukces.
1. Koncentracja na technologii zamiast na potrzebach biznesowych.
Zbyt często kierownicy działów informatyki skupiają się na kwestii infrastruktury potrzebnej do wdrożenia rozwiązania do analizy wielkich zbiorów danych, zamiast na faktycznym zapotrzebowaniu firmy na wdrożenie takiego rozwiązania. Osoby odpowiedzialne za wdrożenie koncentrują się na potrzebnej pamięci masowej i mocy obliczeniowej lub podejmują decyzje oparte na technologii. Wynika to zazwyczaj z potrzeby ograniczenia błyskawicznie rosnących kosztów infrastruktury. Zamiast tego kierownicy działów informatyki powinni się skupić na korzyściach biznesowych płynących z inicjatyw dotyczących wdrożenia technologii Big Data. Pozwoli to osadzić gromadzone dane w kontekście biznesowym, zwiększając dostosowanie zarządzania tymi danymi do potrzeb firmy oraz umożliwiając sprawdzanie, czy dział informatyki dostarcza to, czego firma faktycznie potrzebuje. Przedsiębiorstwa mogą zaprojektować architekturę technologii potrzebnej do tego, aby odpowiednio wesprzeć osiąganie założonych wyników biznesowych, co powinno pomóc w zmniejszeniu wydatków na nowe inwestycje.
Należy pamiętać, że technologię Big Data powinno się wdrażać modułowo, w razie potrzeby dodając i dostrajając kolejne moduły.
2. Zwracanie zbyt wielkiej uwagi na już opublikowane przykłady zastosowań Big Data.
W branży opublikowano bogaty zestaw przypadków użycia technologii Big Data, które klienci mogą analizować, gdy proszą o ocenę zasadności wdrożenia tej technologii w ich firmie. Klienci zakładają, że opisane przez dostawcę technologii przykłady ułatwią im czerpanie korzyści z wdrożonych przez nich samych rozwiązań Big Data, gdyż elementy tej technologii są sprawdzone i przetestowane pod kątem potrzeb ich branży. W niektórych sytuacjach tak właśnie będzie, ale przedsiębiorstwa powinny przede wszystkim przeanalizować te case studies, które wywrą największy wpływ na ich własną firmę, gdyż oczekiwane rezultaty zależą w znacznym stopniu zarówno od sposobu kierowania firmą, jak i od obowiązującej w niej kultury. Każde przedsiębiorstwo jest unikatowe i dane należy interpretować z jego własnej perspektywy. Zamiast brać pod uwagę poglądy producenta na temat tego, na czym dane przedsiębiorstwo powinno się skupić, należy dostosować adekwatne przykłady do własnych potrzeb z uwzględnieniem kierunków dalszego rozwoju przedsiębiorstwa.
3. Wdrożenie „zmasowane” lub wdrożenia pilotażowe.
Członkowie dyrekcji, którzy nie mają pewności co do potencjalnych korzyści z wdrożenia inicjatyw z zakresu technologii Big Data, czasami decydują się na równoległą realizację kilku takich inicjatyw, stosując „zmasowane” podejście do wdrażania tej technologii. Niektóre z tych inicjatyw mogą przynieść korzyści, ale inne nie, w wyniku czego mogą wystąpić rozbieżności w rozumieniu faktycznych korzyści z wdrożenia technologii Big Data. Wdrożenie zmasowane może oznaczać, że przedsiębiorstwo prawdopodobnie nie do końca przemyślało ramy całej operacji, zwłaszcza w zakresie zakupu infrastruktury. Inne przedsiębiorstwa decydują się na postawę konserwatywną, wdrażając tylko jedną inicjatywę jako projekt pilotażowy, aby móc później ocenić sensowność dalszego inwestowania w technologię Big Data. Realizacja projektu pilotażowego w oderwaniu od innych oznacza zazwyczaj, że przedsiębiorstwo nie jest przekonane co do potencjalnych korzyści. Wdrożone rozwiązania do zarządzania wielkimi zbiorami danych mogą zmienić strategie biznesowe przedsiębiorstw, trzeba je więc wdrażać ostrożnie. Należy pamiętać, że technologię Big Data powinno się wdrażać modułowo, w razie potrzeby dodając i dostrajając kolejne moduły. W przypadku optymalnym powinno się naszkicować kompleksową architekturę referencyjną ― obejmującą wdrożenie w ramach danego przedsiębiorstwa wszystkich adekwatnych aspektów ― po czym należy rozpocząć stopniowy proces wdrażania kolejnych modułów.
4. Rezygnacja z analizy kosztów w relacji do korzyści.
Newralgicznym aspektem wdrażania technologii Big Data są potencjalne koszty. Zależnie od metodyki wdrażania, każdy przypadek może mieć inny model kosztów. Zbyt często w celu zamodelowania całościowych kosztów stopniowego wdrażania kolejnych modułów technologii Big Data wykorzystuje się jedynie początkowy przypadek użycia, pomijając przy tym fakt, że taki przypadek należy zazwyczaj do najprostszych we wdrażaniu. Dlatego należy zadbać o zbudowanie całościowego modelu kosztów opartego na architekturze referencyjnej. Zapewni to rozsądny poziom przewidywalności w miarę postępów wdrażania.
5. Eksploatacja środowisk według dotychczasowych zasad działalności biznesowej.
Rozwiązanie do zarządzania wielkimi zbiorami danych wymaga innych mechanizmów uwierzytelniania, dostępu, izolowania danych i zarządzania środowiskami niż te stosowane w środowiskach tradycyjnych. A to z kolei wymaga wprowadzenia zmian w procesach operacyjnych. Próba dodania środowiska w technologii Big Data do infrastruktury już istniejącej nie jest dobrym rozwiązaniem. Środowiska w tej technologii muszą mieć odrębną strukturę, konieczna też będzie modyfikacja procesów operacyjnych, aby zapewnić odpowiednie serwisowanie tych środowisk. Jeśli się tego nie zrobi, spowoduje to utworzenie architektury bardzo złożonej i niestabilnej.
Aby zapewnić przedsiębiorstwu jak największe korzyści, realizatorzy projektu wdrażania technologii Big Data muszą całościowo przeanalizować wymagania firmy, uzyskać jej zgodę na zaproponowaną strategię, a potem stopniowo realizować tę strategię, zbliżając się przez cały czas do zaprojektowanej na wstępie architektury referencyjnej.
Autor: Subramanian Iyer jest dyrektorem ds. analizy potrzeb i strategii obsługi klientów w Oracle Corporation.
Źródło: ORACLE
1. Koncentracja na technologii zamiast na potrzebach biznesowych.
Zbyt często kierownicy działów informatyki skupiają się na kwestii infrastruktury potrzebnej do wdrożenia rozwiązania do analizy wielkich zbiorów danych, zamiast na faktycznym zapotrzebowaniu firmy na wdrożenie takiego rozwiązania. Osoby odpowiedzialne za wdrożenie koncentrują się na potrzebnej pamięci masowej i mocy obliczeniowej lub podejmują decyzje oparte na technologii. Wynika to zazwyczaj z potrzeby ograniczenia błyskawicznie rosnących kosztów infrastruktury. Zamiast tego kierownicy działów informatyki powinni się skupić na korzyściach biznesowych płynących z inicjatyw dotyczących wdrożenia technologii Big Data. Pozwoli to osadzić gromadzone dane w kontekście biznesowym, zwiększając dostosowanie zarządzania tymi danymi do potrzeb firmy oraz umożliwiając sprawdzanie, czy dział informatyki dostarcza to, czego firma faktycznie potrzebuje. Przedsiębiorstwa mogą zaprojektować architekturę technologii potrzebnej do tego, aby odpowiednio wesprzeć osiąganie założonych wyników biznesowych, co powinno pomóc w zmniejszeniu wydatków na nowe inwestycje.
Należy pamiętać, że technologię Big Data powinno się wdrażać modułowo, w razie potrzeby dodając i dostrajając kolejne moduły.
2. Zwracanie zbyt wielkiej uwagi na już opublikowane przykłady zastosowań Big Data.
W branży opublikowano bogaty zestaw przypadków użycia technologii Big Data, które klienci mogą analizować, gdy proszą o ocenę zasadności wdrożenia tej technologii w ich firmie. Klienci zakładają, że opisane przez dostawcę technologii przykłady ułatwią im czerpanie korzyści z wdrożonych przez nich samych rozwiązań Big Data, gdyż elementy tej technologii są sprawdzone i przetestowane pod kątem potrzeb ich branży. W niektórych sytuacjach tak właśnie będzie, ale przedsiębiorstwa powinny przede wszystkim przeanalizować te case studies, które wywrą największy wpływ na ich własną firmę, gdyż oczekiwane rezultaty zależą w znacznym stopniu zarówno od sposobu kierowania firmą, jak i od obowiązującej w niej kultury. Każde przedsiębiorstwo jest unikatowe i dane należy interpretować z jego własnej perspektywy. Zamiast brać pod uwagę poglądy producenta na temat tego, na czym dane przedsiębiorstwo powinno się skupić, należy dostosować adekwatne przykłady do własnych potrzeb z uwzględnieniem kierunków dalszego rozwoju przedsiębiorstwa.
3. Wdrożenie „zmasowane” lub wdrożenia pilotażowe.
Członkowie dyrekcji, którzy nie mają pewności co do potencjalnych korzyści z wdrożenia inicjatyw z zakresu technologii Big Data, czasami decydują się na równoległą realizację kilku takich inicjatyw, stosując „zmasowane” podejście do wdrażania tej technologii. Niektóre z tych inicjatyw mogą przynieść korzyści, ale inne nie, w wyniku czego mogą wystąpić rozbieżności w rozumieniu faktycznych korzyści z wdrożenia technologii Big Data. Wdrożenie zmasowane może oznaczać, że przedsiębiorstwo prawdopodobnie nie do końca przemyślało ramy całej operacji, zwłaszcza w zakresie zakupu infrastruktury. Inne przedsiębiorstwa decydują się na postawę konserwatywną, wdrażając tylko jedną inicjatywę jako projekt pilotażowy, aby móc później ocenić sensowność dalszego inwestowania w technologię Big Data. Realizacja projektu pilotażowego w oderwaniu od innych oznacza zazwyczaj, że przedsiębiorstwo nie jest przekonane co do potencjalnych korzyści. Wdrożone rozwiązania do zarządzania wielkimi zbiorami danych mogą zmienić strategie biznesowe przedsiębiorstw, trzeba je więc wdrażać ostrożnie. Należy pamiętać, że technologię Big Data powinno się wdrażać modułowo, w razie potrzeby dodając i dostrajając kolejne moduły. W przypadku optymalnym powinno się naszkicować kompleksową architekturę referencyjną ― obejmującą wdrożenie w ramach danego przedsiębiorstwa wszystkich adekwatnych aspektów ― po czym należy rozpocząć stopniowy proces wdrażania kolejnych modułów.
4. Rezygnacja z analizy kosztów w relacji do korzyści.
Newralgicznym aspektem wdrażania technologii Big Data są potencjalne koszty. Zależnie od metodyki wdrażania, każdy przypadek może mieć inny model kosztów. Zbyt często w celu zamodelowania całościowych kosztów stopniowego wdrażania kolejnych modułów technologii Big Data wykorzystuje się jedynie początkowy przypadek użycia, pomijając przy tym fakt, że taki przypadek należy zazwyczaj do najprostszych we wdrażaniu. Dlatego należy zadbać o zbudowanie całościowego modelu kosztów opartego na architekturze referencyjnej. Zapewni to rozsądny poziom przewidywalności w miarę postępów wdrażania.
5. Eksploatacja środowisk według dotychczasowych zasad działalności biznesowej.
Rozwiązanie do zarządzania wielkimi zbiorami danych wymaga innych mechanizmów uwierzytelniania, dostępu, izolowania danych i zarządzania środowiskami niż te stosowane w środowiskach tradycyjnych. A to z kolei wymaga wprowadzenia zmian w procesach operacyjnych. Próba dodania środowiska w technologii Big Data do infrastruktury już istniejącej nie jest dobrym rozwiązaniem. Środowiska w tej technologii muszą mieć odrębną strukturę, konieczna też będzie modyfikacja procesów operacyjnych, aby zapewnić odpowiednie serwisowanie tych środowisk. Jeśli się tego nie zrobi, spowoduje to utworzenie architektury bardzo złożonej i niestabilnej.
Aby zapewnić przedsiębiorstwu jak największe korzyści, realizatorzy projektu wdrażania technologii Big Data muszą całościowo przeanalizować wymagania firmy, uzyskać jej zgodę na zaproponowaną strategię, a potem stopniowo realizować tę strategię, zbliżając się przez cały czas do zaprojektowanej na wstępie architektury referencyjnej.
Autor: Subramanian Iyer jest dyrektorem ds. analizy potrzeb i strategii obsługi klientów w Oracle Corporation.
Źródło: ORACLE
Do zwiększenia odporności na zmiany, konieczna jest pełna kontrola nad codziennymi procesami zapewniającymi prawidłowe funkcjonowanie przedsiębiorstwa. Oprócz przejrzystości we wszystkich obszarach i efektywności w zakresie operacji gospodarczych, obejmuje to również sprawny przebieg procesów wzdłuż łańcucha dostaw. Niekompletne lub błędne dane, duplikaty, czy też brakujące informacje, szybko stają się poważnymi przeszkodami do osiągnięcia wyznaczonych celów strategicznych przedsiębiorstwa. Warunkiem dla poprawnego i wydajnego przebiegu procesów oraz dla wykorzystania sztucznej inteligencji jest odpowiedni fundament: nienaganna jakość danych.
