如何解决实施大数据的常见障碍?

简介:


有调查表明,实现大数据的障碍按比例从大到小排列如下:


实现大数据的障碍

比例

复杂的软件太难使用或懂技术的员工不够多

46%

让人们对产品标准达成一致很困难

40%

投资回报率难以衡量

36%

软件许可证太贵

34%

人才难寻或聘请成本高昂

26%

训练员工太过费时费力

26%

分析价值低于预期

8%

分析价值低于预期

8%

 

如何解决在实施大数据过程中出现的如上障碍?本文提到的4大战略可以助你将走向大数据之路的绊脚石们一扫而光!

 


  1. 缺乏商业嗅觉

首先是缺乏商业嗅觉。部分公司或机构领导者有时缺乏足够的商业嗅觉,以致于不清楚大数据能够给组织所带来的价值。

解决战略:可以通过大数据的潜力以及可能的使用场景的教育与构思,令组织对大数据获得更深入的了解。

 


2.有限的IT知识与技术

 

其次是受限于其有限的IT知识与技术。如果想要有效地利用大数据,常常需要先进的技术和专业人才,而这些以前在很多公司或组织中不被重视。

解决战略:可以通过提供技能提升课程的和训练专业IT人员的方式培养并保留人才,让他们掌握内部大数据分析与经营所需要的最前沿的工具和技术。

 


3.数据管理的理念冲突

 

其三则是对于数据管理的理念冲突。很多大数据解决方案(如:虚拟化)建立在与传统数据中心相冲突的观点上,这导致了组织机构内部的不一致和革新的惰性。解决战略:可以通过努力达成前景共识,并设立行动计划,在组织中实现大数据的潜能。


4.预算考量

 

最后是预算考量。运作大数据经常需要重大的IT投入,其中就包括购买新的软硬件,以及培训人员

 

解决战略:围绕一系列具有说服力的以业务为导向的使用情景构建战略,避免“盲目投入、守株待兔”。


原文发布时间为:2016-05-02

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
运维 大数据 数据建模
连载7:阿里巴巴大数据实践:OneData模型实施介绍
如何从具体的需求或项目转换为可实施的解决方案,如何进行需求分析、架构设计、详细模型设计等,则是模型实施过程中讨论的内容。
6632 1
连载7:阿里巴巴大数据实践:OneData模型实施介绍
|
存储 数据可视化 大数据
大数据平台架构设计与实施
【7月更文挑战第3天】本文探讨了大数据平台的关键技术,包括数据采集(如Kafka、Flume)、存储(HDFS、HBase、Cassandra)、处理(Hadoop、Spark)、分析挖掘及可视化工具。架构设计涉及数据收集、存储、处理、分析和应用层,强调各层次的协同与扩展性。实施步骤涵盖需求分析、技术选型、架构设计、系统部署、数据迁移、应用开发测试及上线运维,旨在为企业决策提供强有力的数据支持。
|
前端开发 JavaScript 大数据
如何解决大数据下滚动页面卡顿问题
如何解决大数据下滚动页面卡顿问题
386 0
|
存储 运维 Cloud Native

热门文章

最新文章