<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=150415092460129&amp;ev=PageView&amp;noscript=1">

Visione

Offerta

Scenari

Tecnologie di Frontiera

Ruoli

Tilt

Quali caratteristiche considerare in una soluzione di Big Data

Quali caratteristiche considerare in una soluzione di Big Data

Ogni azienda che voglia dare un senso al vasto archivio di Big Data che possiede deve capire quali piattaforme, tra quelle disponibili, possono davvero aiutarla a raggiungere gli obiettivi di business. Come spiegato da uno dei suoi teorici più famosi, Douglas Laney, una soluzione di Big Data che si rispetti deve inglobare 5 caratteristiche fondamentali: Volume, Velocità, Varietà, Versatilità, Complessità. Scopriamole insieme. 
 

1. Volume o Data Management

La prima si riferisce alla possibilità che le piattaforme di elaborazione dei dati riescano a raccogliere, analizzare e setacciare una grande mole di informazioni, senza dover affrontare le complicazioni derivanti dall’effettuare troppi passaggi tecnici. Questo livello di astrazione ha facilitato l’estrazione in massa di dati in tempi decisamente più brevi rispetto a quanto ne avrebbe richiesto un lavoro manuale. Uno degli esempi più famosi è avvenuto durante le Olimpiadi estive di Londra del 2012 quando 1.800 telecamere hanno monitorato periodicamente il Parco Olimpico e il villaggio degli atleti, con un team di analisti dedicato a intervenire per bloccare eventuali terroristi qualora i dati in diretta avessero fornito incroci di senso con i database della polizia. Tecniche tradizionali non sarebbero giunte a risultati concreti nemmeno per la fine dei Giochi. 

2. Velocità e scalabilità

Spesso le imprese si decidono a passare a una soluzione in cloud per ottenere quel boost nelle prestazioni necessario a svolgere compiti di Data Analyst, in assenza di macchine idonee casalinghe. Per questo l’analisi via Big Data oggi deve essere estremamente scalabile: dalla primaria considerazione delle informazioni conservate in locale, la piattaforma può sfruttare la capacità di calcolo della nuvola per trasferire i dati sul cloud e qui analizzarli. Una volta ottenute le risposte desiderate, sarà premura del software riportare i risultati verso l’utente, che non avrà fatto altro che affidarsi a una potenza di computing esterna. Un tale modello tende ad astrarre la complessità e consente un'implementazione più rapida nell'organizzazione. Inoltre, permette agli sviluppatori di creare un ambiente sandbox preconfigurato, che non richiede di impostare parametri o personalizzazioni specifiche. 

3. Varietà e integrazione 

Il boom delle soluzioni di Big Data alla portata di tutti ha creato un bisogno concreto, quello di sviluppare interfacce di visualizzazione delle informazioni semplici ma complete. Affidarsi a una piattaforma non vuol dire solo buttare in pasto a un programma vari gigabyte di file destrutturati ma capire anche, alla fine, quanto quei dati saranno leggibili dall’interno. L’integrazione è dunque una caratteristica fondamentale per implementare il lavoro svolto in backend nelle metriche aziendali: CRM, CMS, client specifici devono poter inglobare i suggerimenti, così da permettere ai CTO di usare tali indizi per impostare strategie di business funzionali. 

4. Versatilità e plusvalore

Sempre più utenti si rendono conto del vantaggio competitivo di incorporare l'analisi dei dati nella propria azienda. Il beneficio è unico quando si considera che la comprensione data dalle informazioni aggregate può portare a molteplici obiettivi. L’esempio più calzante è quello sullo studio dei comportamenti degli utenti dei social network. Capire le abitudini e le tendenze dei navigatori restituisce una panoramica eterogenea che fornisce risposte a vari settori di marketing, utili a delineare campagne ad-hoc e targetizzate. Un singolo risultato derivante da un’indagine di Big Data non ha mai un significato univoco e a sé stante ma vive di sfaccettature complesse e variegate. 

5. La complessità del dato 

Parlando di Big Data non dobbiamo pensare solo a un software che studi esclusivamente i numeri. Oggi, da sorgenti foto, video, file audio, messi all’interno di una piattaforma di machine learning, si riesce a finalizzare meglio l’informazione, realizzando metriche precise e adattive dell’ambiente circostante. Nella scelta di una soluzione di Big Data non si può escludere la complessità del dato, con un occhio al futuro: text mining, Intelligenza Artificiale, mobile computing e data analytics strutturata. 

 

New Call-to-action

Iscriviti al Blog