v¦bo project
Бизнес-данные
Нужно больше данных
Риски
Свойства
Автор: Тюрин Владислав
Дата публикации: 09 сентября 2015
Поделиться
Файлы
Новое
Чем хороши шаблоны, условия для бизнеса на старте, как менеджеры теряют время,...
Как работать по 12 часов в день, какая экономика может себе позволить инновации,...
Абсолютная экономическая эффективность, как статистика измеряет прошлое, ещё...
Поиск
c l i c k ! m e
В публикации рассматривается понятие больших данных с точки зрения потребностей и возможностей бизнеса. Сфера внедрения технологий, основанных на больших данных, обширна. Но именно для бизнеса стоит насущная проблема их обработки исходя из экономической целесообразности и извлечения практической выгоды от больших и разнородных объемов данных. Цель публикации дать представление о больших данных и аналитики, рационального их применения в бизнес среде.

Риски

Любой менеджмент несет в себе определенные риски из-за возможности принять неверное решение при информационных ограничениях. Именно для повышения эффективности принимаемых решений и снижения рисков неправильных решений компании обращаются к большим данным. Но ведь большим данным тоже сопутствуют риски. Оценим некоторые из них.

 

Риск конфиденциальности

Потеря контроля над данными и их передача в руки конкурентов может нанести серьёзный экономический и репутационный ущерб. Разглашение конфиденциальных данных в СМИ или в сети Интернет тоже нежелательны для бизнеса, даже если это не представляет явного коммерческого интереса для кого-то из игроков рынка.

Снизить опасность разглашения данных призвана система обеспечения безопасности.

В связи с риском конфиденциальности стоит отметить особый статус сервисов хранения и обработки данных, которые предоставляются сторонними компаниями («облака сторонних лиц»). Указанный риск здесь выше и непосредственно неподконтролен. Остается доверять порядочности таких поставщиков услуг и включать в контракты условия о компенсации разглашения данных третьим лицам.

 

Риск потери данных

Существенным риском для больших данных является их утрата (частичная или полная). Причины могут быть различны: от активности злоумышленников, до чрезвычайной ситуации. Единственный способ защитится – это резервирование данных. Очевидно однократное резервирование. Если оценка риска велика и сильно влияет на бизнес, то рекомендованы двукратное и трехкратное резервирование.

Одним из способов снижения рисков потери данных из-за ошибочных действий специалистов и пользователей – это предоставление рабочих копий данных (реплики полные или по запросам).

 

Риск переполнения хранилища

Неоптимальная система сбора и хранения больших данных в конечном итоге приведет к переполнению хранилища и утрате вновь получаемых данных при отсутствии места для физического их размещения. Особенность такой утраты данных – это потеря более актуальных «свежих» данных поступающих после события полного заполнения свободных объемов хранилища. Помогает тщательное планирование получения данных, умение оценивать их объемы и формировать хранилища, которые имеют адекватные емкости носителей для хранения.

 

Риск снижения эффективности больших данных

Четкость структуры собираемых и обрабатываемых данных, их управляемость и качество направлены на то, чтобы исключить снижение результативности работы с большими данными по мере разрастания их объемов. Помещение данных в хранилище должно быть управляемым и контролируемым. Даже если переполнение хранилища и не грозит, то сохранять в нем «всякие» данные не самый удачный вариант. Попробуйте разберитесь в них потом. Очевидно, что приходится затрачивать много времени и вычислительных ресурсов в хранилище с плохой структурой данных, с низким уровнем индексирования и классификации данных, с неясными типами и минимальными метаданными для поиска информации.

Для устранения риска снижения эффективности больших данных четко формулируются принципы упаковывания данных в хранилище и их структурирования. Сомнительные данные рекомендуется размещать обособлено.

 

Риск формирования неэффективного набора данных

Совокупность больших данных решает вполне конкретные цели и задачи, стоящие перед бизнесом. Бесконтрольный сбор (получение) и хранение данных могут привести к тому, что данные будут большими, четкими, удобными, но бесполезными по содержанию. Они могут быть неполными и не представлять полноценно фактическую сторону дела. На базе таких данных аналитики и менеджеры не смогут принять сколь-либо значимое решение.

Данные, а тем более большие, контролируются не только по форме, но и по содержанию, чтобы минимизировать риск формирования информационного набора неэффективного в целом или для решения отдельных поставленных задач. Допустимо рассматривать этот риск как несоответствие больших данных и бизнес-модели.

 

Риск ошибок больших данных

Несколько или одна примитивнейшая ошибка легко испортят долгую, кропотливую работу. Большие данные – не исключение. А учитывая, что объемы больших данных могут достигать огромных размеров – ошибки весьма вероятны как в содержании и структуре данных, так и в инструментах работы с данными.

Для снижения риска ошибок больших данных необходимо:

- проводить периодические ревизии данных (автоматизированные и выборочные);

- контролировать ключевые параметры данных;

- вести журнал выявленных ошибок и их устранения;

- разрабатывать инструменты и алгоритмы устранения или нивелирования ошибок и некорректных состояний данных;

- оценивать результативность инструментов;

- проводить независимую оценку и экспертизу;

- применять специальные средства тестирования данных и инструментов, разрабатываемых самостоятельно;

- использовать инструменты последовательно, подконтрольно и пошагово с постоянным контролем обрабатываемых данных в целом или по выборкам.

 

Риск ошибок бизнес-модели

В отличии от риска ошибок больших данных, риск ошибок бизнес-модели гораздо более серьезен и менее очевиден. Действительно утверждать об ошибке, допущенной в проектировании или понимании бизнес-модели может квалифицированный и опытный менеджер, знающий и понимающий бизнес. Ошибка или особенность бизнес-модели? В какой-то степени для ответа на этот вопрос и используются большие данные.

 

Риск экономической нецелесообразности

Не исключено, что аналитики не найдут ответы на проблемные вопросы бизнеса, обработав доступный им объем больших данных. Замена аналитиков, реформирование модели потоков больших данных, реструктуризация данных исправят как-то ситуацию в будущем. Однако затраты на проект произведены, а результат отсутствует.

Полностью избавиться от риска экономической нецелесообразности больших данных нельзя. Но минимизировать – реально, применяя:

- корректную постановку целей и задач проекта,

- стратегическое планирование проекта и его окружения,

- стратегию интегрирования больших данных в бизнес-модель,

- формирование профессиональной команды проекта,

- полноценное обеспечение проекта ресурсами,

- эффективное управление проектом,

- контроль за ходом проекта.

 

Риск внешнего консультанта

Большие данные – это сложный ресурс для бизнеса. Весьма вероятным является привлечение внешнего консультанта. Но это обуславливает соответствующий риск.

Внешней консультант помогает бизнесу, но остается вне поля его прямого воздействия. Хорошо прописанный контракт не спасает от разногласий и потери взаимного понимания. Полная передача на аутсорсинг работы с большими данными сторонней организации или заказ системы управления большими данными «под ключ» – это не очень разумный способ истратить денежные средства. Если бизнесу требуются большие данные, он обязан сам управлять ими. Конечно же, для среднего и малого бизнеса лучше искать разумный компромисс между внешним консультированием и собственными силами.

Бизнес всегда понимает и будет понимать о себе больше чем любой внешний консультант, который имеет также одну неприятную особенность – он в любой момент готов уйти и забрать с собой бесценные знания и опыт.

 

Риск неготовности к переменам

Может так оказаться, что большие данные и аналитика будут противоречить внутренней культуре компании и сложившемуся стилю руководства. Отсутствие в таком случае готовности к переменам сделает большие данные бесполезными. Придется от них отказаться, чтобы не тратить лишние средства, или оставить их в суррогатном виде для создания видимости «информационно-инновационного современного развивающегося бизнеса».

Перед запуском проекта больших данных оцените готовность бизнеса к переменам, чтобы исключить или минимизировать риск их культурной несовместимости.

 

Риск мошенничества

Когда приходится сталкиваться с внешними консультантами или при создании команды проекта больших данных, существует вероятность столкнуться с банальным мошенничеством.

Особенно велик риск мошенничества при покупке больших данных «оптом и в розницу» или при подключении платных сервисов сбора и обработки больших данных. Проверить достоверность внешних данных или эффективность алгоритмов их обработки крайне сложно. Необходимо быть высоко квалифицированным и опытным специалистом, чтобы выявить подделанные или скомпрометированные данные. В самом деле, ну как для терабайтного массива цифровых данных провести полноценную экспертизу, да и сколько она будет стоить.

У мошенников много вариантов для формирования данных. Их можно специальным образом сгенерировать или имитировать, скрывая это за красивым фасадом «сверхчувствительного» алгоритма и «сверхумного» регистратора.

Качественные данные стоят не дешево и высок риск мошенничества с ними, поэтому и подходить к их покупке следует осторожно.

Какие риски поджидают вас в big data и как с ними справиться.
источник: Rusbase
Скачайте полную версию публикации и дополнительные материалы
по ссылкам в разделе 'Файлы' в левой части страницы.