در نشریه اخیر گارتنر، در پاسخ به مهمترین دغدغه ها در زمینه استراتژی و چشم انداز داده های بزرگ (بیگ دیتا)، به تفصیل در مورد نکات کلیدی و موشکافانه ای در مورد داده های بزرگ شرح داده شد. این موارد عبارتند از:

•  دانستن چگونگی ارتباط ارزش و اقتصاد پروژه های داده بزرگ.

•  درک بسیاری از کاربردهای کسب و کار و منابع داده های بزرگ (بیگ دیتا) – به ویژه آنهایی که فراتر از داده های داخلی هستند- که فقط برای تصمیم گیری استفاده می شوند.

•  بازنگری رهبری اطلاعات، سازماندهی و مهارت با در نظر گرفتن مجموعه های مختلف تحلیلی مورد نیاز

•  شناسایی عوامل کلیدی موفقیت که استراتژی، برنامه ریزی و حاکمیت ابتکارات داده های بزرگ (بیگ دیتا) را بهبود می بخشد.

•  توسعه راهکارهای داده های بزرگ (بیگ دیتا) در زمینه اطلاعات، تلفن همراه، شبکه های اجتماعی و فضای ابری در سازمان – همگرایی این تکنولوژی ها با داده های بزرگ نیاز به سازگاری های سخت و دشوار دارد.

در ادامه به طور خلاصه، برخی از این سوالات و پاسخ های برجسته‌ای را که به این سوالات داده شده است، بررسی می کنیم.

1- ذات و ماهیت داده های بزرگ (بیگ دیتا) چیست؟

داده‌های بزرگ (Big Data) علم جدید درک و پیش‌بینی رفتار انسان با مطالعه حجم زیادی از داده‌های ساخت نیافته است. پذیرش داده های بزرگ امری بدیهی است چرا که بخش عمده ای از زندگی امروزی را تحت تاثیر قرار می دهد.

2- چگونه با به کارگیری داده های بزرگ در صنعت خود موفق عمل کنیم؟

ارزیابی کنیم رهبران صنایع دیگر چه کارهایی انجام می دهند تا بتوانیم بهترین شیوه ها را شناسایی کنیم. 

3- دامنه منابع پروژه‌های داده بزرگ (بیگ دیتا) چیست؟

داده های عملیاتی، رسانه های اجتماعی و داده های سازمانی، همه منابعی برای داده های بزرگ (بیگ دیتا) هستند.

4- آیا ما مشکل بیگ دیتا داریم؟

زیرساخت IT شما باید از رشد داده های بزرگ حمایت کند؛ و کسب و کار شما باید قادر به دستیابی به اهداف خود با طیف وسیعی از داده های تحلیل شده باشد. بدین ترتیب شما کمتر با مشکل داده بزرگ (بیگ دیتا) مواجه خواهید شد.

5- ارزش پروژه های داده بزرگ چیست؟

توانایی تجزیه و تحلیل داده ها به روش های جدید، بهره‌برداری از منابع جدید که همه آن ها به روش های اقتصادی و سریع تر انجام می شوند.

6- آیا ما هنوز به یک انبار داده نیاز داریم؟

گارتنر پیش بینی می کند که 90٪ انبارهای داده جایگزین نخواهند شد.

7- علم تجزیه و تحلیل داده های بزرگ (بیگ دیتا) چیست؟

استفاده از قابلیت های تحلیلی در مجموعه داده های بزرگ، متنوع  و به سرعت در حال تغییر

8- چه داده هایی می توانیم استفاده کنیم؟

این حریم خصوصی هر فرد یا سازمانی است که رعایت آن مسئله‌ای قانونی و اخلاقی است. 

9- برای داده های بزرگ (بیگ دیتا) چه مهارت هایی لازم است؟

علاه بر تسلط به علموم داده، سیستم‌های دانشمندان داده نیاز به تنظیم، اجرا و مدیریت دارند.

10- دانشمندان داده چه تفاوتی با تحلیلگران آمار یا BI دارند؟

دانشمندان داده تمایل فراوانی به یادگیری محدوده وسیع‌تری از مهارت ها دارند.

بخوانید: مهارت‌های مورد نیاز برای مشاغل داده های بزرگ (Big Data) چیست؟