Dlaczego projekty Big Data kończą się niepowodzeniem?
W najbliższych latach rozwój gospodarczy będziemy zawdzięczać głównie sztucznej inteligencji, uczeniu maszynowemu oraz wszechobecnemu Big Data. Jednak wciąż słychać głosy, że wdrożenie rozwiązań opartych na tej technologii kończy się rozczarowaniem i brakiem zwrotów z inwestycji. Czym jest więc era Big Data? Szansą na rozwój i przełomowe innowacje czy raczej wyzwaniem ekonomicznym i organizacyjnym, które trzeba umieć pokonać? Jakie są bariery na drodze do sukcesu Big Data? Przeanalizujmy je.
Jeżeli przyjrzymy się temu, jak działa klasyczny cykl funkcjonowania każdej organizacji, zaobserwujemy, że najczęściej stosuje się jedynie pierwszy krok – analizę opisową, odpowiadającą na pytanie „Co i dlaczego się wydarzyło?”, opartą na danych wewnętrznych. W mniejszym stopniu organizacje stosują następnie metody analizy predykcyjnej, odpowiadając na pytanie „Co i z jakim prawdopodobieństwem wydarzy się w przyszłości?”, szukając odpowiedzi na pytanie „Co z tego wynika i jaką decyzję podjąć?” oraz wskazując konkretne działania „Co możemy zrobić, aby zapobiec niekorzystnym zjawiskom?” (Rysunek 1).
Mówiąc o projektach Big Data, już na początku warto odróżnić duże korporacje od sektora małych i średnich przedsiębiorstw (MŚP).
Duże korporacje są znacznie bardziej innowacyjne, mają możliwości finansowe niezbędne do zakupu i rozwoju zaawansowanych narzędzi analitycznych oraz informatycznych, w tym niezbędne do inwestycji w obszar bezpieczeństwa, nie mają natomiast szybkiej ścieżki decyzyjnej, którymi dysponują MiŚP. W każdym z tych sektorów przyczyny niepowodzeń projektów Big Data mają więc inne podłoże.
Wykorzystałeś swój limit bezpłatnych treści
Pozostałe 87% artykułu dostępne jest dla zalogowanych użytkowników portalu. Zaloguj się, wybierz plan abonamentowy albo kup dostęp do artykułu/dokumentu.
Zaloguj się
