Gartner:从大数据谎言中区分实际需求

对于大数据而言,如果让十位企业首席信息官(CIO)去定义它,相信会得到十种不同的案。近日,Gartner分析师Mark Beyer谈及这种情况,主要是因为大数据对企业IT专业人员仍然并不规范。Gartner的Symposium/ITxpo会议上谈到,当大数据变得常见就会正常化,而作为IT专业人士在2020年大数据或变得正常化。

企业首席信息官们可以通过从大数据谎言中区分出实际需求的事实,来帮助他们的企业一步步走向正常。Gartner分析师Mark Beyer提出八个大数据“神话”:

Gartner:从大数据谎言中区分实际需求

1.100TB以上属于大数据

就大数据而言,是对数据的处理,而非数据的大小,企业不要再去寻觅大数据标准尺寸,因为大数据并没有标准尺寸。

2.大数据需更换基础设施

如果企业因为有新的需求就决定改变整个基础架构,分析师Mark Beyer表示企业是把之前所有的东西都当做赌注。对于CIO而言,IT基础设施成熟度牺牲的风险是否值得。

3.80%数据是非结构化

从数据上看,结构化和非结构化被经常引用大数据统计,但根据Beyer所谈最大的信息资产是机器数据,其并未相互关联说它们非结构化是绝对的谎言,而机器数据是结构化的数据,通常也是重复的信息。

4.工具将取代数据科学家

对于数据科学家,工具是一种工程,是对已经发现的事实的重复利用。而科学是去发现新的事实,所以工具不会取代数据科学家,至少在工具可以自行复制和发展之前不会。

5.海量数据解决质量问题

Gartner分析师Mark Beyer认为:“数据质量越低,答案质量就越低”。企业CIO们应该关注数据质量,通过手机收集的气质地理定位数据为例,有些人把手机等同于真实的个人,但对于数据质量来说有可以被不小心留在办公室,或者GPS功能可以在任何时间点被关闭。

6.实时只是速度更快而已

实时操作,并不意味着加快了当前数据的处理和分析过程,而是确保数据收集和决策之间的间隔越短越好。此外,大多数企业数据是不需要实时操作的。

7.数据量优于专业知识

对于大数据来说,那些认为可以简单地不再管业务流程的人,通常一位好的数据科学家并不能完全提供企业需求,如果没有业务流程管理,数据科学家将不能提供商业价值,需要企业有效的区分业务管理和大数据应用进而产生商业价值。

8.数据模型没有用

Gartner分析师Mark Beyer谈到,数据模型没有用这一论断很绝对。任何数字资产里的东西都有其数字模型,企业不应该因为大数据就舍弃模型。

未经允许不得转载:经纬人工智能实验室|中国人工智能第一媒体平台,专注人工智能、机器人、物联网、云计算等新兴技术信息资讯! » Gartner:从大数据谎言中区分实际需求

赞 (0)
分享到:更多 ()

评论 0

评论前必须登录!

登陆 注册