- Community Home
- >
- HPE Community, Italy
- >
- HPE Blog, Italy
- >
- I 5 pregiudizi più comuni legati ai Big Data
Categorie
Company
Local Language
Forums
Forum di discussione
Forums
- Data Protection and Retention
- Entry Storage Systems
- Legacy
- Midrange and Enterprise Storage
- Storage Networking
- HPE Nimble Storage
Forum di discussione
Forum di discussione
Forum di discussione
Forums
Forum di discussione
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
- BladeSystem Infrastructure and Application Solutions
- Appliance Servers
- Alpha Servers
- BackOffice Products
- Internet Products
- HPE 9000 and HPE e3000 Servers
- Networking
- Netservers
- Secure OS Software for Linux
- Server Management (Insight Manager 7)
- Windows Server 2003
- Operating System - Tru64 Unix
- ProLiant Deployment and Provisioning
- Linux-Based Community / Regional
- Microsoft System Center Integration
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Discussion Boards
Comunità
Contatto
Forums
Blogs
- Iscriversi a feed RSS
- Contrassegna come Nuovo
- Contrassegnare come Letto
- Aggiungi ai Preferiti
- Ricevi notifiche via mail
- Visualizza in formato stampa
- Segnala contenuto inappropriato
I 5 pregiudizi più comuni legati ai Big Data
Dall'articolo Top 5 misconceptions about Big Data di waltermaguire
Nell’identificare quali sono le migliore pratiche per l’utilizzo dei big data, abbiamo scoperto che ci sono ancora molti pregiudizi a riguardo.
Per questo abbiamo raccolto (e demistificato) quelli che sono i 5 pregiudizi più comuni legati al mondo dei big data, aggiungendo alcuni suggerimenti su come superarli.
Pregiudizio #5: Avere a che fare coi big data significa fare più di ciò che si sta facendo adesso
Le opportunità di business legate ai big data possono essere tantissime. Uno degli esempi più significativi è quello di Guess Inc. Questa azienda è riuscita reingegnerizzare il suo flusso di dati trasformando completamente il modo di gestire i loro punti vendita senza dover effettuare nuove pratiche o cambiare il personale. Grazie ai nuovi sistemi, oggi Guess è in grado di ottenere informazioni in tempo reale sui suoi negozi, i clienti e i programmi di branding e loyalty.
Pregiudizio #4: Avere a che fare coi big data significa buttare via tutto e ricominciare da capo
La maggior parte delle aziende non è nata ieri e, nel frattempo, ha accumulato opportunità d’affari e soluzioni in grado di tenerle in vita. Buttare via tutto e ricominciare da capo può costituire un grande rischio, ma lo è anche focalizzarsi solo sui miglioramenti della situazione corrente. In questa situazione è importante un equilibrio tra spirito imprenditoriale e prevedibilità.
Pregiudizio #3: I vantaggi si scopriranno solo fra cinque anni
Le esperienze passate sono spesso in grado di prevedere gli eventi futuri. Anche in questo caso possiamo applicare la teoria dell’approccio equilibrato. Con la giusta tecnologia a portata di mano bastano pochi mesi per ottenere grandi vantaggi da un progetto che coinvolge i big data.
Pregiudizio #2: Hadoop è fondamentale
Hadoop risolve alcuni problemi, ma non è la soluzione di tutti i mali. Quando venne costruita per la prima volta era molto comoda, soprattutto come piattaforma di riduzione. Ma, come tutte le tecnologie giovani, contiene dei rischi. Di conseguenza, molte aziende riescono a gestire i big data anche senza Hadoop, che rimane uno strumento molto comodo ma comunque da saper utilizzare nella maniera giusta.
Pregiudzio #1: I data scientists
Non c’è bisogno di avere degli scienziati per gestire i big data. Sono molti gli spunti che si possono trovare dai dati e, nel mondo dell’industria, raramente richiedono grande accuratezza.
Quindi per avere successo con i big data c’è bisogno di persone in grado di risolvere i problemi con metodo e di utilizzare modelli esplicativi o previsionali. Inoltre c’è bisogno di tecnologie che permettono di effettuare analisi facili e veloci. Per saperne di più cliccate qui.
- Ritornare al blog
- Articolo più recente
- Articolo meno recente
- Lorenzo COSLOVI su: HPE presenta il 5G Lab per accelerare l'adozione d...
- DavideZambelli su: Come funziona il calcolatore delle licenze core di...
- MassimilianoG su: Domande Frequenti HPE OEM Microsoft Windows Server...
- MassimilianoG su: HPE OEM Microsoft Client Access Licenses: Cosa son...
- MassimilianoG su: Il nuovo anno di Coffee Coaching
- MassimilianoG su: Perché il server ProLiant DL20 Gen9 è una grande r...