- Community Home
- >
- HPE Community, Italy
- >
- HPE Blog, Italy
- >
- Big Data - I quattro luoghi comuni che possono com...
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
Big Data - I quattro luoghi comuni che possono compromettere l’attività
Dall’articolo These 4 Big Data Myths Could Be Hurting Your Business
“Credere che tutto ciò che riguardi i big data sia grande non è un modo di pensare corretto”. Questo sostiene Ken Rudin, direttore analytics di Facebook.
Il passaparola sul data processing nel Cloud ha convinto molti responsabili IT ad investire di più sulle soluzioni di calcolo; tuttavia, esistono anche soluzioni alternative molto più accessibili di quanto si possa immaginare. Ecco quattro tipici luoghi comuni sulla Business Analytics.
1: Big Data significa grandi quantità di informazioni da mettere in archivio
Non esiste una quantità “ideale” di dati da analizzare. Anche se le informazioni sono state appena raccolte, non è necessario aspettare per utilizzarle. Infatti, raramente le aziende elaborano grandi quantità di dati tutti in una volta. Per la maggior parte dei processi è sufficiente accedere a una piccola porzione di dati per ricavare spunti utili. Ponendosi le domande giuste si possono ottenere molti risultati. Per questo si possono fare anche delle piccole query, utilizzando database anche di piccola scala.
2: È utile solo per la personalizzazione
Aziende come Facebook utilizzano i Big Data per decidere quali tipi di annunci mostrare agli utenti, ma non si tratta di una semplice tecnologia di tipo “just the right thing”. Infatti, le analitiche sono soprattutto utili per rispondere a domande specifiche relative a un comportamento di un cliente che lascia perplesso e che potrebbe essere il sintomo di un problema di fondo all’interno dell’azienda. Questo si manifesta particolarmente nei mercati molto affollati, dove i proprietari di prodotto devono analizzare tutto nel tentativo di ridurre il time-to-value dell’utente.
3: Abbiamo bisogno di un grande “data team”
Da una prospettiva di progettazione organizzativa, sono gli addetti ai dati aziendali quelli che dovrebbero condividere processi, definizioni e cultura. Ma in realtà basterebbe che tutti gli individui all’interno dell’azienda interagissero tra di loro, che si parli di business, di prodotto o di ricerca e sviluppo. Mettere insieme i data scientist con gli altri team consente maggiore assorbimento delle conoscenze del lavoro deli esperti di dominio, che più di tutti hanno bisogno di input, creando una collaborazione che permette di evitare inutili tentativi o errori.
4: Abbiamo bisogno di tecnologie potenti per avere una risposta
Una delle tecnologie più promettenti oggi utilizzate è il machine learning, in grado di riprodurre il giudizio umano in funzioni ordinamento, spulciando tra milioni di email per la ricerca di un indizio. Ma solo dopo aver determinato quali sono le cose da sapere, le aziende iniziano implementare flussi di lavoro di machine learning. I Big Data diventano inutili se nessuno si preoccupa di cercare delle risposte. Un modo semplice per essere sicuri di utilizzare le analitiche intelligentemente è iniziare a fare statistiche semplici. Qualcuno esperto di affari può caricare un insieme di dati su Microsoft Excel, eseguire un’analisi di regressione base e rivelare le cause o le previsioni insieme al proprio team e fornendo ai data scientist una migliore idea su dove andare a scavare per entrare più a fondo su una determinata questione.
- 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...