たぶんこれは、デジタルデータを保存および処理するための強力なコンピューターと製品の開発者による美しいマーケティングの動きにすぎません 。
たぶん、これは市場調査コンサルタントや顧客行動モデルにとって魅力的な広告にすぎないかもしれません 。
または、これは市場エンティティの全体的な監視とその反応の予測の分野における単なるファッショントレンドです。
おそらく「大きな」データはありませんが、このような膨大な数のデジタル情報を収集し、何らかの魔法の方法で処理し、ビジネスマンに関係するすべての質問に答えを得ることができるという大きな幻想があります。
フィリップ・ディック（2002-20世紀フォックス、ドリームワークスSKG）の小説に基づいたスティーブンスピルバーグの映画「マイノリティレポート」のフレーム。
...リソース
ビッグデータは本質的に分析リソースです。 これは、研究と意思決定を行う人々のためのリソースです。 また、他のリソースと同様に、ビッグデータを使用する能力、知識、技術がないビッグデータは機能しません。 誰かがこのスキルを「データマイニング」と呼びます。これはマイニングに似ており、深い浸透と複雑さに焦点を当てています。 誰かがこのスキルを「ビジネスインテリジェンス」と呼びます。このプロセスで「精神的な」コンポーネントがどれほど重要かを示しています。 誰かが「素晴らしい分析」という名前を好むでしょう。
しかし、理論と実践から、大量のリソースが存在していても、 それが成功して効果的に使用されることを意味しないことが知られています 。 リソースの過剰量により、特定の製品セットへの深い処理ではなく、生の形式での単純なパッケージ化と実装でビジネスモデルを構築できる場合があります。 過度の努力をせずに、生のリソースを単純に販売できるのに、なぜ追加のオプションを探すのか。
...高度な管理が必要です
情報カテゴリとしてのビッグデータには、材料リソースとは対照的な特徴が1つあります。 それらを使用するには、企業のビジネスオブジェクトとビジネスプロセスの真に高レベルの組織が必要です 。 このようなレベルのトレーニングがなければ、ビジネスからの特定の資格がなければ、ビッグデータの購入（または収集）の効率は低下します。 非常に低いため、投資した資金を正当化できません。
分析に基づく経営層（意思決定）が作成されていないのに、なぜ企業はビッグデータにお金を使うべきなのでしょうか？ 絶対に正しい-必要はありません。 ある程度まで、これらの企業は、制御ループに分析技術を採用せずにビッグデータの使用を開始し、準備された分析上の意思決定を行う技術者であり、概して変更の準備ができていない企業になりました。 そのような市場のプレーヤーは遅かれ早かれビッグデータを放棄します。 特に、ビジネス内の財源をめぐる競争が激化するにつれて、問題が急増します。
今日、ビッグデータ市場は情報技術に焦点を合わせています。 ビッグデータツールが開発されていることは明らかであり、素晴らしいことです。 しかし、情報ネットワークの集中的な成長と情報技術の改善により、計算能力の障壁が取り除かれました。 これにより、高度な野心的な企業は、現在の情熱を修正し、知識とトレーニングに基づいた新しい効果的な方法、ツール、管理技術に焦点を移さなければなりません。
実際、ビッグデータが提示されると、多くの場合、ストレージ、輸送、処理の可能性が生じます。 インターネットの巨人の検索技術は、ビッグデータが企業にどのように配信されるかの典型的な例です。 検索アルゴリズムは、膨大な量の情報を処理する最も強力な処理です。 彼らは絶えず最適化の過程にあり、情報の索引付けと構造化のパフォーマンスを改善しています。 しかし、結局のところ、ネットワーク上の検索技術の背後にあるのはビッグデータだけではありません。 その背後には 、対象分野のハイテク知識を持つアナリストのチームがいます。
したがって、ビッグデータを使用するための合理的なポリシーは、 データ分析チームを構築することですが、決してサーバー、クラウド、データマイニングシステム、機械学習などの排他的な調整ではありません。
...データマイニング
「データマイニング」の定義はあまり示唆的ではないことに注意してください。 それは現実のやや単純化された図を描きます：異種および混合データの「価格のない預金」があり、専門家（またはツール）はこれらのデータをそれらのデータから取り出し、「掘り出し」ます。ビジネスモデルの夜明けの隠れた埋蔵量についての正しい考え。
ビッグデータでも奇跡は起こりません。 一部のストレージから貴重な情報を取得するには、まずそこに保存してから、抽出、処理、視覚化する必要があります。 リポジトリから情報を抽出することに重点が正しくシフトしておらず、データの収集（受信）、データの構造化、リポジトリへのデータのパッキング、データの品質のチェック、データ分析プロセスの編成、ビッグデータ分析に基づく意思決定問題などの焦点を外します。
さらに、単純なデータマイニングでも、 正しい目標設定が損なわれることはありません。 適切な目標設定がなければ、何かが出てくる可能性があり、意味のある結果ではありません。 この目標を仮説または質問の形で、問題の状況または数値指標の形で表現してみましょう。
データには、特定の状況での使用を大幅に制限するコンテキストとメタデータがあります 。 タスクのコンテキスト条件が指定されていない場合、アナリストはデータマイニングおよびタスクのデータのコンプライアンスについて決定できません。
...タイムラグ
状態に関する情報を取得してからこの状態を変更する決定までの時間を短縮するためのビジネスの努力にもかかわらず、 克服できないタイムラグの客観的な理由があります。
決定を下してから、決定に応じてビジネスの状態を変更するまでの遅延も非常に重要です。 プロセスとオブジェクトの再構築、相互作用の変化、従業員の行動の調整、環境の調整が行われています。 したがって、すべてのデータ、さらにはビッグデータは常に過去に関するデータです。 しかし経営陣は将来に基づいて意思決定をしたいと思っています 。 ここでの主なことは、ビッグデータと分析の機能を過大評価しないことです。
...外部および内部
ビッグデータに関する1つの誤解は、それが主にビジネスの外部にあるということです。 ビッグデータは、顧客に関するデータ（彼らの行動）、競合他社に関するデータ、ビジネスの存在のさまざまな要因に関するデータ（政治的、社会的、文化的）、市場と消費者の傾向に関するデータ、他のビジネスの活動に関するデータであると考えられています。 これは部分的に真実です。
しかし、外部ソースからのビジネスのビッグデータは、内部状態のデータにリンクされており、さらに、厳密かつ文脈的にリンクされています。 これは、ビジネスモデルと外部環境の健全性を共同で評価するために非常に必要です。 内部データは、非常に効果的な分析のために大きくて強力な場合もあります。 実際、状況を是正するために経営陣に何をすべきかという質問に対する答えは、 内部データのみを与えることができます 。
...大きいかどうか
ビジネスを妨げる可能性のあるもう1つの錯覚は、プロの生産的な分析がビッグデータのみに基づいているということです。 特にビジネスモデルの明白な問題や典型的な問題に関しては、一部の専門家の才能を掛け合わせた従来の大量の内部データのフレームワーク内でソリューションを提案する本当の機会と経験があります。
ビジネス開発のためにビッグデータを収集および分析することの重要性を否定することは不可能です。 ビッグデータは、分散型の情報アクティブなビジネスにとって特に重要です。 おそらく、ビッグデータは、大企業や広範なビジネスユニットのネットワークを持つ団体にとって、すべての問題に遅れをとらないための唯一の効果的なツールです。 中小企業も、特に大企業やコミュニティと協力して、ビッグデータの恩恵を受けることができます。
ただし、差し迫った問題を解決するためにビッグデータを代用することはできません。 中心的なビジネス戦略をサポートし、何が起こったのか、何が起こっているのかを常に把握し、将来の状況の進展を部分的に予測できる方向としてそれらを検討する方が適切です。 しかし、ビジネスにわかりやすい戦略がなく、ビジネスモデルが原始的で混乱していると見なされる場合、ビッグデータは受動的な開発にも役立ちません。 一部のマネージャーは、ビッグデータの必要性がなく、約束した変更の準備ができていないことに気付いており、彼らと仕事を始めようとしない-これも合理的な合理的な行動の例です。
...考え方として
どんなに努力しても、ビッグデータはすべての問題を解決することはできません。 優れた分析の助けを借りて、効果的なビジネスモデルを構築することはできません。 ただし、選択した戦略のフレームワーク内で最適化を支援できます。
ビッグデータの「魔法」は、一般的な注意から多少離れていますが、ビジネスを振り返り、それを改善する方法を探すための明白で合理的な方法です。 実際、ビッグデータプロジェクトはビジネスを改善しますが、情報の配列の価値のためにそれほどではありませんが、経営陣は与えられた情報指標や指標に基づくなど、重要な視点からビジネスモデルを見始めているためです。
経営陣が大規模な分析に密接に関心を持っている場合、それは会社についてより深く理解したいという意味であり、これがビジネス最適化の始まりです。
ビッグデータの代わりに、マーケティング調査、統計計算、経済的および数学的モデリングなど、ビジネス開発の別の手段を選択できます。 結果は異なりますが、ビジネスモデルを「理解」することを目的とした作業が開始され、間違いなくいくつかの、しかしより頻繁に-プラスの効果が得られます。 もちろん、客観的、合理的、専門的に、影響要因を考慮して実行されない限り。
...ビッグデータブランドの下で
リソースデータを蓄積している企業もあれば、強力なソフトウェアおよびハードウェアITソリューションを開発している企業もあります。 彼らは、このリソースとこれらのソリューションを1つまたは別の「マーケティングソース」の下でビジネスマンのテーブルに持ち込み、「良いヒント」を獲得しようとします。
アクティブなマーケティングと洗練されたマーケティング、丁寧なコンサルタント、美しいブランドと印象的な用語で豊かに「味付けされた」陽気なクライアントイベントが使用されます。 彼らは、完全に非構造化データを処理するための信頼性の高いシステムの構築、マルチレベル情報グラフを構築するための優れたアルゴリズム、人工知能の高速サンプル、自己学習ニューラルネットワークメカニズムについて話します。
一言も言わないでください。 明確化、明確化、デモ、ドキュメント、独立した専門家の意見、顧客レビュー、ストレステスト、合理的な無料試用期間を求めます。
自分で判断すると、ビッグデータブランドでさえ有利に見えます。
まず、名前には「 ビッグ 」という単語があります。これは、良い、ポジティブ、有益、印象的、説得力、価値のあるものであることを意味します。
第二に、「 データ 」という言葉は、いわば、正しい、知的、革新的、効果的、秩序のある何かを示しています。
ビッグデータの幻想の本質は、その名前に由来しています。
ビッグデータがあれば、ビジネスはプロフェッショナル （大）レベルで最高 （大）注文の問題を解決するようです。 そして、 より多くのデータが蓄積されるほど、ますます複雑になる問題をより効率的かつ迅速に解決できます。
幻想に抵抗する-ビッグデータはビジネスが夢見ることを常に実行できるとは限りません。