[ad_1]

در صنایع ، داده های کلان به عنوان عنصری مهم به داده های سنتی و ساختاری پیوستند. در اینجا چند نکته برای CIO و رهبران داده های بزرگ در مورد چگونگی شروع کار آورده شده است.

مراکز داده و بازیابی فاجعه هنوز در اطراف سیستم های معاملاتی سنتی ساختار یافته اند ، اما شرکت های بیشتری شروع به استفاده از داده های بزرگ به روش های مهم می کنند. زمان آن فرا رسیده است که IT برای داده های بزرگ وضعیت DR و “بحرانی” را تعریف کند. چه موادی مهم از هر دو پشتیبانی می کند و اکنون شرکت ها چه کاری باید انجام دهند؟

تصویر: areebarbar - stock.adobe.com

تصویر: areebarbar – stock.adobe.com

ابتدا ، بیایید چند نمونه از چگونگی تبدیل شدن داده های بزرگ به داده های مهم را بررسی کنیم.

در بیمارستان کودکان بیمار تورنتو ، پروژه آرتمیس بر روی یک سیستم جمع آوری و تجزیه و تحلیل داده در زمان واقعی متمرکز است که ضربان قلب نوزادان را کنترل می کند و هنگامی که ضربان قلب احتمال سپسیس نوزاد را نشان می دهد ، هشدارهای زمان واقعی را صادر می کند. مرگ. هشدارها برای پرستاران ارسال می شود تا آنها بتوانند فوراً مداخله کنند. این روش احتمال مرگ نوزادان را کاهش می دهد.

در هنگام تولید ، داده های IoT در زمان واقعی که توسط خطوط تولید گزارش می شود ، بلافاصله تولیدکنندگان را در هنگام خطای خط تولید یا خطرات مطلع می کنند. هشدارها باعث تعمیر و نگهداری می شوند تا خطوط تولید در حالت آماده باش باقی بمانند و به صورت شبانه روزی به کار خود ادامه دهند. متوسط ​​هزینه یک حادثه در زمان خرابی 17000 دلار است و یک تولید کننده منفرد می تواند تا 800 حادثه خرابی در سال زنده بماند. از دیدگاه هزینه و رقابت ، حسابداری اینترنت اشیا برای داده های بزرگ در تولید بسیار مهم است.

در صنایع ، اعم از بهداشت ، خدمات مالی ، کشاورزی ، تدارکات یا علوم زیستی ، داده های کلان به عنوان یک عنصر مهم به داده های ساختار یافته سنتی پیوسته اند.

استراتژی های داده های بزرگ حیاتی

از آنجا که سازمان ها تازه شروع به طبقه بندی برنامه های کاربردی داده های کلان به عنوان مهم برای مأموریت کرده اند ، بیشتر آنها در مراحل اولیه توسعه استراتژی های فناوری اطلاعات برای پشتیبانی از داده های بزرگ مهم برای ماموریت هستند.

در حالی که شرکت ها روی این موضوعات کار می کنند ، در اینجا برخی از موضوعات اصلی وجود دارد که استراتژی های IT در مورد داده های بزرگ مهم باید به آن بپردازند:

1. برنامه های کلان داده های تجاری مهم که برای آنها مهم است؟

آیا برای اطلاع از راهنماهای ایمنی محیط زیست و محل بارهای حساس که حمل می کنید ، برای پخش جریانی به اینترنت اشیا متکی هستید؟ یا از داده های بزرگ برای بازرسی میدانی از تجهیزات و تجهیزات انجام شده توسط هواپیماهای بدون سرنشین استفاده می کنید؟

اگر شرکت به این وظایف بستگی دارد تا وظایف عملیاتی روزمره را که قبلاً به صورت دستی انجام می شده اند جایگزین کند یا عواملی مانند درآمد ، هزینه و / یا ایمنی تحت تأثیر قرار گیرد ، برنامه های کلان داده باید به عنوان مأموریت مهم شناخته شوند و به همین ترتیب ارائه شوند. . مدیریت عالی و هیئت مدیره نیز باید اهمیت حفظ عملکرد این سیستم ها را درک کنند.

مهم نیست که سیستم های حیاتی باید به کار خود ادامه دهند ، مهم نیست که پشتیبان سیستم ، کارکنان فناوری اطلاعات و پشتیبانی هیئت مدیره وجود داشته باشد.

2. آیا نسخه پشتیبان برای داده ها و عملیات وجود دارد؟

برخی از سیستم های پردازش داده های بزرگ ، مانند Hadoop ، پردازش داده و انکار داده داخلی دارند ، اما در موارد دیگر ممکن است لازم باشد روش هایی برای بایگانی داده های بزرگ در مرکز داده یا ابر وجود داشته باشد.

به عنوان مثال ، اگر سیستم ردیابی لجستیکی که برای ناوگان خود به آن اعتماد می کنید ناگهان خراب شود ، چه اتفاقی می افتد؟ آیا شما از سیستم مدیریت حمل و نقل یک تامین کننده استفاده می کنید که در آن تأمین کننده تحمل خطا را فراهم کند؟ یا آیا شما توانایی تهیه نسخه پشتیبان از داده ها و توانایی پردازش در محیط داخلی یا در فضای ابری را دارید که می توانند از آن استفاده کنند؟

پرسنل شما چطور؟ اگر مشارکت کننده اصلی کارمندان کلان داده شما در دسترس نیست ، آیا گزینه پشتیبان برای آن شخص دارید؟

اینها س questionsالاتی هستند که مدتهاست در سیستم های معاملاتی سنتی پاسخ داده می شوند و اکنون باید برای داده های بزرگ پاسخ داده شوند.

3. امنیت شما چقدر پایدار است؟

سیستم های بزرگ داده ای که به حسگرها ، دستگاه ها و وسایل اینترنت اشیا that متکی هستند که دور از مرکز مبادله یا داده مورد استفاده قرار می گیرند ، اغلب توسط کاربران نهایی که به اندازه تیم های IT با بهترین اقدامات امنیتی آشنا نیستند ، کنترل می شود.

همیشه این احتمال برای شرکت کنندگان بد وجود دارد که به همان روشی که می خواهند سیستم های ضبط استاندارد را بشکنند ، سیستم های کلان داده را به خطر بیاندازند. علاوه بر این ، دستگاه های IoT آماده ممکن است با ایستگاه از پیش تنظیم شده امنیتی فروشنده بسیار شل باشند که نمی توانند نیازهای امنیتی شما را برآورده کنند.

امنیت برای هر سیستم کلان داده ای که طبقه بندی آنها مهم است ، باید ارزیابی شود. اغلب ، یک بررسی اولیه توسط یک شرکت حسابرسی خارجی می تواند به شما کمک کند تا حفره های امنیتی بالقوه را شناسایی کنید.

4. آیا می توانید به داده ها و الگوریتم های خود اعتماد کنید؟

بسیاری از ما عدم موفقیت Google Flu Trends در شناسایی اوج فصل آنفولانزا در سال 140 به میزان 140٪ را به خاطر می آوریم.

گوگل به سختی با شکاف داده های بزرگ تنها است. بسیاری از شرکت ها مدل داده ها و الگوریتم های خود را که با داده های بزرگ کار می کنند ، به طور نادرست طراحی می کنند. همچنین مواردی وجود دارد که داده ها بدون اینکه “به اندازه کافی” تمیز شوند ، وارد سیستم می شوند (یعنی از نظر صحت و صحت بررسی و عادی می شوند تا بتوانند با داده های سایر سیستم ها جمع شوند).

از آنجا که داده های بزرگ از مدل های داده تکراری استفاده می کنند که می توانند روز به روز تغییر کنند ، همچنین اطمینان حاصل شود که آخرین نسخه های داده ، مدل داده و الگوریتم ها در حال تولید و در دسترس هستند مصرف کنندگان

برای پشتیبانی از این ویژگی ها در سیستم های کلان داده مأموریت مهم ، IT باید سیاست ها و رویه هایی را برای ردیابی داده ها ، مدل های داده و نسخه های الگوریتم ها و اطمینان از موجود بودن آخرین نسخه ها تدوین کند.

5- آیا در برنامه بازیابی و انعطاف پذیری در برابر حوادث سیستم های کلان داده ای وجود دارد؟

بسیاری از سازمان ها هنوز سیستم های مهم داده های بزرگ را در برنامه های رسمی خود برای بازیابی بلایا و از سرگیری شرکات گنجانده اند. در صورت استفاده از این سیستم ها برای مدیریت و مدیریت عملیات حیاتی در شرکت ، آنها به آنها نیاز دارند.

این زمان خوبی برای CIO ها و رهبران داده های بزرگ است تا برنامه های DR را مرور کنند و بخشهایی را پر کنند که ممکن است برای سیستمهای داده بزرگ که به عنوان ماموریت حیاتی شناخته می شوند وجود ندارد. به همان اندازه مهم است که گزارشات اضافی این سیستم ها را به مدیریت و هیئت مدیره گزارش دهید – و سازماندهی آزمایش دوره ای DR و آزمایش پشتیبان تهیه کنید.

این مقاله ها را در مورد استراتژی های داده دنبال کنید:

10 روند برتر داده و تجزیه و تحلیل برای سال 2021

آماده یا نه ، داده های بزرگ تغییرات بزرگی را به وجود می آورند

آیا تجزیه و تحلیل پیشرفته تفاوتی که تبلیغ می کند را ایجاد می کند؟

ماری ای.شکلت مفسر فناوری شناخته شده بین المللی و رئیس Transworld Data ، یک شرکت خدمات بازاریابی و فناوری است. وی پیش از تأسیس شرکت خود ، معاون تحقیقات محصول و توسعه نرم افزار در راس بود … مشاهده کامل رزومه

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsالات در مورد سایت.

بینش بیشتر



[ad_2]

منبع: tasiveh-news.ir