1.避免采用解决方案来寻找问题
很多时候，人们没有思考其最终目标，甚至是要解决的商业问题，在这种情况下却希望应用最新的“热门”技术。这不仅是针对大数据，而且是整个科技行业。
企业在采用一项技术之前，需要花费一些时间来思考想要用技术解决什么问题。如果无法找到确切的答案，那么应该首先重新评估自己的需求。
在确定需要解决的业务问题之后，查找可帮助解决问题的工具和技术。这将帮助企业充分利用其大数据工具和项目。
2. 谨慎使用免费工具
大数据技术具有欺骗性的一方面是管理大量数据所需的工具和基础设施是免费的。但是，虽然有些软件是免费的，但并不意味着这种技术成本低廉或没有成本，也不意味着易于安装、配置、使用。
这些工具中的许多需要高度专业化的技能来管理，而雇用合适的人才可能代价高昂。此外，许多开源解决方案往往缺乏数十年来传统解决方案所提供的运营支持和维护能力。因此，它增加了IT部门的工作量，而IT部门必须自己管理和监视这些工具。
在开始使用开源技术之前，需要三思而后行，要对开放源代码解决方案与企业级解决方案的总体成本和收益进行比较。可能会发现企业解决方案从长远来看更具成本效益。
3.整合是关键
大数据工具只有成为整个数据基础架构的一部分才是最有价值的，这一点很重要。这意味着大数据工具需要与组织中的其他系统和流程良好地配合，以便所提供的数据和见解可以更好地共享。
如果企业尝试单独使用，或者将大数据工具视为传统数据仓库的一种替代品，那么最终可能会导致数据混乱。
有时，甚至可能需要采用混合搭配的方法，也就是将一组开源工具与企业级工具组合起来，
构建一个功能性架构。因此，企业在评估大数据工具时，要特别注意其集成能力。这将帮助其顺利实施大数据项目，而不会中断现有的流程和系统。
4.为“最后一公里”的延展做好准备
Hadoop和Spark等许多新技术都很容易实现，并且在沙箱、开发环境中，甚至测试环境中都能很好地工作。但是，当把它们转换到生产环境时，事情就会变得相当困难。这是因为许多大型企业都有数据治理、审计和控制要求，这些工具由于其有限的数据治理和DevOps功能而无法满足。因此，转向生产需要周密的计划和详细的策略。
企业需要花费足够的时间来制定一份路线图，以帮助其确定将大数据基础架构投入生产所需的技能和投资。
5.为资源紧缩做好准备
随着系统和应用程序中使用新的数据类型，传统的数据分析方法和见解将难以应用。因此，组织需要调整其流程以适应新技术的应用。
而且，在过去十年中，许多已经成熟的技术基础架构的IT团队缩小了规模，在集成和架构方面的专业知识日益贫乏。要求这样的团队将新技术融入他们的工作可能是一个灾难，因此这些组织不能适应其基础技术的迅速变化。
资源和资金有限的组织将会发现管理大数据项目(特别是大规模项目)的费用高昂。在这种情况下，企业应该寻找新的创新方法，如元数据驱动的解决方案，这不仅可以降低成本，还可以降低风险。
综述
通过遵循上述步骤，企业可以从数据中获得有用的见解，并将其转化为商业利益。
如今，大数据对于消费者来说变得更加易于理解，而且更易于管理，这要归功于云计算技术。企业需要解决采用大数据技术带来的问题，并投资于合适的工具和技术，以获得预期的结果。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号