প্রশ্ন:
বড় ডেটা কি এক-আকারের-ফিট-সব সমাধান?
উত্তর:সামগ্রিকভাবে বড় ডেটা ইকোসিস্টেম বা শিল্পের ধারণার মধ্যে, বড় ডেটা কৌশলগুলির প্রয়োগগুলি কোনও নির্দিষ্ট ব্যবসা বা সংস্থার প্রয়োজনের সাথে সুনির্দিষ্ট। এক্সিকিউটিভ এবং অন্যান্য পেশাদাররা যে সবচেয়ে বড় ভুল করেন তা হ'ল বড় ডেটাতে জেনেরিক দৃষ্টিভঙ্গি নেওয়া, এবং সিস্টেমগুলি আগে ব্যবহৃত টেম্পলেটে ফিট করার চেষ্টা করা।
বড় ডেটার দর্শন দর্শনের জন্য একটি বড় টার্গেটযুক্ত এবং মাইক্রো ম্যানেজমেন্টযুক্ত তথ্যের বড় পুলের ব্যবহার। উদাহরণস্বরূপ, হাজার হাজার এবং হাজার হাজার গ্রাহক রয়েছে এমন একটি সংস্থা সেই গ্রাহকদের সম্পর্কে থাকা সমস্ত তথ্য - তাদের নাম, তারা কোথায় থাকে, আগে তারা কী কিনেছিল ইত্যাদি ব্যবহারের জন্য একটি বড় ডেটা প্রকল্প গ্রহণ করবে তবে ফলাফলগুলি রয়েছে ডেটা ম্যানিপুলেশন এবং রিপোর্টিংয়ের জন্য সুনির্দিষ্ট কাঠামো স্থাপনের সাথে আরও বেশি যা তারা এই বিশাল ডেটা সেটগুলি সংগ্রহ এবং "চালনা" করার চেয়ে বেশি করে।
বড় ডেটার চ্যালেঞ্জের অংশটি হ'ল এর জন্য আরও বিশেষায়িত হার্ডওয়্যার প্রক্রিয়া প্রয়োজন। সংস্থাগুলি প্রায়শই অ্যাপাচি হ্যাডোপের মতো ওপেন-সোর্স সিস্টেম এবং ম্যাপ্রেডুসের মতো নির্দিষ্ট সম্পর্কিত সরঞ্জামগুলি খেলতে বড় ডেটা সমাধান পেতে ব্যবহার করে। এটি কেবলমাত্র একটি মাইক্রোসফ্ট অ্যাক্সেস টেবিল স্থাপন বা কিছু অন্যান্য সহজ ডেটাবেস প্রযুক্তি অনুসরণ করার বাইরে অতিরিক্ত প্রযুক্তিগত জ্ঞান লাগে।
বড় ডেটা কার্যকর করার জন্য, সংস্থাগুলি বাস্তবায়ন এবং কীভাবে তাদের সাধারণ ব্যবসায়িক ক্রিয়াকলাপ ব্যাহত করা যায় তা এড়াতে হবে। এটিকে সবচেয়ে দক্ষ করে তুলতে, তাদের দেখতে হবে যে কোন ডেটা সেট তাদের জন্য সবচেয়ে কার্যকর হতে চলেছে। উদাহরণস্বরূপ, বিক্রয়কর্মীরা বা অন্যরা কেবল শেষ নাম, রাজ্য এবং টেলিফোন নম্বরগুলির একটি সহজ প্রতিবেদন সহ যা করার প্রয়োজন তা করতে পারে, তবে সিস্টেমের মাধ্যমে আরও বিস্তৃত ডেটা চালানোর চেষ্টা করার এবং সংগ্রহ করার এবং উপস্থাপিত করার চেষ্টা করার অর্থ হবে না অন্যান্য সনাক্তকারী বা তথ্যের মূল অংশগুলি।
কার্যকারিতা, সহজ বাস্তবায়ন এবং ব্যয় ড্রাইভ সংস্থা-নির্দিষ্ট বড় ডেটা সমাধানগুলির উত্থান। এই উদ্ভাবনগুলি অবশ্যই একটি নির্দিষ্ট ব্যবসায়ের মডেল এবং যে সমস্যার সমাধান করতে হবে তার উপর নির্ভরশীল।