В отчете по итогам исследования сформулированы три самые распространенные ошибки, которые допускают компании при реализации проектов Big Data.
Первая ошибка – неполный сбор необходимой информации – обычно допускается из-за спешки или отсутствия опыта. Вследствие этой недоработки в процессе анализа может упускаться важная релевантная информация. Это делает бизнес уязвимым в конкурентной борьбе с компаниями, которые анализируют всю важную информацию.
Вторая ошибка – несвоевременное внедрение технологий. Слишком позднее внедрение может оставить компанию далеко позади конкурентов.
Третья распространенная ошибка – неэффективное использование трудовых ресурсов. ИТ-персонал и аналитики сильно загружены текущей работой, поэтому для проектов Big Data рекомендуется создавать отдельные команды из специалистов, не задействованных в традиционных задачах бизнес-аналитики и обработки данных.
Авторы исследования также отмечают, что компаниям, начинающим проекты Big Data, зачастую трудно сориентироваться в выборе технологий. Более 300 вендоров предлагают решения для работы с большими данными, в то время как только 20–25 вендоров занимают львиную долю рынка. Эксперты не рекомендуют слепо следовать рекомендациям «любимых» вендоров или установившейся на рынке моде на решения.
Автор исследования Джефф Котруп (Jeff Cotrupe) резюмирует, что эти ошибки допускаются повсеместно и с ними связаны очень высокие риски, поэтому организациям, мало знакомым с технологиями Big Data, следует прибегать к помощи профессионалов – интеграторов или консультантов по Big Data. Привлечение специалистов может стоить меньше, чем проведение работ внутри организации, считает он. Описанные в отчете ошибки, по мнению исследователя, оказывают негативный эффект не только на ход проекта и его команду, но и сильно снижают авторитет руководителей бизнеса и ИТ, давших такому проекту «зеленый свет».
Дмитрий Кузякин, вице-президент и директор департамента CRM банка ВТБ24, считает, что внедрять Big Data слишком рано тоже нельзя. «Основная ошибка – заниматься большими данными тогда, когда потребность в этом еще не созрела, инвестировать в проект, потому что это модно или потому что этого требует акционер. Big Data приходит сама, когда рост количества накопленной информации и средств ее обработки вдруг дает качественный скачок в получаемых знаниях. Искусственно, без созревшей необходимости, без сложившейся инфраструктуры этого не сделать», – считает он.