حجم زیاد از داده ها به معنی حجم زیادی از مشکلات است

داده های بزرگ مشکل ساز هستند. شما تصور کنید و حتی میتوانید مقایسه کنید که داشتن داده های کوچک، میتواند در مدیریت، حفض امنیت، تعیین محل ذخیره سازه آنها بسیار راحت تر از حجم زیادی از داده ها باشند.در کنفرانس اخیر شرکت HP، بحث داغ و قابل تاملی که توسط تیم Data Center شرکت اچ پی به مدیریت Nate Silver که از مدیران سرآمد Data در دنیا میباشد مطرح شد و این مشکلات را  بیان کردند که در ادامه در مورد مشکلات اساسی که همیشه همراه  Big Data هستند اشاره میکنیم:

1) Where to put it
مدیران فناوری اطلاعات حتی در مورد ذخیره سازی و اینکه Data   کوچک و یا متوسط را کجا نگهداری کنند و آنهارا تجزیه تحلیل کنند به مشکل بر میخورند.قبل از در نظر گرفتن مکانی برای ذخبره سازی به چند سوال پاسخ دهید تا مکان مناسب را پیدا کنید: سخت افزار مورد نیاز را تامین کردید؟آیا در فضای ابری یا Cloud ذخیره سازی انجام داده اید؟اغلب چه مقدار نیاز دارید که به آنها دسترسی داشته باشید؟

2) Big bias
داده هایی که به آنها تعصب بیشتری دارید و برای شما اهمیت کاری و اجتماعی بیشتری دارد، اولویت بیشتری هم دارند برای نگهداری و ذخیره سازی و تهیه بستری برای مدیریت کردنشان.


3) False positives
با استفاده از قانون  “Thinking, Fast and Slow”یا "تفکر، سریع و آهسته "،  نقطه ای است که مدیران IT  گاهی اوقات بر اساس یه زیر مجموعه ای از اطلاعات با عجله تصمیم گیری میکنند که تجزیه و تحلیل داده هارا مختل میکند.در واقع وقتی با BIG DATA  سر و کار داریم آهسته فکر کنیم و خود را در مورد ماهیت داده ها توجیه کنیم زیرا تفکر سریع مارا دچار False Positive  میکند.

4) Big complexity
اغلب و در بیشتر موارد، داده های که شما در اختیار دارید بخش اعظمی از آنها دادهای اساسی و حیاتی نمیباشند که مدیریت  ذخیره سازی و پیدا کردن اطلاعات را در محل ذخیره شده بسیار پیچیده میکند.

5) That’s not what I was looking for
تصور کنید Google Map یک نقشه از مسیری را در اختیار کاربر قرار میدهد اما شما نمیدانید که آن مسیر، یک مسیر خاکی در دست ساخت میباشد یا خیر؛گاهی اوقات  سیستم های داده های بزرگ هم به دنبال یک ShortCut key  میباشند و باید برای آنها در نظر گرفت اما در واقعیت،  چیزی که کاربر به دنبال آن میگردد نیست و آن کلید میانبر کمکی نمیکند.