Translation Results Requested Through Conyac Made Public
[Translation from English to Japanese ] 1. Resist a “collect data now, figure out later” approach To ensure future a...
Original Texts
1. Resist a “collect data now, figure out later” approach
To ensure future analytics capabilities, companies must invest now in a platform that enables fast, efficient onboarding of new datasets. They should consider how their business will operate in the future with regard to data ingestion and federation and how the transition from legacy systems to end-to-end automated data and analytics should take place.
Central to this is the ability to invest in a new platform that scales purposefully, carefully, and transparently, as opposed to collecting data without a clear objective or investing effort to interpret the data being collected.
2. Re-architect legacy data applications — no matter how painful it seems
Many companies are overly reliant on outdated legacy systems with high maintenance overheads where the cost to upgrade or make strategic change is de-prioritized. That’s true even of major tech companies — for instance, although Samsung’s SmartHub TV software runs on the cloud, all its financial transactions are still handled on-premises due to the cost of moving them.
The net result is that in many organizations, data is siloed across many divisions. Some data — such as social media stats — are even stored outside the company, creating another layer of complexity. To innovate in big data, companies must revamp legacy data applications with a focus on greater operational transparency across a variety of departments.
3. Take a modular and multi-granular approach to data management
The further you can shape raw and insightful data into modular, well organized entities at varying levels of granularity, the more likely you will be to able to efficiently leverage business insights as well as remain nimble to react to the ever changing big data landscape — this is how you can defuse the big data time bomb.
(Thanks to Poornima Apte and Edward Newell of Hippo Reads for their research help on this story.)
Cameron Sim is CEO of Crewspark.
To ensure future analytics capabilities, companies must invest now in a platform that enables fast, efficient onboarding of new datasets. They should consider how their business will operate in the future with regard to data ingestion and federation and how the transition from legacy systems to end-to-end automated data and analytics should take place.
Central to this is the ability to invest in a new platform that scales purposefully, carefully, and transparently, as opposed to collecting data without a clear objective or investing effort to interpret the data being collected.
2. Re-architect legacy data applications — no matter how painful it seems
Many companies are overly reliant on outdated legacy systems with high maintenance overheads where the cost to upgrade or make strategic change is de-prioritized. That’s true even of major tech companies — for instance, although Samsung’s SmartHub TV software runs on the cloud, all its financial transactions are still handled on-premises due to the cost of moving them.
The net result is that in many organizations, data is siloed across many divisions. Some data — such as social media stats — are even stored outside the company, creating another layer of complexity. To innovate in big data, companies must revamp legacy data applications with a focus on greater operational transparency across a variety of departments.
3. Take a modular and multi-granular approach to data management
The further you can shape raw and insightful data into modular, well organized entities at varying levels of granularity, the more likely you will be to able to efficiently leverage business insights as well as remain nimble to react to the ever changing big data landscape — this is how you can defuse the big data time bomb.
(Thanks to Poornima Apte and Edward Newell of Hippo Reads for their research help on this story.)
Cameron Sim is CEO of Crewspark.
1. 「データ収集を今、分析は後」的なアプローチにあらがう
将来的な分析性能を確実にするため、企業は今、新しいデータセットの素早く効率のよいオンボーディングを可能にするプラットフォームに投資しなければならない。企業は、データ統合および連携に関して、またレガシーシステムからエンド・ツー・エンド自動データや分析への移行がどのように行われるべきかに関して、事業は将来どのように運営されるのか検討すべきだ。
これの中枢を成すのは、意図的に、慎重にかつ透過的に規模拡大に耐えられる新しいプラットフォームに投資する能力であり、それははっきりした目標もなくデータを集めることや、集めたデータを解釈する取り組みに投資することとは対照的だ。
将来的な分析性能を確実にするため、企業は今、新しいデータセットの素早く効率のよいオンボーディングを可能にするプラットフォームに投資しなければならない。企業は、データ統合および連携に関して、またレガシーシステムからエンド・ツー・エンド自動データや分析への移行がどのように行われるべきかに関して、事業は将来どのように運営されるのか検討すべきだ。
これの中枢を成すのは、意図的に、慎重にかつ透過的に規模拡大に耐えられる新しいプラットフォームに投資する能力であり、それははっきりした目標もなくデータを集めることや、集めたデータを解釈する取り組みに投資することとは対照的だ。
2. どんなに骨の折れる作業に思えても、レガシーデータ・アプリケーションを再設計する
多くの企業は、アップグレードや戦略変更に当てる費用は優先せず、高維持諸経費がかかる時代遅れのレガシーシステムに頼り切っている。これは大手の技術系の企業にさえも当てはまるー例えば、SamsungのSmartHub TVのソフトウェアは、クラウドで起動するが、そのすべての金融取引は、移行にかかる費用のために、未だに店舗で処理されている。
多くの企業は、アップグレードや戦略変更に当てる費用は優先せず、高維持諸経費がかかる時代遅れのレガシーシステムに頼り切っている。これは大手の技術系の企業にさえも当てはまるー例えば、SamsungのSmartHub TVのソフトウェアは、クラウドで起動するが、そのすべての金融取引は、移行にかかる費用のために、未だに店舗で処理されている。
インターネットの結果は、多くの企業では、データは多数の事業部にわたり貯蔵されている。データの中にはー例えばソーシャルネットワークの統計などー社外に保存されているデータもあり、新たな複雑性の層を作り出している。膨大なデータにおいて技術革新するには、企業は、さまざまな部門部署にわたって操作上の透明性に重きを置いて、レガシーデータ・アプリケーションを修正しなければならない。
3. データマネージメントにはモジュラーおよび多粒度的アプローチを取る
未加工で洞察に満ちたデータを、さまざまなレベルの粒度でうまく組織化されたエンティティ、モジュラーにまとめられればまとめられるほど、絶え間なく変わる膨大なデータの状態に反応することに対して機敏でいられるのはもちろんのこと、効率よくビジネスの見識を活用できるようになるーこのようにして大容量のデータという時限爆弾を処理できる。
（この記事に関して、Hippo Readsに掲載されたPoornima Apte氏およびEdward Newell氏の調査の協力があり、両者に感謝いたします）
Cameron Sim氏はCrewsparkの最高経営責任者である。
未加工で洞察に満ちたデータを、さまざまなレベルの粒度でうまく組織化されたエンティティ、モジュラーにまとめられればまとめられるほど、絶え間なく変わる膨大なデータの状態に反応することに対して機敏でいられるのはもちろんのこと、効率よくビジネスの見識を活用できるようになるーこのようにして大容量のデータという時限爆弾を処理できる。
（この記事に関して、Hippo Readsに掲載されたPoornima Apte氏およびEdward Newell氏の調査の協力があり、両者に感謝いたします）
Cameron Sim氏はCrewsparkの最高経営責任者である。
Result of Translation in Conyac
- Number of Characters of Requests:
- 1956letters
- Translation Language
- English → Japanese
- Translation Fee
- $44.01
- Translation Time
- about 17 hours
Freelancer
hhanyu7
Characteristics of Translations through Conyac
