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.
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。
![[deleted user]](https://secure.gravatar.com/avatar/695023b4efd563721d13716b1457bc73.png?d=identicon&mode=crop&r=PG&s=42)
将来的な分析能力を確保するために、企業は新しいデータセットについてのすばやく効率的な研修に投資すべきである。自分たちのビジネスが将来どうなっているかを、データ収集やデータ連携の点から考え、どのようにして古いシステムからエンドツーエンドの自動化されたデータや分析に移行するかを考えなくてはならない。
その鍵となるのは、明確な目的のないままにデータを集めたり、集められたデータを解釈する努力に投資するのではなく、明確に目的を持ち、注意深く、透明性の高い方法で新しいプラットフォームに投資する能力である。
これからの解析の収容能力を確保するため、企業は新たなデータセットのオンボーディングを早くて効率的に可能にするプラットフォームに投資すべきである。また、レガシーシステムからend-to-end方式の自動化されたデータと解析への遷移はどうやって行われるか、そしてデータの蓄積とデータを集合に関してビジネスは未来にどうやって経営するか考えるべきだ。
明確な目的なしのデータを集まることや集まれてるデータの解析に努力することには反して、意図的に、慎重に、そして透明にS線形化（スケール）する新しいプラットフォームに投資する能力が重要だ。
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Many companies are overly reliant on outdated legacy systems with high maintenance overheads where the cost to upgrade or make strategic change is de-prioritized.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.
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。
多くの企業が、メンテナンスのオーバーヘッドが発生するような時代遅れの旧システムに過度に依存しており、アップグレードや戦術的な変更のための費用が後回しにされている。これは、主要テクノロジー企業でさえも同じである。例えば、SamsungのSmartHub TVのソフトウェアはクラウド上で実行されるが、移行にコストがかかるために、その支払い手続きは依然として店舗で取り扱われている。
多くの会社は、コストの関係で最新のシステムを導入を見送り、旧来のシステムと高負荷なメンテナンスに頼っています。これは一流企業でも同様であり、サムソンのSmartHub TVのソフトウェアはクラウド上で動作していますが、支払を含める金回りの処理は、未だにコストの関係で旧来のシステムを理由しています。
![[deleted user]](https://secure.gravatar.com/avatar/695023b4efd563721d13716b1457bc73.png?d=identicon&mode=crop&r=PG&s=48)
翻訳ありがとうございます。
大変申し訳ありませんが、以下の理由によりこの翻訳を却下させていただきます。ご了承ください。
1. 翻訳ガイドラインからの逸脱
2. 不自然な日本語 startupdating declined this translation
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.
翻訳ありがとうございます。
大変申し訳ありませんが、以下の理由によりこの翻訳を却下させていただきます。ご了承ください。
1. 不自然な日本語および誤字脱字 startupdating declined this translation
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.
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。
生データと突っ込んだデータをモジュラー化すればするほど、常に変化するビッグデータにこれまでどおり素早く対応することが出来るようになるだけでなく、ビジネスにおける洞察力を有効活用することができるようになる。こうすれば、時間というビッグデータが持つ爆弾を取り外すことができる。
（Poornima Apte氏とHippo Reads社のEdward Newell氏がこの件で研究してくれたことに感謝申し上げます。）
Cameron Sim氏は、Crewspark社の最高経営責任者です。
さまざまな情報を持ったローデータを、様々な精度レベルでよく組織化された実体であるモジュールにすることができれば、それだけビジネスにおける洞察を効率的に高めることができ、ビッグデータを取り巻く状況が将来的に変化したとしても、素早くそれに反応することが可能となる。以上が、ビッグデータ爆弾を解除する方法である。
(この記事のために調査協力してくれたHippo ReadsのPoornima ApteとEdward Newellに感謝する)
Cameron Simは、CrewsparkのCEO
１番のアプローチに固守じゃくて”やめる”に訂正します。勘違いしました。
翻訳ありがとうございます。
大変申し訳ありませんが、以下の理由によりこの翻訳を却下させていただきます。ご了承ください。
1. 不自然な日本語 startupdating declined this translation