صحت و قابلیت مشاهده در داده های ابری
مشاغل سراسر جهان به طور گسترده ای برای هدایت فرایند تصمیم گیری خود و کمک به عملیات روزمره به داده های بزرگ اعتماد می کنند. از طرف دیگر، عدم مشاهده و بررسی صحت داده های ابری از نگرانی های اصلی شرکت هایی است که از ابر استفاده می کنند. این امر مدیریت داده را برای شرکت های پیشرو ضروری می کند.
میزان عدم صحت در داده ها که 15 میلیون دلار در سال هزینه دارد توسط گارتنر در بررسی کیفیت داده های بازار در سال 2017 گزارش شده است. نویسنده این گزارش خاطرنشان کرد، کیفیت پایین داده به برخی از مشاغل آسیب می رساند. به همین دلیل کسب و کارهایی اقداماتی انجام داده اند تا اطمینان حاصل کنند که داده های ابری آنها دقیق است، در نتیجه آن ها از بررسی صحت داده ها به عنوان یک دارایی ارزشمند برای تولید درآمدها سود برده اند.
قابلیت مشاهده داده
یک بررسی جدید از تحقیقات ابعادی، که بر اساس پاسخ های 338 متخصص IT انجام شده است، نشان داد که کمتر از 20٪ متخصصان فناوری اطلاعات بر این باورند که دسترسی کامل و به موقع به بسته های داده در ابرهای عمومی دارند. در ابرهای خصوصی، وضعیت به نوعی بهتر است که 55٪ از آن ها قابل مشاهده هستند.
نویسندگان این نظرسنجی گفتند که نتایج نشان می دهد شرکت ها از قابلیت مشاهده کمتری در محیط های عمومی ابر خود برخوردار هستند و ابزار و داده های تهیه شده توسط ارائه دهندگان ابر کافی نیستند. آنها برخی از چالش هایی را که عدم رعایت آنها می تواند ایجاد کند، از جمله عدم توانایی در ردیابی یا تشخیص مشکلات عملکرد برنامه و نظارت و ارائه در برابر توافق های سطح سرویس و همچنین تاخیر در تشخیص و رفع آسیب های امنیتی و بهره برداری ها شناسایی کردند.
برخی از یافته های مربوط به قابلیت مشاهده ابر از نظرسنجی:
- 87٪ از پاسخ دهندگان از عدم قابلیت مشاهده داده های ابر اظهار نگرانی کردند.
- 95٪ از پاسخ دهندگان گفتند که مشکلات دید باعث ایجاد مشکل در شبکه شده است.
- 38٪ نیز از عدم قابلیت دید به عنوان يكي از عوامل مهم در قطع برنامه هاي كاربردي و 31٪ در قطع بودن شبكه گفته اند.
از آنجا که سازمان ها درگیر تلاش های تبدیل دیجیتال هستند و همچنان به زیرساخت های ابری روی می آورند، سازمان ها نمی توانند این موقعیت را از دست بدهند. دستیابی به عملکرد برتر برنامه، رسیدن به SLA ها و کوچک کردن مدت زمان لازم برای تشخیص و اصلاح مسائل مربوط به امنیت بسیار مهم است.
دقت داده ها (کیفیت)
قبل از شروع به گرفتن دسته داده ها، مهم است که درک کنید که کیفیت داده ها به چه مواردی اشاره دارد. با توجه به تحقیق گارتنر، کیفیت داده ها از چندین بعد مختلف مورد بررسی قرار می گیرد، از جمله:
- وجود (آیا سازمان داده هایی دارد که با آن ها شروع کند؟)
- اعتبار (آیا مقادیر قابل قبول هستند؟)
- قوام (وقتی همان داده در مکان های مختلف ذخیره می شود، آیا آنها مقادیر یکسانی دارند؟)
- یکپارچگی (روابط بین عناصر داده و مجموعه های داده چقدر دقیق است؟)
- دقت (آیا داده ها با دقت و صحت ویژگی های جسم مورد نظر را برای مدل سازی توضیح می دهند؟)
- ارتباط (آیا داده ها برای پشتیبانی از هدف مناسب است؟)
در دسترس بودن و امنیت داده ها از اهمیت بالایی برخوردار است، اما صحت اطلاعات و همچنین چگونگی ارزیابی و مصرف آن به آسانی می تواند نقش خود را حفظ کند. داده هایی که دقیق نیستند، ارزش کمی برای مشاغل ارائه می دهند، اما در عین حال، اطمینان از این صحت نمی تواند به هزینه عملیات برسد، حتی با توجه به اینکه محیط های عملیاتی و معماری ها همچنان در حال تکامل و پیچیده شدن هستند.
چالش های مدیریت داده های ابری:
- ذخیره و استفاده از انباشت حجم داده بدون سیستم های خرد کردن
- نگه داشتن بهینه بانک های اطلاعاتی برای اطمینان از عملکرد برنامه ها و در دسترس بودن آنها
- رعایت دستورالعمل های بیشتر، اجبار رویه های امنیتی مدرن و اقدامات کنترل دسترسی
برخی از کارشناسان مدیریت داده استدلال می کنند که کیفیت 100٪ داده ها در ابر قابل دستیابی نیست، به ویژه هنگامی که داده ها از قالب های مختلف یا ناسازگار از یک پایگاه داده در محل منتقل شده اند. همچنین این پرونده به دلیل خطای انسانی، عدم بروزرسانی آن و اشکالات نرم افزاری می تواند به مرور زمان تخریب شود.
با این وجود، حتی اگر نمی توانید به صورت 100٪ به کیفیت داده ها دست یابید، باید روی دستیابی تا حد ممکن تمرکز کنید.
