Még a csapból is a big data nagyszerűségét hozsannázó elemzések folynak. A gyakorlati szakemberek azonban egyre többször figyelmeztetnek arra, hogy az adat mindenhatóságát hangsúlyozó megközelítések elfednek egy nagyon fontos kérdést: az adatminőséget.

De miért is kellene foglalkozni ezzel, hiszen itt vannak a jobbnál jobb eszközök, amelyek képesek egységben kezelni üzleti és strukturálatlan adatokat, és minél több adat van, annál jobb, pontosabb eredményeket kapunk a varázseszközeinktől. Kell persze adattudós, jó modellek meg mindenféle eszköz, de csak nyerhetünk az ügyön. Meg persze szükség van egy izmos tárolórendszerre is – és évről évre, hónapról hónapra nagyobbra, hogy az exponenciálisan gyűlő adatmennyiséget tárolni lehessen.

És pont itt a probléma. Ha nem foglalkozunk az adatminőséggel, rengeteg pénzt kidobunk az ablakon. A Veritas Technologies friss Databerg Reportja szerint ez 2020-ban globálisan – 44 zetabájtnyi tárolt adatot feltételezve – mintegy 890 milliárd dollárjába kerül a szervezeteknek – fölöslegesen. (A kutatást a Veritas megbízásából a Vanson Bourne kutatócég végezte. A felmérés során 14 országban 1500 vezető infomatikai munkatársat kérdeztek meg.)

Ez a kásahegy olyan, mint a jéghegy

A jelentés címe (Databerg) címe egy a kutatásból kirajzolódó trendre utal. A szervezeteknél – a közszférában és a piaci szereplőknél egyaránt – az adatok három fő típusát lehet megkülönböztetni.

Vannak a kritikus üzleti adatok, amelyek elengedhetetlenek a folyamatos működéshez. Ezeknek valós idejű proaktív védelmet és menedzselést kell biztosítani. Vannak redundáns, elavult és triviális (felesleges) adatok, melyek emiatt legfeljebb csekély üzleti értéket hordoznak. Végül pedig vannak az ún. sötét adatok, amelyeknek az értékét nem tudja senki, bár ettől még ugyanúgy tartalmazhatnak kritikus adatokat, mint haszontalanokat.

A problémát az okozza – és emiatt is hasonlít a helyzet a jéghegyhez –, hogy a tárolt adatok nagy része a két utóbbi kategóriából kerül ki. A 14 országban elvégzett felmérés szerint a szervezetek adatállományának 54 százaléka sötét adat, 32 százaléka pedig redundáns, elavult és triviális adat, míg a jéghegy csúcsát jelentő hasznos üzleti adatok aránya mindössze 14 százalék.

Csakhogy minden adatot tárolni és kezelni kell, és a fölösleges adatok tárolása és kezelése ugyanúgy leköti a szervezetek erőforrásait, mint az értékes adatok. Erre az jelenthet megoldást, ha a sötét adatokat a lehető leghamarabb feltérképezik, és kiszűrik feleslegeseket, és a redundáns, elavult és triviális adatokkal egyetemben proaktív módon rendszeresen és biztonságos módon törlik.

Felhalmozó stratégiák

A felmérés szerint három fő oka van, hogy csökken az üzletileg hasznos adatok aránya. Először is az, hogy az informatikai stratégiák az adatok felhalmozására koncentrálnak, nem pedig az adatminőségre. A második tényező a felhő sikerében keresendő, azaz hogy egyre elfogadottabbak az olcsó felhős tárolási megoldások. Az üzleti vezetők a kutatás szerint túlzott mértékben támaszkodnak a felhő alapú tárolási rendszerekre, ami – tegyük hozzá – a költségoldalt nézve részben érthető is. A harmadik ok a munkavállalók rossz hozzáállása: sok esetben figyelmen kívül hagyják az adatokkal kapcsolatos szabályozást, amivel veszélyeztetik is a vállalati adatokat. A kutatás szerint egyébként a munkavállalók hajlamosak úgy kezelni a vállalati rendszert, mintha az a sajátjuk lenne.

A kutatás a felhős adattárolás népszerűségének növekedését jósolja erre az évre is: a régióban tavalyi 33 százalékról várhatóan 45 százalékra nő a felhőalapú tárolás és feldolgozás aránya. Ez azért jelent nagy kockázatot, mert sok szervezetnek egyszerűen nincs megfelelő felhős stratégiája, ami kalkulálna a járulékos költségekkel, egy esetleges szolgáltatóváltással, vagy azzal, hogy vészhelyzet esetén hogyan és milyen költséggel lehet visszavenni az adatokat felhőből.