你好,游客 登录
背景:
阅读新闻

告别大数据,掌握“广数据”才是关键

[日期:2015-01-08] 来源:【TechTarget中国原创】  作者:陈洪钰 [字体: ]

大数据

      大数据的概念确实有点歧义。当然,来自网络、电话、和其他数据源的信息确实数据量很大,但数据的主要价值并不在规模中。要从大数据中获取真正的商业价值,用户和BI供应商等还需要关注对广泛来源的数据的集成和分析,简言之,就是广数据。

      未来商业的成功,依赖于大数据和企业主流数据系统中的数据能否有机地结合。很多供应商开发了很多技术来实现,比如在NoSQL数据库和hadoop资源池上实现SQL查询。这种技术趋势很利于行业发展,因为新技术和老技术终究要结合起来。

      对于管理大量非结构化数据来说,Hadoop是个好东西,但要实现精益分析,尤其是针对既有结构化数据、又有非结构化数据的数据结构时,Hadoop就显得力不从心了。另一方面,传统关系型数据库在利用几乎同一调用方式访问异构数据源方面,有着悠久的历史。而且从事数据分析的技术人员更熟悉的也是SQL语言。

      另外,大多数用户想要的都是技术上的稳步革新,而不是彻底的变革。这意味着企业在采用新技术的同时,要最大限度地使其能够和现有IT生态系统融合,保护历史资产。因此,Hadoop集群、NoSQL数据库中的信息需要和传统的数据库和数据仓库的数据有效集成,这样才能更好地构建客户、市场趋势、企业运营视图。比如社交媒体的客户情感数据固然有价值,但如何不能和其他客户数据、市场数据相联,反应的情况也是片面的。

物联网数据不能孤立

      物联网(IoT)也是大数据的重要数据源之一。安装在产品和机器设备上的传感器可以捕捉数据,并通过互联网将数据发送回运营系统。物联网大多应用于大型制造业,比如石油管道的远程传感器监控,卡车、货车等车辆的维护相关信息收集。

      物联网的作用很大。传感器发回的大量信息可以帮助用户更好地监控质量问题、了解地域差异等等。物联网数据增长迅猛,随着时间的发展,很可能会差多Web数据。但同样,如果只是狭义地关注物联网数据,没有把它和众多其他数据源的数据集成,企业会错过很多有价值的信息。

      数据仓库的潜力还没有完全发挥出来。一个主要的原因就是数据仓库很难利用实时数据。另一方面看,数据仓库处理的多是历史数据等变化缓慢的数据,处理这些数据根本不需要像处理实时数据一样。因此,好的BI和分析平台应该是既能处理历史数据,又能处理实时数据。将数据仓库和大数据技术结合起来,可以考虑内存处理。

下一代大数据技术应该解决的难题

      更广义来看,大数据还应包括数据的流动,即数据从数据源产生到交到用户手里的过程。很多专家责难企业数据仓库没有“单一真相”,同样的数据产生出五花八门的分析结果,以及难以实现有效的数据治理。

      现在,移动设备和自服务BI工具极大地改变了信息的传播范围。当数据进入移动设备,你很难监管它的传播。都有谁看了该信息?信息传播的轨迹是怎样的?有效的BI和大数据管理不只是收集和处理信息,也是管理信息的流通和传播。

      数据规模确实是一个技术难题,但核心的问题在于广数据。如何将多种数据源的数据集成起来,如何处理,再如何让广大的用户用于业务决策和分析,这才是技术应该最主要关注的问题。要做到支持广泛的数据环境,供应商需要关注这些问题:

  • 提供结构化数据和非结构化数据的访问,并能有效集成
  • 能够以不同的方式有效管理不同的数据集
  • 支持强大的数据治理模型

      下一代BI和大数据技术必须能够解决数据的广度和复杂度的问题,而不仅仅是数据量。大数据不仅仅是数据量的大,更包含数据的广泛性。用户和供应商最好能在这一点上达成共识。

 【TechTarget中国原创内容,版权所有,未经授权谢绝转载。】





收藏 推荐 打印 | 录入: | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款