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“唯一版本事实”(single version of the truth),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。
我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。
我原创,你原创,我们的内容世界才会更加精彩!
【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号

TechTarget
官方微博

TechTarget中国
翻译
相关推荐
-
Cloudera-Hortonworks合并或将减少Hadoop用户的选择
近日大数据领域两家顶级供应商达成交易协议,这可能会影响Hadoop和其他开源数据处理框架,并使大数据用户的技术 […]
-
采矿设备制造商利用BI on Hadoop来挖掘数据
如果大数据要取得巨大成功,则需要提供给更多的最终用户群组。但广泛使用的商业智能工具尚不能轻松分析最大的大数据, […]
-
新Qlik Sense功能可用于云计算、AI和大数据
一年前,Qlik公司公布其长期计划,即将高级云计算、AI和大数据功能添加到其自助式BI和数据可视化软件中。现在 […]
-
Cambridge Analytica秘密收集Facebook数据表明对道德数据挖掘的需求
当有关Cambridge Analytica公司秘密收集Facebook数据的消息传出时,这暴露了一个薄弱环节 […]