开源Apache Hadoop以及NoSQL数据库技术的创新使得IT系统的蔓延不断加速，对于已经在努力打破多个数据孤岛的管理者来说，大数据时代又为他们带来了新的挑战。对于这一问题，来自Think Big Analytics公司的联合创始人Ron Bodkin看的更清楚。这是一家专注于Hadoop生态系统，机器学习以及大数据实时查询等技术的咨询服务提供商。为此TechTarget记者对Ron Bodkin进行了专访，看看他对大数据有什么样的新鲜看法。以下为本次采访实录：

在您看来，企业部署Hadoop的一个情况是怎样的？

Ron Bodkin：Hadoop应用总结起来有以下几个范畴。一些用户使用Hadoop是为了控制成本，因为有些数据是传统数据仓库环境下无法处理的，特别是在成本方面。因此有不少公司部署首个Hadoop项目时考虑的是成本优化。

举个例子来说，对于一年之内的详细数据、原始数据或者日志中的事件级别数据，很多企业是没法全部保存的。因此在以往的传统环境中，分析这些数据是不可能的。而现在他们想要分析网站的点击流数据，希望深入挖掘隐藏在消费者之中的购买模式。如果在企业数据仓库中做这样的分析，你会发现它非常昂贵，没有几个公司能负担的起。

于是人们开始想要把这部分工作负载从数据仓库中提取出来，放到Hadoop里来做。而作为回报，企业能够拥有更广泛的数据池，更活跃的数据归档，能够做更深入的分析。

我们看到客户运行了一系列的数据库产品，包括Oracle，Teradata，Netezza，Vertica等等，他们希望能把数据准备的负载转移到数据库之外。我们也看到其他一些客户在大型机上做这样的数据处理，他们也希望能把负载转移到Hadoop上，因为这样更具有成本效益，而且在大型机上能用Cobol语言处理这样负载的人已经不太好招了。

会不会有这样的情况，在取得部门级的成功之后，企业会希望把Hadoop整合到企业整体的IT系统当中？

Bodkin：没错。一旦企业获得部门级的成功，他们肯定会想要进行集中化管理，因为大数据的价值在很大程度上能够打破孤岛的情况。也就是说能够通过新的形势来将不同的数据集整合到一起。因此针对此前不同的数据库支撑不同应用的情况，现在企业已经拥有了更通用的数据存储形式，也有了新的方法来获得深入的洞察，从而为多个业务部门服务。

我们所看到的一些成功案例中，很多是跨部门团队先进行头脑风暴，找到使用数据和分析数据的方式。他们会总结出一套路线图，指导企业向以数据为驱动的方式转型，然后再制定具体的项目计划。这样企业就能够为消费者提供更好的产品，能够更好地检测欺诈行为从而规避风险。企业能够在传统交易数据流的基础之上，驾驭更多的数据类型，比如文本数据以及社交数据。

不只是Hadoop，还有NoSQL。企业在选型的时候会不会误入歧途，而选择了错误的解决方案？

Bodkin：当然有这样的情况。对于NoSQL的理解也有一定的范畴。当需要大规模可扩展的批量分析任务时，人们会选择NoSQL数据库。但通常这种情况下，NoSQL数据库的支持并不好。人们选择一个工具的时候会想用它来应对多个任务，而事实上他们需要多种不同的技术才能把这些任务处理好，对于NoSQL来说也是如此。而在部署了Hadoop之后，客户会发现他们需要一个NoSQL数据库来应对低延迟的数据访问。

那么企业是否需要一个数据科学家来负责这部分工作呢？大数据的普及能否真正给业务用户带来便利？

Bodkin：我认为Hadoop和大数据分析能带来一系列的好处。客户可以回答一些以往无法解决的问题，虽然还没有达到数据科学的高度。因此无论分析师还是业务用户都能够从大数据中获益，将更多可用的数据放到一起，可以回答更多的业务问题。一旦做到这一点，就可以考虑进行数据科学并作更深入的分析了。

对于许多企业来说，他们大数据之旅的第一步就是通过数据获得更快速的洞察，然后才会上升到数据科学的高度。很多时候企业有这样的误区，他们必须一步到位直接做预测分析。很多工作其实开始都是获得最基础的洞察， 随着企业运用大数据方法的不断深入成熟，才可以实现自动化与预测分析。