從大數(shù)據(jù)崛起看大數(shù)據(jù)應(yīng)用發(fā)展方向

時至今日，我們的數(shù)據(jù)管理能力日益提升，但數(shù)據(jù)分析能力則相對落后。盡管工具與流程皆已齊備，但仍然缺少充足的數(shù)據(jù)科學(xué)家人員。根據(jù)2012年《福布斯》雜志發(fā)表的文章，早期大數(shù)據(jù)技術(shù)采納方主要來自金融服務(wù)、電信、制造(特別是消費級產(chǎn)品)以及政府領(lǐng)域。

從大數(shù)據(jù)崛起看大數(shù)據(jù)應(yīng)用發(fā)展方向
　　早期采納方在起步階段會使用其新近安裝的大數(shù)據(jù)基礎(chǔ)設(shè)施(例如HDFS、MapReduce以及NoSQL數(shù)據(jù)庫等等)以實驗各類新型應(yīng)用。根據(jù)PacificCrest公司收集到的數(shù)據(jù)，各早期采納方往往希望利用這些方案處理數(shù)據(jù)中心日志信息(包括服務(wù)器、路由器以及各類物聯(lián)網(wǎng)傳感器等)，旨在實現(xiàn)網(wǎng)絡(luò)分析與IT系統(tǒng)性能監(jiān)控。在此基礎(chǔ)之上，亦有相當(dāng)一部分企業(yè)嘗試?yán)么髷?shù)據(jù)技術(shù)進(jìn)行財務(wù)數(shù)據(jù)(欺詐檢測)與Web數(shù)據(jù)(情感分析以實現(xiàn)個性化體驗)分析。
　　初步實驗對于了解大數(shù)據(jù)基礎(chǔ)設(shè)施收益、潛力與不足之處非常重要。然而根據(jù)CapGemini于2014年發(fā)布的報告，試水性實驗的成功比例并不算高。其失敗原因主要有三：1)將數(shù)據(jù)分散在多個不同團隊中，因此訪問難度較原始設(shè)計更高。2)數(shù)據(jù)被安置于遺留系統(tǒng)當(dāng)中，導(dǎo)致將其導(dǎo)出至大數(shù)據(jù)基礎(chǔ)設(shè)施變得非常困難。3)缺少統(tǒng)一而明確的全局性數(shù)據(jù)管理與數(shù)據(jù)分析方案，這使得工作人員難以從數(shù)據(jù)內(nèi)提取信息。而隨著此類問題的一一克服，近來我們發(fā)現(xiàn)成功案例變得愈發(fā)普遍。事實上，目前全球各地對于大數(shù)據(jù)基礎(chǔ)設(shè)施及其附加方案的興趣都呈現(xiàn)出快速升溫之勢。
　　企業(yè)向大數(shù)據(jù)技術(shù)投入的資金呈現(xiàn)增長之勢。根據(jù)NewVantage指出，受訪企業(yè)中有27%表示其將在2017年之前向大數(shù)據(jù)項目投入超過5000萬美元資金。而在2014年面向同樣企業(yè)對象的調(diào)查中，這一比例僅為5.4%。
　　目前，價值萬億美元的行業(yè)，包括醫(yī)療衛(wèi)生、保險、農(nóng)業(yè)、能源、醫(yī)藥、教育、汽車、運輸以及物流等等，都在積極探索如何利用大數(shù)據(jù)利器解決自己面臨的現(xiàn)實難題。舉例來說，汽車制造商希望分析消費者的信息娛樂選擇以提供更理想的車載信息娛樂體驗，同時亦需要分析車輛性能數(shù)據(jù)以提供預(yù)防性維護建議。另外，無線運營商也希望了解消費者如何使用其數(shù)據(jù)，從而更好地提供內(nèi)容并實現(xiàn)營收。
　　考慮到以上提到的企業(yè)投資與變革力度，風(fēng)險投資商們則更為積極地為大數(shù)據(jù)初創(chuàng)企業(yè)提供資金。單在2015年年內(nèi)，風(fēng)投方為大數(shù)據(jù)初創(chuàng)企業(yè)提供的資金總額就高達(dá)67億美元，超過2014年的60億美元。
　　出于同樣的理由，大數(shù)據(jù)初創(chuàng)企業(yè)也開始迎來一波收購浪潮。其中包括AOL收購Convertro，谷歌收購Adometry，蘋果收購Topsy，Teradata收購AsterData與ThinkBigAnalytics，Salesforce收購Edgespring等等。最近，我們還見證了微軟收購RevolutionAnalytics，HDS收購Pentaho以及Advance收購1010Data。除此之外，小規(guī)模收購亦層出不窮，包括Amazon收購Amiato等。
　　目前風(fēng)投方的主要關(guān)注重點在于大數(shù)據(jù)基礎(chǔ)設(shè)施與工具。盡管基礎(chǔ)設(shè)施與工具部署同樣顯示出旺盛的生命力，但這里我們姑且將注意力集中在大數(shù)據(jù)應(yīng)用身上。
　　信息技術(shù)中的每個新興領(lǐng)域(例如商務(wù)智能、客戶端/服務(wù)器計算、云計算以及移動計算等)通常都需要經(jīng)歷三個發(fā)展階段：基礎(chǔ)設(shè)施部署。在大數(shù)據(jù)領(lǐng)域，此類基礎(chǔ)設(shè)施負(fù)責(zé)對數(shù)據(jù)進(jìn)行存儲、管理、移動與傳輸。工具部署。在大數(shù)據(jù)領(lǐng)域，此類工具用于搜索并分析各種形式的大數(shù)據(jù)并呈現(xiàn)處理結(jié)果。應(yīng)用程序引入，通常將基礎(chǔ)設(shè)施與工具轉(zhuǎn)化為實際功能。遵循這樣的分階段實現(xiàn)方式，眾多大型企業(yè)已經(jīng)開始部署大數(shù)據(jù)基礎(chǔ)設(shè)施與多種工具，旨在分析收集到的海量數(shù)據(jù)。
　　由于我們已經(jīng)進(jìn)入應(yīng)用開發(fā)與部署階段，因此最重要的是著眼于具體軟件。截至目前，我們已經(jīng)發(fā)現(xiàn)了三種主要大數(shù)據(jù)應(yīng)用類型：
　　淺層應(yīng)用，包括執(zhí)行客戶流失分析并圍繞通用型分析工具進(jìn)行開發(fā)(例如Dataminr與DataRobot等)。這些應(yīng)用由數(shù)據(jù)科學(xué)家負(fù)責(zé)支持，從而執(zhí)行經(jīng)過嚴(yán)格定義的任務(wù)流程。這些應(yīng)用通常只能在運行基礎(chǔ)之上提供淺層分析能力。這些由分析模型與報告機制驅(qū)動的應(yīng)用由數(shù)據(jù)科學(xué)家及服務(wù)專家進(jìn)行開發(fā)與維護――他們往往來自管理咨詢企業(yè)，且充分理解相關(guān)業(yè)務(wù)領(lǐng)域及最終用戶需求。最終用戶通常為商業(yè)分析師。
　　應(yīng)用能夠處理大數(shù)據(jù)，但無法實現(xiàn)任何形式的預(yù)測或預(yù)測性分析(例如Socrata及Zuora)。這類應(yīng)用可能面向水平或垂直體系，其能夠為最終用戶――主要為商業(yè)分析師――提供理解數(shù)據(jù)并形成結(jié)論報告的能力。作為實例，紐約市就利用Socrata系統(tǒng)創(chuàng)建財務(wù)報告。
　　具備嵌入式預(yù)測性分析的應(yīng)用。此類應(yīng)用未來將分為以下兩種類別。包含預(yù)測模型，并由數(shù)據(jù)科學(xué)家負(fù)責(zé)開發(fā)與定期更新。這意味著應(yīng)用供應(yīng)商必須擁有強大的服務(wù)能力以支持軟件功能。此類應(yīng)用包括AgileOne、OPower、ZephyrHealth、Duetto以及DataXu與MediaMath等在線廣告應(yīng)用方案。
　　所使用的預(yù)測模型可由應(yīng)用本身自動構(gòu)建。此類應(yīng)用廠商包括Oration與Namogoo。歸屬于這一類別的應(yīng)用可能面向橫向(例如AgileOne與Namogoo)或垂直領(lǐng)域(例如OPower、Duetto或者Oration)。
　　這三種大數(shù)據(jù)應(yīng)用類型可被視為應(yīng)用領(lǐng)域的開創(chuàng)者，如今以其為基礎(chǔ)又有第四種見解型應(yīng)用開始出現(xiàn)。之前提到的第三種應(yīng)用同見解型應(yīng)用最為接近，但二者間又存在著重要差異：其能夠做出預(yù)測，但無法形成見解。換言之，第三種應(yīng)用無法根據(jù)預(yù)測結(jié)果執(zhí)行對應(yīng)操作。相反，它們依賴于用戶來識別特定預(yù)測結(jié)果并執(zhí)行對應(yīng)行為。
　　總結(jié)
　　盡管仍然面臨多種障礙(每一種新興技術(shù)在出現(xiàn)后都必須面對挑戰(zhàn))，但大數(shù)據(jù)的早期采納方已經(jīng)在相關(guān)項目當(dāng)中積極投資，并將其部署至企業(yè)業(yè)務(wù)系統(tǒng)當(dāng)中以解決各類關(guān)鍵性難題。為了實現(xiàn)大數(shù)據(jù)的跨行業(yè)處理潛能，各風(fēng)險投資方都在積極為大數(shù)據(jù)初創(chuàng)企業(yè)提供援助，希望其解決方案能夠為大型企業(yè)客戶所采納。
　　考慮到已經(jīng)陸續(xù)出現(xiàn)的大量大數(shù)據(jù)基礎(chǔ)架構(gòu)及部署分析工具，多數(shù)企業(yè)開始將注意力轉(zhuǎn)向大數(shù)據(jù)應(yīng)用程序。我們確定的這三種具體類型涵蓋了相繼出現(xiàn)的各類新型大數(shù)據(jù)應(yīng)用。其中一些能夠提供預(yù)測結(jié)論，但卻無法實現(xiàn)見解與實際行動，這亦是大數(shù)據(jù)應(yīng)用尚未徹底發(fā)展成熟的主要標(biāo)志。在未來的文章中，我們將深入探討見解型應(yīng)用――即第四類亦是最具發(fā)展前途的大數(shù)據(jù)應(yīng)用類型。