大數(shù)據(jù)之路不乏荊棘密布

隨著生活越來越豐富，大數(shù)據(jù)也變得越來越難以處理；同時因為數(shù)據(jù)體積增大、數(shù)據(jù)類型繁多，技術(shù)人員在分析過程中不得不克服大量的挑戰(zhàn)和障礙。本文將討論為什么數(shù)據(jù)會變得越來越復(fù)雜及難以管理，以及在我們分析、整合及存儲這些數(shù)據(jù)時又會面臨哪些挑戰(zhàn)及障礙，當(dāng)然還有大數(shù)據(jù)又會給未來帶來什么樣的機遇。
   大數(shù)據(jù)確實很大并且很復(fù)雜
   大數(shù)據(jù)究竟有多大
    舉個簡單的例子，去參加一個小朋友的生日派對。在出發(fā)時，你會發(fā)送一個tweet說明一下，數(shù)據(jù)隨之產(chǎn)生。車在半路上，停車加油，付款時果斷產(chǎn)生了數(shù)據(jù)。在超市購買生日卡片，掃描購物卡、結(jié)賬同樣產(chǎn)生了數(shù)據(jù)。在生日派對中，拍個照片，錄段視頻，當(dāng)你在Facebook、Flickr以及Youtube上發(fā)布時同樣產(chǎn)生了數(shù)據(jù)。在派對過程中發(fā)送的消息，同樣產(chǎn)生了數(shù)據(jù)。貫穿整個過程，你的手機因不停的發(fā)送GPS位置而產(chǎn)生數(shù)據(jù)，你的車因為不停的追蹤燃耗而產(chǎn)生數(shù)據(jù)。由此可見，我們在日常行為活動中產(chǎn)生了大量的數(shù)據(jù)。
    通過IBM了解到，我們每天大約建立2.5 quintillion（1 000 0003）字節(jié)的數(shù)據(jù)，而在過去兩年建立了總數(shù)據(jù)量的90%，同時數(shù)據(jù)體積以指數(shù)的方式增加。隨著公司數(shù)據(jù)捕獲能力的增強、多媒體變得流行、社交媒體會話的增加以及使用互聯(lián)網(wǎng)做更多的事情，數(shù)據(jù)的體積也不可思議的速度激增。
   大數(shù)據(jù)究竟有多復(fù)雜
   大數(shù)據(jù)是復(fù)雜的。之所以復(fù)雜因為數(shù)據(jù)的多樣性，其中包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)的復(fù)雜還在于交付和使用的速度，比如“實時”。并且，大數(shù)據(jù)的復(fù)雜還在于數(shù)據(jù)的體積。以前家用存儲說的是MB和GB，現(xiàn)在講的已經(jīng)是TB了，而企業(yè)早已跨入PB單元。
   大數(shù)據(jù)市場
   大數(shù)據(jù)增加了信息管理業(yè)務(wù)的需求，比如Software AG、Oracle Corporation、IBM、Microsoft、SAP、EMC和HP已經(jīng)支付150億美元給專門從事數(shù)據(jù)管理和分析的軟件公司。在2010年，這個產(chǎn)業(yè)自身的價值已經(jīng)超過1000億美元，并以每年10%的速度增長著——比整個軟件業(yè)務(wù)快2倍。
    發(fā)達經(jīng)濟體讓大數(shù)據(jù)密集型技術(shù)得到更廣泛的使用。世界范圍內(nèi)，有46億的移動終端在產(chǎn)生數(shù)據(jù)，有10到20億人在訪問互聯(lián)網(wǎng)。在1990到2005期間，超過10億人進入了中產(chǎn)階級，更多富起來的人同樣導(dǎo)致了信息的增長。在1986年，世界電信網(wǎng)絡(luò)有效的信息交互能力為281 PB，1993年為471 PB，2000年為2.2 EB，2007年為65EB，而在2013年，預(yù)計的通信總量為667 EB。
   大數(shù)據(jù)分析
   大數(shù)據(jù)需求在可容忍時間內(nèi)對大體積數(shù)據(jù)進行處理特殊的技術(shù)，大數(shù)據(jù)分析實踐者通常不喜歡共享儲存，更傾向于直接連接存儲（Direct Attached Storage，DAS），在并行的內(nèi)部處理節(jié)點中混合使用了高速SSD與高容量SATA磁盤。而當(dāng)下的共享儲存架構(gòu)SAN及NAS已被扣上緩慢、復(fù)雜及昂貴的頭銜，該類型架構(gòu)完全不符合現(xiàn)下大數(shù)據(jù)技術(shù)在性能、商用服務(wù)器及低成本上的標(biāo)準。
    實時及近實時的信息交付已成為大數(shù)據(jù)分析的界定特征，盡可能的避免延時同樣成為大數(shù)據(jù)技術(shù)的首要挑戰(zhàn)之一。數(shù)據(jù)更希望被存儲在內(nèi)存中，而不是其他終端FC SAN連接的機械硬盤上。同樣在大數(shù)據(jù)情景下，SAN模式下對分析應(yīng)用程序的要求上比其它類型存儲要高得多。
    當(dāng)然，共享存儲在大數(shù)據(jù)分析情景下也有著自己的優(yōu)勢，但是自2011年以后，已不為絕大多數(shù)大數(shù)據(jù)實踐者所采納。
  大數(shù)據(jù)挑戰(zhàn)及障礙
    鑒于復(fù)雜性，大數(shù)據(jù)處理面臨著一系列挑戰(zhàn)：
    1. 在類似文本或視頻的非結(jié)構(gòu)化數(shù)據(jù)上，我們要如何去理解及使用。
    2. 我們該如何在數(shù)據(jù)產(chǎn)生時捕獲最重要的部分，并實時的將它交付給正確的人。
    3. 鑒于當(dāng)下的數(shù)據(jù)體積和計算能力，該如何儲存、分析及理解這些數(shù)據(jù)。
    4. 缺乏人才
    當(dāng)下討論最多的問題就是缺乏大數(shù)據(jù)人才，值得慶幸的是許多教育機構(gòu)都針對此開設(shè)了相應(yīng)的學(xué)術(shù)課程。而我們也看到一些更好的現(xiàn)象，企業(yè)和高校合作共同對抗這個人才稀缺問題，這也是最有效的人才培養(yǎng)途徑。
    5. 其它一些固有的挑戰(zhàn)，隱私、訪問安全以及部署
    通過EIU（Economist Intelligence Unit）與Lyris（數(shù)字化營銷軟件提供商）最新的報告“Mind the Digital Marketing Gap”了解到，37%的營銷主管發(fā)現(xiàn)大數(shù)據(jù)解析到?jīng)Q策制定的轉(zhuǎn)換上存在著非常大的挑戰(zhàn)，而45%認為他們不具備有效的大數(shù)據(jù)分析能力。
    24%的營銷人員表示他們一直在使用大數(shù)據(jù)技術(shù)來發(fā)現(xiàn)見解并制定市場策略，盡管其中大多數(shù)人只是偶爾使用數(shù)據(jù)做可行性分析及個性化客戶通信。
    其它一些障礙還包括缺乏資金（43%的受訪者）、過于強調(diào)數(shù)字工具及社交媒體、渠道的增多以及人力資源的匱乏（33%左右的受訪者）。
   大數(shù)據(jù)機遇
    盡管當(dāng)下大數(shù)據(jù)技術(shù)的應(yīng)用上還存在許多的挑戰(zhàn)，但是其中存在的機遇卻遠超過這些挑戰(zhàn)。大數(shù)據(jù)成為創(chuàng)新、競爭及生產(chǎn)力提升的絕對利器，我們可以使用大數(shù)據(jù)回答以前無法解決的問題。我們可以使用大數(shù)據(jù)獲得真知和知識，確定趨勢及提高生產(chǎn)力，取得競爭優(yōu)勢并為世界經(jīng)濟創(chuàng)造更多的價值。