盤點2014:大數(shù)據(jù)現(xiàn)狀與國人思維誤區(qū)_數(shù)據(jù)分析師

近兩年，“大數(shù)據(jù)”已成為業(yè)界和學術界舌尖上的熱詞，從央視的春運遷徙圖到美國奧巴馬政府宣布投資2億美元啟動“大數(shù)據(jù)研究與開發(fā)計劃;從兩會期間的兩會大數(shù)據(jù)到預報旅游熱點，“大數(shù)據(jù)”被人們推到了一個前所未有的高度。但是，在歡呼和激動了數(shù)年后，我們更需要認真思考如何利用大數(shù)據(jù)、如何正確挖掘出大數(shù)據(jù)的價值。2014年底，我們與Informatica中國區(qū)的幾位資深技術專家，就大數(shù)據(jù)的現(xiàn)狀、思維、技術和發(fā)展等問題進行了深入探討與剖析。

大數(shù)據(jù)現(xiàn)狀：思路已有，離成功尚遠

大數(shù)據(jù)真正開始做始于去年，通過兩年的嘗試、積累，思路已有，但離成功還很遠。一些國外的大數(shù)據(jù)案例、大數(shù)據(jù)故事無非是商務智能(BI)、數(shù)據(jù)倉庫(BW)的改頭換面，新瓶裝舊酒而已。就如數(shù)據(jù)倉庫一樣，建設了近20年才讓每個企業(yè)真正承認其價值，大數(shù)據(jù)也不能期望很快就獲得成功，需要一個沉淀時間。在Informatica技術專家看來，如果要給個期限，那這個時間至少需要10年。

大數(shù)據(jù)發(fā)展可以用一個波浪式的圖來形容，現(xiàn)在還處于第一個峰頂，必須經(jīng)過低谷再升起，幾輪反復。這期間，大家可能會看到許多大數(shù)據(jù)真實的案例，不管是成功的還是失敗的都會給我們啟示。只要嘗試了就不一定完全失敗，就如數(shù)據(jù)倉庫建設，幾年前很多報告都顯示80%的項目失敗，但仔細分析后發(fā)現(xiàn)，只是在發(fā)展過程當中沒有達到預期價值而已。前人淌過的路，后邊的人可以少走一些雷區(qū)。

大數(shù)據(jù)應用的必要前提：數(shù)據(jù)治理

越來越多的行業(yè)和企業(yè)開始關注數(shù)據(jù)這一企業(yè)核心資產(chǎn)，但對于數(shù)據(jù)如何治理，如何管控卻沒有合適的方法體系的產(chǎn)品支撐，大數(shù)據(jù)就必須以數(shù)據(jù)治理為基礎，沒有數(shù)據(jù)治理談不上大數(shù)據(jù)，數(shù)據(jù)家家都有，但不治理根本用不上，而這些恰恰是Informatica公司的核心競爭力所在。

在紛繁雜亂的大數(shù)據(jù)面前，沒有良好的數(shù)據(jù)質(zhì)量，沒有更加良好的數(shù)據(jù)管理策略，用于業(yè)務應用的投資將隨著應用組合在企業(yè)內(nèi)的增長和擴展而日漸縮水。做大數(shù)據(jù)，90%的企業(yè)走的路子都不可能實現(xiàn)放煙花式的很炫效果，他們首先還是要踏踏實實地解決數(shù)據(jù)整合、數(shù)據(jù)質(zhì)量和主數(shù)據(jù)管理等問題。Informatica技術專家建議道。

大數(shù)據(jù)市場：安全先行

在生活中我們常會有這樣的經(jīng)歷，瀏覽新聞網(wǎng)頁時跳出的淘寶推薦商品竟然是你想買的東西，在家里休息時會突然接到各種保險推銷電話。對于這種司空見慣的信息數(shù)據(jù)泄露人們似乎習以為常。而當更加隱私、敏感的12306數(shù)據(jù)的泄露事件，還是讓不少人感到十分后怕。進入大數(shù)據(jù)時代后，數(shù)據(jù)將更加透明，數(shù)據(jù)信息安全的挑戰(zhàn)變得越來越嚴峻。

近兩年，國家政府著重強調(diào)信息安全，企業(yè)都非常關注數(shù)據(jù)安全問題。敏感的個人、財務和健康信息受到多種不同行業(yè)和政府數(shù)據(jù)隱私法規(guī)的管制，如果企業(yè)無法保持數(shù)據(jù)隱私，他們就會面臨嚴重的財務和法律懲罰，同時還會在客戶與市場信心方面蒙受可觀損失。

我們了解到，2014年，Informatica數(shù)據(jù)安全方案因滿足市場熱點需求而成為業(yè)務增長較快的單元。大數(shù)據(jù)的發(fā)展還有許多亟待解決的難題，但無疑解決大家最擔心的數(shù)據(jù)安全問題應當是重中之重。

大數(shù)據(jù)思維：允許數(shù)據(jù)的不精確性

以前，由于可獲得的數(shù)據(jù)量比較小，為此我們必須盡量準確的記錄下所獲得的所有數(shù)據(jù)，做出個KPI供領導參考，采樣過程的精確度被放在重要的地位。顯然，這種對精確性的執(zhí)著是信息缺乏時代的產(chǎn)物。大數(shù)據(jù)時代，數(shù)據(jù)的收集問題不再成為困擾，采集全量的數(shù)據(jù)成為現(xiàn)實，但海量數(shù)據(jù)的涌現(xiàn)一定會增加數(shù)據(jù)的混亂性且造成結(jié)果的不準確性，如果仍執(zhí)迷精確性，那么將無法應對這個新的時代。

大數(shù)據(jù)通常都用概率說話，且大數(shù)據(jù)處理之前是可以對之進行清洗從而減少部分的錯誤數(shù)據(jù)。所以，與致力于避免錯誤相比，對錯誤的包容將會帶給我們更多信息。其實，允許數(shù)據(jù)的混雜性和容許結(jié)果的不精確性才是我們擁抱大數(shù)據(jù)的正確態(tài)度，只要做到10%準確結(jié)果，能夠達成業(yè)務數(shù)十倍的增長即可，這是真正的大數(shù)據(jù)思維，未來我們應當習慣這種思維。

大數(shù)據(jù)思維：大數(shù)據(jù)不是單純的技術問題

大數(shù)據(jù)不是一個純技術問題，會包含很多管理、業(yè)務方面的內(nèi)容。并不是說，購買了一套數(shù)據(jù)挖掘工具，組建了一個Hadoop環(huán)境，就能稱為做了大數(shù)據(jù)。除了設備、技術上的投資，企業(yè)還需要從組織結(jié)構(gòu)、人員意識、管理方式、企業(yè)文化等方面都有一個轉(zhuǎn)變。大數(shù)據(jù)的前期準備工作很多，這是一種思維上的全面變革。大家都是摸著石頭過河，走一步想一想，然后再走一步再想，直到最后成功上岸。

在這樣的一個過程當中，人們的思想還要跟隨大數(shù)據(jù)技術的發(fā)展不斷更新，同時也要對一些過去的想法進行糾正和改變。當然，這個時間不會像以前數(shù)據(jù)倉庫那樣花費20年，大數(shù)據(jù)可能會縮短一半時間。因為數(shù)據(jù)倉庫時代是從無到有，而大數(shù)據(jù)時代是從有到更好，人們已經(jīng)從建設數(shù)據(jù)倉庫中積累了很多的經(jīng)驗、技術、教訓，甚至有效的管理方法，可以很好地借鑒。

大數(shù)據(jù)思維：大數(shù)據(jù)技術解決的不僅僅是非結(jié)構(gòu)化數(shù)據(jù)問題

新興的大數(shù)據(jù)技術提供了非常有效的手段，讓人們可以花很低的代價去分析、處理非結(jié)構(gòu)化的數(shù)據(jù)，但是這些非結(jié)構(gòu)化數(shù)據(jù)有一個特點，就是密度還很低，它遠不如結(jié)構(gòu)化數(shù)據(jù)有非常高的價值密度，可能100G的非結(jié)構(gòu)化數(shù)據(jù)，最終有效的才1G。這表明，非結(jié)構(gòu)化數(shù)據(jù)是對數(shù)據(jù)完整度的很大補充，但是并不能說大數(shù)據(jù)就是做非結(jié)構(gòu)化數(shù)據(jù)，其實最終的目的還是要發(fā)掘數(shù)據(jù)價值。另外一方面，傳統(tǒng)的數(shù)據(jù)倉庫已經(jīng)能夠完成現(xiàn)有結(jié)構(gòu)化數(shù)據(jù)90%的利用程度，在這種背景下，人們才會把大數(shù)據(jù)的焦點放在對非結(jié)構(gòu)化的處理上。

當前，非結(jié)構(gòu)化數(shù)據(jù)大量產(chǎn)生，如機器日志、傳感器的數(shù)據(jù)、社交媒體的數(shù)據(jù)，都是以非結(jié)構(gòu)化形式存在，而傳統(tǒng)的方式對這些數(shù)據(jù)的處理能力比較欠缺。如果用木桶效應來比喻，首先要把這個短板補上，與結(jié)構(gòu)化數(shù)據(jù)處理的效率和能力齊平之后，更多的就是圍繞數(shù)據(jù)如何使用來進行更深一步的研究。還要認識到一點，大數(shù)據(jù)技術能夠處理半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)，不過，這些數(shù)據(jù)總是要轉(zhuǎn)換成結(jié)構(gòu)化的數(shù)據(jù)才能分析，算法可能輸入的是非結(jié)構(gòu)化的，如視頻信息，但是剛進來不到10秒就變成結(jié)構(gòu)化，最后顯示出來的還是表格式結(jié)構(gòu)化的結(jié)果。