尊龙凯时

尊龙凯时动态

关于大数据的十大主要事实

  • 时间：2014-11-04
  • 泉源：

    尊龙凯时（泉源：电力爱科网  作者：佚名 ）

    无论您青睐照旧拒绝，大数据都已经成为一种事实 。现在我们要追溯事实，探索真相…

    大数据是当今一个最热门的话题，我们每一小我私家都无法置身其外 。就像几年前泛起的云盘算一样，大数据已经引起市场的普遍关注；同样，企业迫切需要对大数据下界说 。大数据缺少一个标准且普及性的界说，至少不像NIST 对云的界说那样，能被人们普遍接受 。

    调研公司IDC 的界说可能较量容易被人们所接受 。它对大数据的界说是：一种新一代的手艺和架构，具备高效率的捕获、发明和剖析能力，能够经济地从类型繁杂、数目重大的数据中挖掘精彩价值 。

    大数据已经成为种种大会的主要议题，管理人士们都不肯错过这一新兴趋势 。毫无疑问，当未来企业实验剖析现有海量信息以推动营业价值增值时，一定会接纳大数据手艺 。

    另一方面，正如其它新兴趋势一样，也有许多人嫌疑大数据的效用 。事实上，当一种手艺成为普遍争论的焦点时，一定会招致一些质疑和品评 。

    关于大数据的主要价值有两种截然差别的看法 。不过双方的配合之处在于，两种看法都对大数据保存一些误解，并对大数据的实质模糊不清 。

    误解1：大数据仅意味着数目重大

    “大数据”的名称自己就带有误导性，似乎数据库的巨细就是问题所在 。可是这并非唯一的因素 。英特尔欧洲、中东与非洲地区（EMEA）战略市场推广总 监Alan Priestley 以为，大数据尚有其它要素，最显着的是数据类型繁杂，且数据要求快速交付 。别的，企业还需要第一时间相识数据是否准确 。

    误解2：社交媒体最主要

    许多关于大数据的讨论都集中在社交媒体数据对企业的影响 。人们持有这种看法并不难明确：大都媒体的关注重点是获取客户最新信息这一古板营业 。而现 在，则意味着查找社交媒体互动，诸Twitter、Facebook、Insta-gram 等等 。 可是，Priestley指出，企业最常见的照旧机械天生的数据，包括网络日志、数据中心日志以及其它信息等 。

    他体现：“现在航空业也可以借助大数据的强鼎力大举量 。例如，他们可以使用并剖析航空旅行数据以展望可能保存的问题 。而在已往，他们只能在数小时的航行或爆发故障之后检查引擎 。谁也不希望故障爆发，但要是比及故障爆发以后才检查引擎，就已经太晚了 。 “借助大数据剖析，他们可以跟踪引擎的振动 。通过检查天生的数据，他们能够在数据发明异常时实时发出告警，安排检查引擎 。”

    作为示例，Priestley还先容了宝马公司是怎样乐成使用大数据的 。宝马公司的大宗汽车均可以通过3G手艺接入互联网 。通过使用大数据和相关剖析能 力，宝马公司可以跟踪这些汽车并联系车主 。虽然，相关示例尚有许多，例如信用卡公司可以实时核对诈骗生意，确保远程购置生意正当，而所有这些操作仅需数秒 钟 。英特尔自身也是大数据手艺的主要用户 。公司使用大数据控制晶圆制造工厂的效益，大幅地降低了本钱，镌汰铺张 。

    误解3：大数据就是Hadoop

    许多大数据的讨论都集中在Hadoop 。Apache项目的着名度虽然最高，它也是首个能够剖析并存储非结构化数据，以从中获取价值的工具 。可是， 它并不是唯一的工具 。Priestley体现：“有人以为只要最先使用Hadoop就万事无忧了，着实不然，古板数据客栈依然有保存的空间 。人们需要保存 现有的IT基础设施 。”

    Priestley 指出Hadoop 的吸引力在于，企业只需较量小的开销就可以获得大宗信息 。他增补说：“你可以在Apache 下载Hadoop，它是一款免费软件并可在标准服务器上运行 。其它替换计划就是购置Oracle或Teradata 等公司的集成解决计划 。但关于许多企业而言，这可能不是一个可行的选择，除非他们能够充分意识到通太过析数据可获得的优势 。”

    误解4：希望量化投资回报（ROI）

    企业都喜欢硬性数字 。首席信息官（CIO）一样平常喜欢这样说：迁徙至大数据的本钱是 X，将能够在三年内节约Y 。事实上，大数据并非云云 。从大数据妄想中获得清晰的投资回报（ROI）是很是难的 。正如Priestley 指出的，大宗的大数据实验是“假设信息”，很难界定 。

    客户关系管理（CRM）等对企业的影响可以快速丈量得出 。但与此差别的是，妄想接纳大数据的企业必需接受这一差别 。别的，企业针对重大项目的投资回 报（ROI）的头脑方法也似乎正在爆发转变 。以前企业以为ROI始终是一种可以轻松丈量的有形资产，并且营业优势一定会凌驾支出本钱 。但现在情形最先有所 转变 。

    最近，Claranet针对企业的云迁徙方法举行了一项视察 。视察效果批注，凌驾四分之一的受访者视ROI为决议因素之一，而79%的受访者以为 ROI盘算并不可真实反应营业优势 。虽然该视察主要针对云迁徙，可是由此可以合理推测，大数据迁徙的情形也不会有太大差别 。这二者均代表着一次未来的手艺 奔腾 。

    误解5：效果不可包管

    大数据是个未知数 。您正在做的就是剖析无法估量、难以确定的数字 。从实质上来说，大数据是禁止易明确或者是笼统的 。不然，您也就无需大数据手艺了 。 因此，企业必需熟悉到他们无法包管效果的准确性 。企业试图获得效果和找到假设的支持数据是徒劳无益的 。在上述示例中，航空公司可能希望飞机每50万航行小 时维护一次，可是若是飞机每20万航行小时就从空中坠落的话，航空公司的设想就将毫无意义 。

    若是说人们对大数据保存一些误解，那么，有关大数据的一些要害事实则需要不太看好大数据的企业去认真明确 。

    要害事实1：需要差别手艺

    大都视察家都认同数据科学家欠缺这一点 。麦肯锡公司展望，到2019年，全球将缺少高达19万可处置惩罚大数据的科学家 。缘故原由不难发明 。处置惩罚大数据项目需要完全差别于处置惩罚现有数据客栈实验的手艺 。并且它还不但仅限于数据处置惩罚，还要求能够将数据转换为可执行的建议 。

    “Hadoop 中有一个称为Map Reduce 的工具 。它需要Java 编程手艺，而这并不是当今许大都据剖析师具有的手艺 。”Priestley举例说到 。而事情还不止云云 。处置惩罚大数据的理想职员还需要相识营业流程、Java和统计知识，甚至还可能需要一些SQL手艺 。这是个大问题，因此许多人也以为数据科学家的欠缺将成为大数据手艺接纳的一个主要阻碍 。

    要害事实2：明确您的目的

    虽然企业不应当试图探讨确定的效果，可是他们应当明确企业目的，一个需要实现的目的 。例如，大数据可提高绩效的途径之一是网络越发准确的信息，包括小我私家数据、客户行为和购置决议等 。

    麦肯锡公司发明，数字之大令人震惊 。这家企业咨询公司声称，若是美国医疗工业接纳大数据，全美医疗用度将削减8% 。另外，麦肯锡公司提到，通过镌汰诈骗诉讼和增添税收，欧洲公共部分在运行效率方面可节约一千亿欧元 。

    要害事实3：人是推动因素

    大数据项目需要有人推动 。手艺并非要害问题 。这不是指那些具有上述数据科学家手艺的一些人，而是指那些能提出明确目的与需求，并能执行决议的一些人 。

    这些人并不需要特殊的管理手艺 。这些责任可能落在首席财务官（CFO）、首席信息（CIO）\甚至首席执行官（CEO）的肩上，但最终，需要有一小我私家担 负此重任 。正如Priestley所指出的：“大数据不但仅是手艺挑战，它照旧营业挑战 。企业需要相识这一点 。对此，使用模式很主要 。而在此方面，企业可 以有许多种模式，并以差别方法举行建模 。”

     要害事实4：不但仅是数据

    大数据剖析有三概略素：数据自己，数据剖析，以及效果的泛起 。拥有数据自己并没有现实意义 。数据自己就已保存 。主要的是如那里置、剖析数据并泛起重 要信息，以将数据转变为主要价值 �？勾笫菹钅啃枰苊芡� 。最好是从小规模起步，先实验单个项目，然后逐步扩展规模 。数据收罗之后需要举行详细的效果 剖析 。

    要害事实5：大数据涉及所有人

    许多关于大数据的讨论都聚焦在大型组织上，关于这些重大的权要机构来说，令人窒息的海量数据已经制约了组织的有用运行 。许多率先接纳大数据手艺的组织都属于这一领域，不过它们并不是唯一的受益者 。

    种种企业都希望获得评估隐藏数据并归纳模式的手艺 。有些小型企业需要处置惩罚大宗工业数据 。例如，FormulaOne设计公司的规模不大，可是管理的数据量十分重大，因此纵然是很小的企业也可以通过在一样平常事情中使用大数据而获益 。

    这些公司可能希望逾越Excel举行客户剖析，寻找客户购置模式 。例如，若是您的饭店菜单上一经有一道特色鱼，但厥后作废了 。那么当这道菜再次泛起 在菜单上可供主顾点用的时间，您就可以使用电子邮件通知之前一经点过这道菜的所有主顾 �；蛘�，若是您是一个酒商，您的库存里有某种葡萄酒正在酿造期，当它 们即将出库时，您可以提醒这种酒的喜欢者 。




网站地图