使用大数据无需实施捆绑式.PDFVIP

使用大数据无需实施“捆绑式” (Big Bang)解决方案或者投入巨额资金 虽然所有企业的高级管理层都在热议他们将会如何使用大数据及企业分析技术，但实际 实施只会发生在部门级别。在此报告中，我们将讨论大多数企业如何走近大数据以及他 们为何应该 （或者不应该）考虑“一键式大数据”解决方案。我们还将介绍大数据专家 IBM提供的一系列新系统。这些系统将把高端企业级与HPC技术带到大众化服务器领域 –并且产生令人称赞的大数据成效… 随着越来越多的企业开始扩建分析基础架构以及越来越多的供应商开始为满足这些需求而 制造产品，术语“大数据”将会不可避免地频繁出现。 虽然 “大数据”趋势的形成因素是高性能计算技术–但却深深扎根于宏观经济。全球化及 互联网给我们创造了前所未有的激烈竞争环境。为了参与竞争 （甚至只为谋取生存），企业 不能放过任何一个机会。这意味着他们需要同时利用自有数据 （与外部数据）来准确了解客 户最重视什么、最愿意花钱购买什么、未来需要什么。此外，企业还需要使用分析技术来简 化内部运营流程，以便提高效率。 在早期发展阶段 （大约两年前），大数据基本上是指用于操纵和查询大量非结构化数据的 当今的“大数据”使用模式 Hadoop或MapReduce工具– 如微博馈送或 web评论工具。 MapReduce 实时分析 但现在，如左图所示，MapReduce 已经远 建模与模拟 远不再是大数据游戏中的唯一玩家。在 数据挖掘 可视性 2011-2012年全面开展的“x86数据中心调 复杂事件处理 查”中，我们曾要求参与调查的企业回答 企业分析 他们是否正在使用 （以及如何使用）大数 据。 有些读者不免诧异，调查回答人在实际应用排名中居然会将大肆热炒的MapReduce排在最 后一位。其实他们不应感到诧异。MapReduce及Hadoop虽然备受关注，但是作为解决方 案，它们最擅长帮助客户分析与传统关系数据库不搭调的批比特级 （甚至艾比特级）数据。 例如，这些高级工具可用于对Facebook生成的数据或者传感器馈送的数据进行分类和分 析，但是，并非所有的企业现在都需要这些功能。正相反，大多数企业现在都不需要此 类功能。 我们之前常用的大数据定义现已经过扩展，将广泛的使用模式包含在内，如预测性分析、 实时分析、建模、复杂事件处理及其他分析模式。这些模式的共同点在于它们现在使用的 数据量 （及数据类型）都远远超过了之前的典型业务应用。由于企业需要基于分析结果做 出准实时决策，因此，现在的大数据分析经常是限时作业。 简言之，大数据趋势的形成诱因并不是技术行业销售更多的产品和服务；而是商业社会对竞 争日益激烈、演进速度飞速增长的市场形势做出的合理反应。 开始利用大数据 虽然有些企业已经开始使用大数据或各类企业分析技术，但仍有许多企业还在考察这些全 新 （或高度扩展的）使用模式如何能够帮助他们。他们知道大量的内外部数据中隐藏着未被 发现的巨大价值。他们知道若能设法将这些数据转变成洞察力，将能够帮助公司显著提高效 率、取悦客户、从本质上变成可以操纵全部数据的大师。 但是，如何做到这一点呢？ 这当然不是容易事。每个行业以及每个行业中的每位竞争者都是独一无二的。不同的公司 拥有不同的战略、产品、强项和弱项。这也是各公司不能按照同一个套路来成功操纵大数据 以及利用大数据给公司创造财富的原因。 这同样也是许多公司至今仍停留在考察阶段、试图明确了解如何才能从无尽数据流中挖掘 出大金块的原因。他们坚持对细节一丝不