摘要：“大數據”這一術語跟隨著茂丘西奧的足跡：以其不可阻擋之勢橫掃了企業分析和商業智能（BI）領域，通常還伴隨著其瑯瑯上口的“三V”口號（數量，速度和種類）。大數據及其一同帶來的新技術和新的商業模式已經開始以許多專家認為是罕見的方式被企業所接受。

兩個角色定義大數據
　　
　　關于大數據的早期討論集中于數據管理問題方面。傳統的流動數據到企業級數據倉庫（EDW）的方法很難跟上需求。一些分析專家認為大數據將最終導致EDW的消亡，但這次峰會的與會者傾向于采用更保守的前景。技術可以更好地解決一些大數據的挑戰：解析關系型數據庫，像Hadoop這樣的非關系型數據庫，流處理系統，將被整合在一起為企業級數據倉庫工作，根據懷特介紹。“人們想在更長的時間內存儲更多的數據，但他們沒有能力做到這一點。”他說。“大數據的最大的用例之一是數據中心。”
　　
　　在這種情況下，企業要獲得約10年的詳細數據，將企業級數據倉庫與用于存儲最新的數據進行拆分，而第二個平臺，例如Hadoop，可以用相當較低的成本存儲較舊的數據，根據懷特介紹。
　　
　　盡管關于大數據的討論，有時無法超越數據管理的范疇，懷特說。大數據不是完全由數據是如何管理來定義的；其還涉及到企業對大數據的見解。”這是我們應該解決的分析問題，而不僅僅只是管理問題。”他說。”是你如何處理大數據的問題。”
　　
　　分析是至關重要的，弗萊曼同意這一觀點。大數據也同樣影響著企業如何進行分析工作。例如，當一家企業擁有大量信息或數據流時，移動數據從一個地方到另一個地方便不是一個有效的模型，她說。我們的裝配信息的方式實際上在當我們研究數據時就已經改變了很多。她補充說。
　　
　　業務分析師（那些知道需要考察大數據哪些問題以及如何看待這些問題的人）在處理數據時，將需要發揮更加突出的作用。這是因為大數據的問題往往是業務問題，而不是結構或數據的管理風格的問題，弗萊曼說。企業也需要相關的算法應用程序，以幫助篩選數據，區分哪些數據是相關的，哪些是無用的。這些應用程序將變得比可視化工具更為重要，被稱為大數據分析的關鍵，成為了懷特和弗萊曼在此次峰會上演示的重點。利用科技能夠處理更大，更快，更多不同類型的數據，在密集和復雜的環境中，有可能變得很難想像，她說。
　　
　　“當您要做出相關的決定時，你必須要運用算法分析表面有關的數據，最重要的有趣的信息。”弗萊曼說。當我們在分析傳感器數據或社會數據資料時，我覺得有很多的信息相當無趣，甚至沒有價值。但是重要的是要關注其調查結果的模式。
　　
　　數據管理+分析
　　
　　耦合，數據管理和分析可以幫助企業走向新的方向，根據弗萊曼和懷特介紹。因為他們結合了傳統的數據與新的數據源，提出了新問題，他們將分析教給新用戶，幫助他們發現新的機遇。這就是我們要給予在硅谷的很多初創公司的建議，如果他們不具備分析大數據的能力，就不會有生意。”弗萊曼以一家加州山景城的一家SST公司為例。
　　
　　這家小企業成立于1995年，專注于槍聲探測技術，其技術已部署到美國警察部門和政府機構。從本質上講，SST旗下產品是一種數據服務，取決于其實時分析數據的能力，進而識別槍聲和發出適當的警報，弗萊曼解釋。
　　
　　但是濫用或過度使用大數據這一術語，已成為本次行業峰會與會者們所達成的一個關鍵性的共識。大數據的關鍵并不在于它是新的東西；相反，這只是企業業務的延伸。大數據是一種進化，專家說。

原文鏈接：http://www.jifang360.com/news/2012910/n670039958.html