大數據之路不乏荊棘，然則其中的機遇卻高于一切

2013-09-24 11:17:12 CSDN.NET　點擊量：評論 (0)

數據體積龐大、數據類型的繁多、處理速度上近實時的苛刻需求、人才的匱乏，大數據應用之路上從不乏挑戰，然而提高生產力，分析趨勢、幫助競爭等優勢卻誘惑著更多的機構步上這條荊棘之路。

隨著生活越來越豐富，大數據也變得越來越難以處理；同時因為數據體積增大、數據類型繁多，技術人員在分析過程中不得不克服大量的挑戰和障礙。本文將討論為什么數據會變得越來越復雜及難以管理，以及在我們分析、整合及存儲這些數據時又會面臨哪些挑戰及障礙，當然還有大數據又會給未來帶來什么樣的機遇。

大數據確實很大并且很復雜

大數據究竟有多大

舉個簡單的例子，去參加一個小朋友的生日派對。在出發時，你會發送一個tweet說明一下，數據隨之產生。車在半路上，停車加油，付款時果斷產生了數據。在超市購買生日卡片，掃描購物卡、結賬同樣產生了數據。在生日派對中，拍個照片，錄段視頻，當你在Facebook、Flickr以及Youtube上發布時同樣產生了數據。在派對過程中發送的消息，同樣產生了數據。貫穿整個過程，你的手機因不停的發送GPS位置而產生數據，你的車因為不停的追蹤燃耗而產生數據。由此可見，我們在日常行為活動中產生了大量的數據。

通過IBM了解到，我們每天大約建立2.5 quintillion（1 000 000³）字節的數據，而在過去兩年建立了總數據量的90%，同時數據體積以指數的方式增加。隨著公司數據捕獲能力的增強、多媒體變得流行、社交媒體會話的增加以及使用互聯網做更多的事情，數據的體積也不可思議的速度激增。

大數據究竟有多復雜

大數據是復雜的。之所以復雜因為數據的多樣性，其中包括結構化數據和非結構化數據。大數據的復雜還在于交付和使用的速度，比如“實時”。并且，大數據的復雜還在于數據的體積。以前家用存儲說的是MB和GB，現在講的已經是TB了，而企業早已跨入PB單元。

大數據市場

大數據增加了信息管理業務的需求，比如Software AG、Oracle Corporation、IBM、Microsoft、SAP、EMC和HP已經支付150億美元給專門從事數據管理和分析的軟件公司。在2010年，這個產業自身的價值已經超過1000億美元，并以每年10%的速度增長著——比整個軟件業務快2倍。

發達經濟體讓大數據密集型技術得到更廣泛的使用。世界范圍內，有46億的移動終端在產生數據，有10到20億人在訪問互聯網。在1990到2005期間，超過10億人進入了中產階級，更多富起來的人同樣導致了信息的增長。在1986年，世界電信網絡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，預計的通信總量為667 EB。

大數據分析

大數據需求在可容忍時間內對大體積數據進行處理特殊的技術，大數據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），在并行的內部處理節點中混合使用了高速SSD與高容量SATA磁盤。而當下的共享儲存架構SAN及NAS已被扣上緩慢、復雜及昂貴的頭銜，該類型架構完全不符合現下大數據技術在性能、商用服務器及低成本上的標準。

實時及近實時的信息交付已成為大數據分析的界定特征，盡可能的避免延時同樣成為大數據技術的首要挑戰之一。數據更希望被存儲在內存中，而不是其他終端FC SAN連接的機械硬盤上。同樣在大數據情景下，SAN模式下對分析應用程序的要求上比其它類型存儲要高得多。

當然，共享存儲在大數據分析情景下也有著自己的優勢，但是自2011年以后，已不為絕大多數大數據實踐者所采納。

大數據挑戰及障礙

鑒于復雜性，大數據處理面臨著一系列挑戰：

1. 在類似文本或視頻的非結構化數據上，我們要如何去理解及使用。

2. 我們該如何在數據產生時捕獲最重要的部分，并實時的將它交付給正確的人。

3. 鑒于當下的數據體積和計算能力，該如何儲存、分析及理解這些數據。

4. 缺乏人才

當下討論最多的問題就是缺乏大數據人才，值得慶幸的是許多教育機構都針對此開設了相應的學術課程。而我們也看到一些更好的現象，企業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途徑。

5. 其它一些固有的挑戰，隱私、訪問安全以及部署

通過EIU（Economist Intelligence Unit）與Lyris（數字化營銷軟件提供商）最新的報告“Mind the Digital Marketing Gap”了解到，37%的營銷主管發現大數據解析到決策制定的轉換上存在著非常大的挑戰，而45%認為他們不具備有效的大數據分析能力。

24%的營銷人員表示他們一直在使用大數據技術來發現見解并制定市場策略，盡管其中大多數人只是偶爾使用數據做可行性分析及個性化客戶通信。