传统IT架构OUT了!大数据时代需新思维(1)
尽管周围对大数据的好处仍然描绘得多么天花乱坠,但不得不说,当前指导数据架构的理念体系其实已经过时了。如今大数据的情形已在近期发生了极大的改变。
在如今科技快速发展的时代,较之以往企业已经能够以更快的速度和更低的成本来获取和储存大量的数据。有人甚至认为,科技很快就能让大数据分析变得“像使用Excel一样容易”。在其他如潮水般涌起的革命性数据科学当中,最令人感到兴奋的莫过于能够实时掌握消费者和物联网的动态,但是,这恐怕容易使得企业陷于另一种困境。
日本信息通信技术(ICT)企业美国公司首席信息官尼尔·贾维斯(Neil Jarvis)表示:“企业已经知道他们能够越来越容易地获取和储存大量自身业务和世界范围内产生的数据。而所谓公司的麻烦是指,该如何正确利用这些数据——判断出哪些才是相关的、有用的,哪些是需要过滤掉的。最重要的是,哪些才是有助于推动业务发展的。”
因此,思想转变的第一步应是观察数据的方式。如今数据不再是一种静态的可支配资源,其意义不再像以往那样局限于一种单一的目的,而是或许已经成为延伸至多种功能用途的数据处理了。作为一种可再生资源,其价值的衡量不应是视其底线而定,而是应该将其视为一种不仅能带来价值增长,而且能够提供价值增长的机会的资产。数据作为商业的一种原材料也和其他生产的原材料一样,正是它能够被应用于各种各样的领域而使得其价值超越了作为原始产品本身。
以IBM近期对从美国本田汽车公司和太平洋电力公司收集而来的数据的应用为例,最初,太平洋煤气电力公司收集数据是为了管理其服务的稳定性,而本田收集电动汽车的数据是为了提高经营效率,但是,IBM则能够将两者建成数据集并整合成一个数据系统,通过这个系统,本田的车主能够从中掌握何时何地需要为汽车充电的节奏,能源供应商则能够对电力负荷进行相应的调整。
云计算公司Replicon联合创始人兼CEO Raj Narayanaswamy指出:
“今天,每一个行业和企业都面临着将数据转化为明确的成果的艰巨任务。数据的指数级增长意味着,每一个组织都极其有必要去建立合适的体系结构来使得数据的利用达到最大化。获得成功的关键是建立一个全面的数据产业价值链,包括数据发掘、集成和评估,而不是按照传统的做法部署以应用程序为中心的模式。”
对于一个企业来说,理解数据集成的重要性是创造新的价值的前提。假若对数据的理解仍然维持在单一和特定用途的层面,那么在数据开发过程中容易出现缺乏灵活性、信息不全面的情况,在利用数据开发未来机遇方面,组织或将会陷于被动的境地。而成功的例子的则要数亚马逊和Salesforce了,这两家公司借助策略性的数据管理方式而在短期内获得了规模式的增长。
数据应用的周期或许可以划分为七个步骤:发现、获取、加工、帅选、集成、分析和揭露。其中每一个步骤都至关重要,每一个有效用的策略也许都是建立在由上述七个步骤组成的数据体系之上的。云计算公司LiasonTechnologies的首席执行官Bob Renner对此作出了总结性分析:
“人们大部分的注意力(市场价值观)都放在了分析和结果量化的最后阶段——蕴藏着商务决策的阶段。这也确实是数据分析在历经万难之后最终的价值所在。但是,没有了前面的准备步骤,我们也不可能一步登天地就能在最后一步获得想要的结果。事实上,在开始使用分析算法来对数据进行解读之前,数据科学家都要花费大量的时间进行数据清理,以保证数据的质量。”
良好的数据科学离不开高质量的数据资料和管控数据质量的必要步骤,尤其是往往遭到忽视的数据集成。通常来说,有价值的大数据都是在这一个步骤里发现的。如果组织在一开始就以另一种心态(非如今固化的理念)来着手数据管理,他们就能够在控制成本和效用上掌握主动权。
大数据需要一个独特的基础,正如数据分析公司Green House Data的首席技术官科特妮·汤普森(Cortney Thompson)所言:“大数据可能意味着你需要大幅修正自家的IT基础设施,传统IT的配置并不能支持大数据。”据悉,有些公司会为了实现质的飞跃而新任命一名数字业务总监。而一个优秀的数字业务经理需要知道如何确保将那些非结构化的数据转化为可操作的信息材料。
那么,我们将如何可以从当前宣传大于实用的状况中获得突破呢?首先,如前文所述,充分理解大数据应用完整的操作周期,做到不忽视任何一个步骤的重要性,然后从传统的以应用为中心的传统思想中解放出来,建立灵活的、可持续利用的数据分析框架。“数据驱动的发现从根本上改变了我们工作和生活的方式,而那些掌握了大数据应用的人可以说是掌握了一项和同龄人竞争的优势。”
数据分析咨询请扫描二维码
在现代信息技术的广阔世界中,大数据架构师扮演着至关重要的角色。他们不仅引领着企业的数据战略,还通过技术创新推动业务的不断 ...
2024-11-04在当今数字化时代,数据分析师已成为企业关键角色,帮助决策者通过数据驱动的洞察实现业务目标。成为一名成功的数据分析师,需要 ...
2024-11-03在当今数字化的世界中,数据分析已经成为推动商业决策的关键因素。随着公司和组织越来越依赖数据来驱动业务战略,对数据分析专 ...
2024-11-03《Python数据分析极简入门》 第2节 2 Pandas数据类型 Pandas 有两种自己独有的基本数据结构。需要注意的是,它固然有着两种数据 ...
2024-11-01《Python数据分析极简入门》 第2节 1 Pandas简介 说好开始学Python,怎么到了Pandas? 前面说过,既然定义为极简入门,我们只抓 ...
2024-10-31在当今数据驱动的世界中,数据科学与工程专业的重要性愈发凸显。无论是推动技术进步,还是在商业决策中提供精准分析,这一专业都 ...
2024-10-30在当今信息爆炸的时代,数据已成为企业决策和战略制定的核心资源。爬虫工程师因此成为数据获取和挖掘的关键角色。本文将详细介绍 ...
2024-10-30在当今数据驱动的世界中,数据分析是揭示商业洞察和推动决策的核心力量。选择合适的数据分析工具对于数据专业人士而言至关重要。 ...
2024-10-30能源企业在全球经济和环境保护双重压力下,正面临前所未有的挑战与机遇。数字化转型作为应对这些挑战的关键手段,正在深刻变革传 ...
2024-10-30近年来,随着数据科学的逐步发展,Python语言的使用率也越来越高,不仅可以做数据处理,网页开发,更是数据科学、机器学习、深度 ...
2024-10-30大数据分析师证书 针对不同知识,掌握程度的要求分为【领会】、【熟知】、【应用】三个级别,考生应按照不同知识要求进行学习。 ...
2024-10-30《Python数据分析极简入门》 附:Anaconda安装教程 注:分Windows系统下安装和MacOS系统安装 1. Windows系统下安装 第一步清华大 ...
2024-10-29拥抱数据分析的世界 - 成为一名数据分析工程师是一个充满挑战和机遇的职业选择。要成功地进入这个领域,你需要掌握一系列关键技 ...
2024-10-28降本增效:管理战略的关键 企业管理中的降本增效不仅是一项重要的战略举措,更是激发竞争力、提高盈利能力的关键。这一理念在当 ...
2024-10-28企业数字化是指利用数字技术和信息化手段,对企业的各个方面进行改造和优化,以提升生产效率、服务质量和市场竞争力的过程。实现 ...
2024-10-28数据科学专业毕业后,毕业生可以选择从事多种不同的岗位和领域。数据科学是一个快速发展且广泛应用的领域,毕业生在企业、学术界 ...
2024-10-28学习数据科学与大数据技术是当今职业发展中至关重要的一环。从基础到高级,以下是一些建议的课程路径: 基础课程: Python编程 ...
2024-10-28在信息技术和数据科学领域,数据架构师扮演着至关重要的角色。他们负责设计和管理企业中复杂的数据基础设施,以支持数据驱动的决 ...
2024-10-28进入21世纪以来,随着信息技术的迅猛发展,大数据已经成为全球最具影响力的技术之一,并成为企业数字化转型的核心驱动力。大数据 ...
2024-10-28随着科技的迅猛发展,数字化转型已成为现代企业保持竞争力和推动增长的关键战略之一。数字化不仅仅是技术的应用,它代表着一种全 ...
2024-10-28