大数据不是没用 而是不太好用
大数据这个词现在已然不再是IT圈的“专利”了,从去年的春晚,到刚刚过去的两会,都能见到它的身影,但实际上春晚与两会的数据都只能叫做小数据,它与真正的大数据还相差甚远。即便如此,数据所产生的价值已经被人们所认知。
就大数据来说,它的发展可以分成三个阶段,第一个阶段是组织内部的数据,这些数据通常都是结构化的数据,我们一般将这些数据进行分类、排序等操作,将相同类型的数据进行对比、分析、挖掘,总而言之基本上都是统计工作。到了第二阶段,数据的范围扩大到行业内,各种各样的应用数据出现,数据量大规模增长,尤其是非结构化数据的出现。典型的像视频、图片这一类的数据,在这一阶段的特点就是非结构化和结构化数据并存,且数据量巨大,要对这些数据进行分析是我们目前现阶段所处在的状态。
第三阶段则是未来大数据发展的理想化状态,首先它一定是跨行业的,且数据的范围是整个社会。通过对这些数据进行分析加以使用,将直接改变我们的生活方式,这也是现在很多企业所设想的未来交通、医疗、教育等领域的发展方向。
大数据太大不敢用
第三个阶段是我们所憧憬的,但在我们所处的第二阶段面对的更多是问题。其中的一个问题就是“大”。大数据给人最直观的感受就是大,它所带来的问题不仅仅是存储,更多的是庞大的数据没办法使用,以交通为例,从2001年开始在北京的主干道上都增设了一些卡口设备,到了今天基本上大街小巷都能看到。
这些设备每天所拍摄的视频及照片产生的数据量是惊人的,仅照片每天就能产生2千万张,而解决这些数据的存储只是最基本的任务,我们更需要的是使用这些数据。例如对套牌车辆的检查,对嫌疑车辆的监控,当你想要使用这些数据的时候,传统的数据库以及系统架构,放进这么庞大的数据,是根本跑不动的。这一问题导致很多企业对大数据望而却步。
大数据太难不会用
说到大数据的使用,自然离不开Hadoop,Hadoop本身提供了分布式系统中两个最重要的东西:分布式存储(HDFS)和分布式计算(Mapreduce)。这两者解决了处理大数据面临的计算和存储问题,但更为重要的是,为开发大数据应用开辟了道路。
Hadoop是目前解决大数据问题最流行的一种方式,但其仍然有不成熟的地方,曾作为雅虎云计算以及Facebook软件工程师的JonathanGray就表示:“Hadoop实施难度大,且复杂,如果不解决技术复杂性问题,Hadoop将被自己终结。”正是由于这样的原因,Gray创办了自己的公司——Continuuity,这家公司的目标就是在Hadoop和Hbase基础上创建一个抽象层,屏蔽掉Hadoop底层技术的复杂性。由此可见想要用好大数据又是一大考验。
大数据太贵用不起
Hadoop的特点就是让你可以使用廉价的x86设备来完成大数据的业务,但事实上如果你真想要用它来完成某些商业任务你还得是个“土豪”。在国外那些使用大数据的成功案例里,亚马逊曾给出过这样一组数字,NASA需要为45天的数据存储服务支付超过100万美元。像Quantcast这样的数字广告公司,同样也是花费了巨额的资金用在Hadoop技术上,来根据自己的需求定制系统。从上面两个案例来看用于商业用途的大数据现阶段还是很费钱的,随着大数据软件环境逐渐成熟,开发工具增多,价格在未来会逐渐降低。
从上面罗列的这三点困难,其实并不是要给大数据泼冷水,而是想说大数据想要淘金并不简单,首先在做大数据之前,好好盘点一下自己拥有的资源,不仅仅是数据资源,还包括知识与技能。确定了自己的能力之后,选择一个能够发挥你现有资源最大价值的项目。如果你需要帮手,应先考虑商业顾问,再考虑技术人才。为了解答一个生意上的困惑花下的钱,叫作投资,而把钱投到一个拥有特殊技能的IT人才身上,那就叫沉没成本。当你有了这些之后,选择更灵活且可扩展的工具,为以后的扩充打好基础。更重要的是——从小规模做起。
也许不远的将来,大数据分析会成为企业必备技能。但那一天还远远未曾到来。当那些供应商花了上百万美元布局大数据分析时,你可以放心,你并没有错过什么。而且你的钱花到了更需要的地方,获得了更多的效率和价值。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20