您当前的位置：首页 > 无限物联

大数据商业智能的十大戒律

2017-03-04 05:24:46

1-150HG04005Q9

导读：

不要将数据提取出来，做成数据集市和数据立方，由于“提取”就意味着转移

记住了，安全即服务。

扁平化会毁掉原始结构中所表达的重要关系。

用户希望和可视元素进行交互，得到他们正在寻觅的答案，而不是对你已提供给他们的结果进行交叉过滤。

创造数据的人很多，但利用数据的人却很少。

原文翻译：

如今，各路企业和组织都不再使用上1代架构来存储大数据。既然如此，为何还要使用上1代商业智能(BI)工具来进行大数据分析呢?在为企业选择BI工具时，应当遵照以下“10诫”。

第1诫：不要转移大数据

转移大数据代价高昂：毕竟，大数据很“大”，如果打包转移，负担太重。不要将数据提取出来，做成数据集市和数据立方，由于“提取”就意味着转移，会在保护、网络性能附加处理器方面造成缭乱庞杂的问题，出现两个逻辑上相同的备份。让BI深入更底层运行数据就是大数据萌生的最初动力。

第2诫：不要偷窃!或说不要违背企业安全政策

安全并不是可有可无。不幸的是，数据泄漏事件频繁产生，这表明实现安全并不是易事。要选择能够利用现有安全模型的BI工具。依托Ranger、Sentry、Knox等综合性安全系统，大数据可使实现数据安全变得更加容易，现在就连Mongo数据库都有了使人惊叹的安全架构。所有那些模型都允许你插入权限、将用户信息1路传播到利用层、实行可视化的授权和提供与该授权相干的数据志。记住了，安全即服务。

　第3诫：不要依照用户数和数据量付费

大数据的1个主要好处在于，如果做好了，它就可以实现极高的性价比。把5PB数据存储到Oracle可能会让你倾家荡产，但存储到大数据系统则不会。虽然如此，在付钱购买之前，应当警惕某些价格圈套。有些BI利用依照数据量或索引数据量向用户收费。千万当心!数据量和大数据使用量出现指数式增长是再平常不过的事情，我们的客户曾目击其访问量在短短几个月时间里从数百亿次猛增到数千亿次，用户数扩大50倍。这是大数据系统的另外一个好处：渐进式可扩大性。不要被低价所迷惑，去购买1种会对企业增长征收“高税”的BI工具。

第4诫：要贪大胆鉴戒他人的可视图

分享静态图表?这些我们已做过了，不管是PDF文档、PNG图片还是电邮附件里，到处都在传播静态图表。但对大数据和BI，静态图表还远远不够：你具有的1切不过都是些漂亮的图片罢了。你应当让任何人都能够为所欲为地与你的数据进行交互。应当把可视化看做是驾驭数据的交互式线路图。为何要闭门造车呢?将交互式可视化手段公之于众只是第1步。看看Github的模式就知道。与其说“这是我的终究发布产品”，不如说“这是1幅可视图，复制下来，分解它，我就是从中得到那些见解，看看它还能用于其他哪些领域”。这会其他人从你的见解中学到有用的东西。

第5诫：要分析天然形态的数据

大数据是“非结构化”的，这样的说法我们已听过太多太多。其实不然。财务和传感器会产生大量的键值对。JSON(多是当下最流行的数据格式)可以是半结构化、多结构化等等，Mongo数据库对这类数据格式下了重注。JSON具有好处理和可范围化的优点，但如果把它转换成表格，表达力就会丢失。很多大数据依然被制成表格，通常具有数千栏。你不能不为所有的值寻觅关系：“在那种情况下……从这里选择这个”。扁平化会毁掉原始结构中所表达的重要关系。阔别那些对你说“请把数据转换成表格，由于我们1直都这么干”的BI解决方案。

第6诫：不要无穷期地等待结果

在2016年，我们预计数据处理速度将会变得快起来。1个典型方法是联机分析处理(OLAP)立方，本质上就是把数据转移到预计算缓存，从而加快处理速度。问题在于，你必须提取和转移数据(请看第1诫)，以便建造数据立方，然后才能加快速度。现在，这类方法能够在1定的数据范围下良好运转，但如果临时表格过于庞大，你的笔记本电脑在试图将表格本地化的时候就会崩溃。当你提取新数据重建缓存时，新数据的分析就会中途停下来。另外还要注意样本问题，你可能会得到1个看起来不错、效果很好的可视图，但最后却发现全不对路，而问题就出在缺少大局观。要选择那些能便捷地不断调剂数据的BI工具。

第7诫：不要制作报告，而要打造利用

在很长1段时间里，“取得数据”意味着取得报告。在大数据时期，BI用户希望从多个来源取得异步数据，这样他们就不需要刷新任何东西，就好像阅读器和移动装备上运行的其他各种东西。用户希望和可视元素进行交互，得到他们正在寻觅的答案，而不是对你已提供给他们的结果进行交叉过滤。Rails等框架使打造Web利用变得更加简单。为何不对BI利用做一样的事情呢?没理由不对这些利用、利用程序接口(API)、模板、可重用性等等采取类似的做法。现在是时候通过现代Web利用开发的透镜来看待BI。

　第8诫：要利用智能工具

在提供基于数据的可视图方面，BI工具已证明了自己的能力。现在则轮到在模型和缓存的自动保护上下工夫，这样1来，终端用户就没必要操这个心了。在庞大的数据范围下，自动保护几近是不可或缺的，我们可以从用户和数据与可视图的交互中取得大量信息，现代工具应当使用这些信息来对数据网络效应加以利用。另外，要选择那些内置全面搜索能力的工具，由于我曾见过有些客户具有不计其数的可视图。你需要1种迅速查找的方法，在网络的终年熏陶之下，我们已习惯了搜索，而不是翻找菜单。

第9诫：要超出基本范畴

如今的大数据系统由于预测分析能力而著称。相干性、预测和其他功能使企业用户比以往任什么时候候都能更便捷地进行高级分析。不需要编程经验就可以处理大数据的可视化技术让分析师如有神助，超出了基本分析的范畴。为了实现其真实的潜力，大数据不应当依赖于每一个人都变成R预言程序员。人类非常善于处理可视化信息，我们必须更加努力地将可视化信息显现在人们眼前。

第10诫：不要只是站在数据湖边，等着数据科学家来干活儿

不管你是把大数据当做数据湖还是企业数据中心，Hadoop已改变了数据的处理速度和存储本钱，我们每天都在创造更多的数据。但在真正利用大数据为企业用户服务方面，常常存在1种“只写系统”——创造数据的人很多，但利用数据的人却很少。

其实，用Hadoop里的数据可以为企业用户解答数不清的问题。BI讲求的是打造数据可视化利用，为平常决策提供支持。企业里的每一个人都希望做出数据驱动的决策。把大数据能够解答的所有问题局限于需要数据科学家来处理的问题，这是奇耻大辱。

TAG：