簡介
在確定投資大數(shù)據(jù)解決方案之前，評估可用于分析的數(shù)據(jù);通過分析這些數(shù)據(jù)而獲得的洞察;以及可用于定義、設計、創(chuàng)建和部署大數(shù)據(jù)平臺的資源。詢問正確的問題是一個不錯的起點。使用本文中的問題將指導您完成調(diào)查。答案將揭示該數(shù)據(jù)和您嘗試解決的問題的更多特征。
盡管組織一般情況對需要分析的數(shù)據(jù)類型有一些模糊的理解，但具體的細節(jié)很可能并不清晰。畢竟，數(shù)據(jù)可能具有之前未發(fā)現(xiàn)的模式的關鍵，一旦識別了一種模式，對額外分析的需求就會變得很明顯。要幫助揭示這些未知的未知信息，首先需要實現(xiàn)一些基本用例，在此過程中，可以收集以前不可用的數(shù)據(jù)。構建數(shù)據(jù)存儲庫并收集更多數(shù)據(jù)后，數(shù)據(jù)科學家就能夠更好地確定關鍵的數(shù)據(jù)，更好地構建將生成更多洞察的預測和統(tǒng)計模型。
組織可能也已知道它有哪些信息是不知道的。要解決這些已知的未知，組織首先必須與數(shù)據(jù)科學家合作，識別外部或第三方數(shù)據(jù)源，實現(xiàn)一些依賴于此外部數(shù)據(jù)的用例。
本文首先嘗試回答大多數(shù) CIO 在實施大數(shù)據(jù)舉措之前通常會提出的問題，然后，本文將重點介紹一種將幫助評估大數(shù)據(jù)解決方案對組織的可行性的基于維度的方法。
我的大數(shù)據(jù)問題是否需要大數(shù)據(jù)解決方案?
大數(shù)據(jù)，曾幾何時似乎很少出現(xiàn)
組織多半會選擇以增量方式實現(xiàn)大數(shù)據(jù)解決方案。不是每個分析和報告需求都需要大數(shù)據(jù)解決方案。如果對于對大型數(shù)據(jù)集或來自多個數(shù)據(jù)源的臨時報告執(zhí)行并行處理的項目，那么可能沒有必要使用大數(shù)據(jù)解決方案。
隨著大數(shù)據(jù)技術的到來，組織會問自己：“大數(shù)據(jù)是否是我的業(yè)務問題的正確解決方案，或者它是否為我提供了業(yè)務機會?”大數(shù)據(jù)中是否隱藏著業(yè)務機會?以下是我從 CIO 那里聽到的一些典型問題：
? 如果我使用大數(shù)據(jù)技術，可能會獲得何種洞察和 業(yè)務價值？
? 它是否可以擴充我 現(xiàn)有的數(shù)據(jù)倉庫？
? 我如何評估 擴展當前環(huán)境 或采用新解決方案的成本？
? 對我現(xiàn)有的 IT 治理 有何影響？
? 我能否 以增量方式實現(xiàn) 大數(shù)據(jù)解決方案？
? 我需要掌握哪些 具體的技能 來理解和分析構建和維護大數(shù)據(jù)解決方案的需求？
? 我的 現(xiàn)有企業(yè)數(shù)據(jù) 能否用于提供業(yè)務洞察？
? 來自各種來源的 數(shù)據(jù)的復雜性 在不斷增長。大數(shù)據(jù)解決方案對我有幫助嗎？維度可幫助評估大數(shù)據(jù)解決方案的可行性
為了回答這些問題，本文提出了一種依據(jù)下圖中所示的維度來評估大數(shù)據(jù)解決方案的可行性的結構化方法。
? 來自可通過分析數(shù)據(jù)獲得的洞察的業(yè)務價值
? 針對新數(shù)據(jù)來源和數(shù)據(jù)使用方式的治理考慮因素
? 擁有相關技能和贊助商的承諾的人員
? 捕獲的數(shù)據(jù)量
? 各種各樣的數(shù)據(jù)源、數(shù)據(jù)類型和數(shù)據(jù)格式
? 生成數(shù)據(jù)的速度，需要對它執(zhí)行操作的速度，或者它更改的速度
? 數(shù)據(jù)的真實性，或者數(shù)據(jù)的不確定性和可信賴性
對于每個維度，我們都給出了一些關鍵問題。依據(jù)業(yè)務上下文，為每個維度分配一個權重和優(yōu)先級。評估會因業(yè)務案例和組織的不同而有所不同。您可以考慮在與相關的業(yè)務和 IT 利益相關者召開的一系列研討會中探討這些問題。
業(yè)務價值：可通過大數(shù)據(jù)技術獲取何種洞察?
許多組織想知道，他們在尋找的業(yè)務洞察能否通過大數(shù)據(jù)解決方案解決。沒有權威的指南能夠用來定義可從大數(shù)據(jù)獲取的洞察。具體場景需要由組織識別，而且這些場景在不斷演變。在確定和識別在實現(xiàn)后會給企業(yè)帶來重大價值的業(yè)務用例和場景的過程中，數(shù)據(jù)科學家起著至關重要的作用。
數(shù)據(jù)科學家必須能夠理解關鍵績效指標，對數(shù)據(jù)應用統(tǒng)計算法和復雜算法來獲得一個用例列表。用例因行業(yè)和業(yè)務不同而有所不同。研究市場競爭對手的行動、發(fā)揮作用的市場力量，以及客戶在尋找什么，會很有幫助。下表給出了來自各行各業(yè)的用例示例。
表 1. 來自各行各業(yè)的示例用例
潛在的客戶正在社交網(wǎng)絡和評論站點上生成大量新數(shù)據(jù)。在企業(yè)內(nèi)，隨著客戶切換到在線渠道來執(zhí)行業(yè)務和與公司交互，交易數(shù)據(jù)和 Web 日志與日俱增。
確定數(shù)據(jù)的優(yōu)先級
首先為企業(yè)內(nèi)存在的數(shù)據(jù)創(chuàng)建一個清單。識別內(nèi)部系統(tǒng)和應用程序中存在的數(shù)據(jù)以及從第三方傳入的數(shù)據(jù)。如果業(yè)務問題可使用現(xiàn)有數(shù)據(jù)解決，那么有可能不需要使用來自外部來源的數(shù)據(jù)。
請考慮構建一個大數(shù)據(jù)解決方案的成本，并權衡它與帶給業(yè)務部門的新洞察的價值。
在有關現(xiàn)有客戶的歸檔數(shù)據(jù)的上下文中分析此新數(shù)據(jù)時，業(yè)務人員將獲得對新業(yè)務機會的洞察。
主要滿足以下條件，大數(shù)據(jù)可提供可行的解決方案：
? 從數(shù)據(jù)中開發(fā)的洞察所生成的價值，值得在大數(shù)據(jù)解決方案中投入的資本成本
? 面向客戶的場景可證明來自洞察的潛在價值
評估通過大數(shù)據(jù)解決方案獲取的業(yè)務價值時，請考慮您當前的環(huán)境是否可擴展并權衡此投資的成本。
我當前的環(huán)境能否擴展?
詢問以下問題，確定您能否擴充現(xiàn)有的數(shù)據(jù)倉庫平臺?
? 當前的數(shù)據(jù)集是否非常大，是否達到了 TB 或 PB 數(shù)量級？
? 現(xiàn)有的倉庫環(huán)境是否包含生成或獲取的所有 數(shù)據(jù)的存儲庫？
? 是否有大量冷數(shù)據(jù)或人們很少接觸的數(shù)據(jù)未分析，可以通過分析這些數(shù)據(jù)獲得業(yè)務洞察？
? 您是否需要丟棄數(shù)據(jù)，因為無法存儲或處理它？
? 您是否希望能夠在復雜且大量的數(shù)據(jù)上執(zhí)行數(shù)據(jù)探索？
? 您是否希望能夠對非操作數(shù)據(jù)執(zhí)行分析？
? 您是否有興趣使用數(shù)據(jù)執(zhí)行傳統(tǒng)和新類型的分析？
? 您是否試圖延遲對現(xiàn)有數(shù)據(jù)倉庫的升級？
? 您是否在尋求途徑降低執(zhí)行分析的總體成本？
如果任何這些問題的答案是 “是”，那么您就可以探索擴充現(xiàn)有數(shù)據(jù)倉庫環(huán)境的方式。擴展我當前的環(huán)境的成本是多少?
擴展現(xiàn)有數(shù)據(jù)倉庫平臺或 IT 環(huán)境與實現(xiàn)大數(shù)據(jù)解決方案的成本和可行性取決于：
? 現(xiàn)有工具和技術
? 現(xiàn)有系統(tǒng)的可伸縮性
? 現(xiàn)有環(huán)境的處理能力
? 現(xiàn)有平臺的存儲能力
? 執(zhí)行的治理和策略
? 現(xiàn)有 IT 應用程序的異構性
? 組織中存在的技術和業(yè)務技能。
它還依賴于將從新數(shù)據(jù)來源收集的數(shù)據(jù)量、業(yè)務用例的復雜性、處理的分析復雜性，以及獲取數(shù)據(jù)和擁有恰當技能集的人員的成本?，F(xiàn)有的資源池能否開發(fā)新的大數(shù)據(jù)技能，或者是否可從外部雇傭擁有稀缺技能的人員?
請注意，大數(shù)據(jù)舉措會對其他正在實施的項目產(chǎn)生影響。從新的來源獲取數(shù)據(jù)具有很高的成本。您首先應當識別系統(tǒng)和應用程序內(nèi)部存在的數(shù)據(jù)，以及目前收到的第三方數(shù)據(jù)，這一點很重要。如果業(yè)務問題可以使用現(xiàn)有數(shù)據(jù)解決，那么有可能不需要使用來自外部來源的數(shù)據(jù)。
在生成新工具和應用程序之前，請評估組織的應用程序組合。例如，一個普通的 Hadoop 平臺可能無法滿足您的需求，您可能必須購買專業(yè)的工具?；蛘呦鄬Χ?，Hadoop 的商業(yè)版本對當前用例而言可能很昂貴，但可能需要用作長期投資來支持一個戰(zhàn)略性的大數(shù)據(jù)平臺?？紤]大數(shù)據(jù)工具和技術需要的基礎架構、硬件、軟件和維護的成本。
對數(shù)據(jù)的治理和控制：對現(xiàn)有的 IT 治理有何影響?
在決定是否實現(xiàn)一個大數(shù)據(jù)平臺時，組織可能會查看新數(shù)據(jù)源和新的數(shù)據(jù)元素類型，而這些信息當前的所有權尚未明確定義。一些行業(yè)制度會約束組織獲取和使用的數(shù)據(jù)。例如，在醫(yī)療行業(yè)，通過訪問患者數(shù)據(jù)來從中獲取洞察是否合法?類似的規(guī)則約束著所有行業(yè)。除了 IT 治理問題之外，組織的業(yè)務流程可能也需要重新定義和修改，讓組織能夠獲取、存儲和訪問外部數(shù)據(jù)。
請在您的情況的上下文中考慮以下治理相關問題：
安全性和隱私— 為了與當?shù)胤ㄒ?guī)一致，解決方案可以訪問哪些數(shù)據(jù)?可以存儲哪些數(shù)據(jù)?哪些數(shù)據(jù)應在移動過程中加密?靜止數(shù)據(jù)呢?誰可以查看原始數(shù)據(jù)和洞察?
數(shù)據(jù)的標準化— 是否有標準約束數(shù)據(jù)?數(shù)據(jù)是否具有專用的格式?是否有部分數(shù)據(jù)為非標準格式?
數(shù)據(jù)可用的時段— 數(shù)據(jù)在一個允許及時采取操作的時段是否可用?
數(shù)據(jù)的所有權— 誰擁有該數(shù)據(jù)?解決方案是否擁有適當?shù)脑L問權和權限來使用數(shù)據(jù)?
允許的用法：允許如何使用該數(shù)據(jù)?
我能否增量地實現(xiàn)大數(shù)據(jù)解決方案?
大數(shù)據(jù)解決方案可以采用增量方式實現(xiàn)。明確地定義業(yè)務問題的范圍，并以可度量的方式設置預期的業(yè)務收入提升，這樣做會很有幫助。
對于基礎業(yè)務案例，請仔細列出問題的范圍和解決方案帶來的預期收益。如果該范圍太小，業(yè)務收益將無法實現(xiàn)，如果范圍太大，獲得資金和在恰當?shù)钠谙迌?nèi)完成項目就會很有挑戰(zhàn)性。在項目的第一次迭代中定義核心功能，以便能夠輕松地贏得利益相關者的信任。
人員：是否已有恰當?shù)募寄懿⒄{(diào)整了合適的人員?
需要特定的技能來理解和分析需求，并維護大數(shù)據(jù)解決方案。這些技能包括行業(yè)知識、領域專長，以及有關大數(shù)據(jù)工具和技術的技術知識。擁有建模、統(tǒng)計、分析和數(shù)學方面的專業(yè)經(jīng)驗的數(shù)據(jù)科學家，是任何大數(shù)據(jù)舉措成功的關鍵。
在實施一個新的大數(shù)據(jù)項目之前，確保已安排了合適的人員：
? 您是否獲得利益相關者和其他愿意投資該項目的業(yè)務贊助者的支持?
? 是否擁有熟悉該領域、能分析大量數(shù)據(jù)、而且能識別從數(shù)據(jù)生成有意義且有用的洞察的途徑的數(shù)據(jù)科學家?是否擁有可用于獲取洞察的現(xiàn)有數(shù)據(jù)?
所有組織都擁有大量未用于獲取業(yè)務洞察的數(shù)據(jù)。這些數(shù)據(jù)包括日志文件、錯誤文件和來自應用程序的操作數(shù)據(jù)。不要忽略此數(shù)據(jù)，它是寶貴信息的潛在來源。
數(shù)據(jù)復雜性是否在增長?
查找數(shù)據(jù)復雜性增長的線索，尤其是在數(shù)據(jù)量、種類、速度和真實性方面。
數(shù)據(jù)量是否已增長?
如果滿足以下條件，您可能希望考慮大數(shù)據(jù)解決方案：
? 數(shù)據(jù)大小達到 PB 和 EB 級，而且在不久的將來，它們可能增長到 ZB 級別。
? 這一數(shù)據(jù)量給使用傳統(tǒng)方法(比如關系數(shù)據(jù)庫引擎)存儲、搜索、共享、分析和可視化數(shù)據(jù)帶來的技術和經(jīng)濟挑戰(zhàn)。
? 數(shù)據(jù)處理目前可使用可用硬件上的大規(guī)模并行處理能力。
數(shù)據(jù)種類是否已增多?
如果滿足以下條件，各種各樣的數(shù)據(jù)可能都需要大數(shù)據(jù)解決方案：
? 數(shù)據(jù)內(nèi)容和結構無法預期或預測。
? 數(shù)據(jù)格式各不相同，包括結構化、半結構化和非結構化數(shù)據(jù)。
? 用戶和機器能夠以任何格式生成數(shù)據(jù)，例如：Microsoft? Word 文件、Microsoft Excel? 電子表格、Microsoft PowerPoint 演示文稿、PDF 文件、社交媒體、Web 和軟件日志、電子郵件、來自相機的照片和視頻、信息感知的移動設備、空中感知技術、基因組和醫(yī)療記錄。
? 以前沒有為了獲得洞察而被挖掘的數(shù)據(jù)來源不斷地在產(chǎn)生新的數(shù)據(jù)類型。
? 領域實體在不同的上下文中具有不同的含義。
數(shù)據(jù)的速度是否已增長或改變?
考慮您的數(shù)據(jù)是否：
? 在快速更改，必須立即響應
? 擁有過多的傳統(tǒng)技術和方法，它們不再足以實時處理傳入的數(shù)據(jù)
您的數(shù)據(jù)是否值得信賴?
如果滿足以下條件，那么請考慮使用大數(shù)據(jù)解決方案：
? 數(shù)據(jù)的真實性或準確性未知。
? 數(shù)據(jù)包含模糊不清的信息。
? 不清楚數(shù)據(jù)是否完整。
如果數(shù)據(jù)的量、種類、速度或真實性具有合理的復雜性，那么有可能會適合地采用大數(shù)據(jù)解決方案。對于更復雜的數(shù)據(jù)，需要評估與實現(xiàn)大數(shù)據(jù)解決方案關聯(lián)的任何風險。對于不太復雜的數(shù)據(jù)，則應該評估傳統(tǒng)的解決方案。
是否所有大數(shù)據(jù)都存在大數(shù)據(jù)問題?
不是所有大數(shù)據(jù)情形都需要大數(shù)據(jù)解決方案。請在市場中尋找線索。競爭對手在做什么?哪些市場力量在發(fā)揮作用?客戶想要什么?
使用本文中的問題，幫助確定大數(shù)據(jù)解決方案是否適合于您的業(yè)務情形和您需要的業(yè)務洞察。如果認為是時候實施大數(shù)據(jù)項目了，請閱讀下一篇文章，其中會介紹如何定義一個邏輯架構，而且將會確定您的大數(shù)據(jù)解決方案需要的關鍵組件。
