未加星标

国内大数据停滞不前的三大原因

字体大小 | |
[大数据资讯 所属分类 大数据资讯 | 发布者 店小二05 | 时间 | 作者 红领巾 ] 0人收藏点击收藏
当大数据即Big Data与云计算、移动应用与社交网络,风靡一世,成为2012 年信息技术领域最时髦的词汇。IBM 、Oracle、SAP、微软等厂商,像寻找到了新的金矿,开始极力推崇大数据理念。于是,众厂商蜂拥而至,抢夺大数据市场,尤其是SAP的HANA和Oracle的Exalytics,打得火热。相比之下,部分推BI的厂商还达不到大数据的层次,固守在报表分析的阵地上。事实上,大数据真的有如我们想象中的那么强大吗?BI为什么跑不出“最后一公里”?大数据与BI同时遭遇了被质疑的尴尬。

BI为什么不能快速踏入大数据时代?
国内大数据停滞不前的三大原因
一个刚入行的BI咨询师的困惑,或具有一定的代表性,表达了BI当前的状态。

“今天跟客户演示系统,演示完毕,客户问我一个问题:商业智能到底智能在哪里?BI和报表工具做出来的东西有何不同?对于这个问题,我相信做BI的人都曾经问过自己,也给过自己很多答案,但未必真的是100分的答案。就像今天,我虽然跟客户举了一些例子解释和说明上述问题,但是自己还是觉得不够透彻和有说服力。造成这个问题,我想重要的原因是BI本身范围太广,加之现在市场上的各种报表工具都自称BI解决方案,各种项目都往BI上靠,使得BI的概念很模糊了。第二个原因,大部分BI项目其实本质需求就是满足数据的一个查询和报表报告,到底是BI,还是其他什么概念都不重要。”

BI的概念过于泛泛,以至于在几年前,很多企业认为BI可有可无。近年来,大数据给BI带来了极大的冲击,加速了其发展的步伐,甚至有人大胆预测,未来十年,商务智能分析将引领管理信息化的发展。

BI与大数据的区别在于,大数据能够基于BI工具进行大容量数据和非机构化数据进行处理,与传统基于事务的数据仓库系统相比较,大数据分析不仅关注结构化的历史数据,它们更倾向去对Web、社交网络、RFID传感器等非结构化海量数据进行分析,大数据无疑是对BI的一个完美补充。

为什么大部分BI厂商对于大数据表现出“冷处理”态度?

原因一,处理并分析非结构化数据是难点:不论是大交互数据还是大交易数据,处理并分析非结构化数据,是BI业内,甚至是大数据处理,一直面临的难点。很多推BI产品的厂商,其技术能力达不到大数据所要求的高度。

原因二,企业意愿不强:现在很多的企业做的BI,并没有完全体现智能,最多只是将已有的数据使用报表进行呈现,开发的报表也很简单,大部分用户还没有希望从开发的BI系统中,发掘更多价值的意识。

原因三,BI的价值度无法衡量:大数据的确会有价值,但这个价值有多大,没办法准确衡量。从某些大数据中会挖掘出新的价值,但这个价值只是附加价值,是一个想象的空间。就比如沙漠里可能有金子,但并不是说沙漠中一定就能挖出金子。

大数据如何摘下“新瓶旧酒”标签?

有人评价“大数据是个相对的概念,是新瓶装旧酒。”认为,传说的大数据处理方式,只不过是为赶时髦,在既有的方案上包装了一下,新瓶装旧酒。海量数据时代并没有给多少企业带来革命性的变化,在 MapReduce 以及 Hadoop 出现之前,也有企业能够轻松的对数据进行大规模并行计算,而 NoSQL 的出现也只是为处理数据的方式带来了更多可能性。

所以,从结果来看,对于大数据的质疑并没有比BI少,同样遭遇了“还差一公里”的尴尬。

大数据分析缺乏成熟的实践经验,其方式方法与传统的数据仓库与BI系统有着一定的区别。在实施大数据分析项目之前,企业不仅应该知道使用何种技术,还应该知道在什么时候、什么地方使用。各数据之间有哪些关联性?哪个数据是可信的?如何从海量的数据中挖掘出有价值的、易用的客户信息?

要回答这些问题,企业需要一个单一、完整、可信的客户数据视图,而创建一个单一、完整、可信的客户数据视图,数据集成是关键。没有集成的数据,其商业价值为零。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来,从而获得在其他情况下无法达成的洞察力和价值。

可以确定的是,随着互联网技术的发展,未来的大数据时代,一定是各种信息呈现规模快速增长的状态,如何更快获取有用的信息是关键,智能分析工具会变得越来越重要,可以凌驾于多个管理系统、数据库之上,如何通过更灵活、可控的BI工具,真正挖掘出大数据时代的价值,是大数据和BI面临的共同挑战。

VIA:北京英维塔工业传播

End.



国内大数据停滞不前的三大原因

转载请注明来自36大数据(36dsj.com):36大数据 国内大数据停滞不前的三大原因

tags: 数据,价值,报表,旧酒,厂商,结构化,客户,原因,工具,数据分析,海量,企业,智能
分页:12
转载请注明
本文标题:国内大数据停滞不前的三大原因
本站链接:https://www.codesec.net/view/225242.html


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 大数据资讯 | 评论(0) | 阅读(132)