隨著企業(yè)花越來越多的時間來分析數(shù)據(jù)，清理和準備數(shù)據(jù)的解決方案將會變得更有價值

現(xiàn)在大數(shù)據(jù)[注]是熱門話題，你在任何地方與任何人交談很難不提到大數(shù)據(jù)。事實上，大數(shù)據(jù)的術語有點被過度使用，它對不同的人意味著不同的東西，但所有這些定義都有一個共同點，那就是數(shù)據(jù)!

上面我們說大數(shù)據(jù)依賴于數(shù)據(jù)，這似乎很明顯，但大數(shù)據(jù)分析的成功需要的不僅僅是原始數(shù)據(jù)，還需要好的高質量數(shù)據(jù)。所以，更準確的說法應該是，大數(shù)據(jù)的成功需要準備好的數(shù)據(jù)。對于分析，有句古老的格言，“進來是垃圾，出去也是垃圾”，這意味著如果你把大量參差不齊的數(shù)據(jù)放到分析解決方案，你將會得到不好的結果。

數(shù)據(jù)的清理和準備歷來都是漫長的艱巨的耗時的過程。當筆者還在Yankee Group公司時，他們遷移CRM系統(tǒng)，在遷移工作之前，該公司花了一年時間來清理現(xiàn)有系統(tǒng)中的記錄數(shù)據(jù)，以確保不會遷移不好的數(shù)據(jù)。雖然他們做了這么多工作，仍然有很多不良信息被遷移過去。

最近，筆者看到一家被稱為Paxata的公司，該公司提供的解決方案可以進行所謂的“自助服務自適應數(shù)據(jù)準備”。在分析或運營報告工作之前，該技術可以整合、清理和形成數(shù)據(jù)。市面上很多現(xiàn)有的商業(yè)智能產(chǎn)品聲稱可以簡化分析過程，但事實是，大多數(shù)數(shù)據(jù)科學家和數(shù)據(jù)分析師花費大量時間來為分析準備數(shù)據(jù)。鑒于此，筆者認為，大多數(shù)企業(yè)寧愿聘請高薪人才找出數(shù)據(jù)的含義(+微信關注網(wǎng)絡世界)，而不是清理數(shù)據(jù)。

Paxata提供數(shù)據(jù)整個生命周期的準備，包括探索、清理、更換、形成和發(fā)布數(shù)據(jù)以進行分析。該產(chǎn)品還允許不同的數(shù)據(jù)團隊共享相同的數(shù)據(jù)集，讓不同的團隊可以同時編輯和訪問多個設備的信息。該產(chǎn)品還是一個管理解決方案，它會追蹤項目內的每個步驟，并有完全的重放功能來審查已經(jīng)完成的更改。

Paxata的用戶可以提高對大型數(shù)據(jù)集的分析生產(chǎn)率，同時最小化數(shù)據(jù)蔓延的危險。該產(chǎn)品既可作為云服務—確保數(shù)據(jù)準備的靈活性，也可以作為內部部署的解決方案，它可以整合到Hadoop以更快獲取價值。

正如上文所述，大數(shù)據(jù)現(xiàn)在是一個熱門話題，但企業(yè)和IT領導者需要明白，分析糟糕的數(shù)據(jù)意味著糟糕的分析結果，可能會造成錯誤的商業(yè)決策。正因為如此，筆者希望看到數(shù)據(jù)準備技術會開始像大數(shù)據(jù)一樣熱門。