如今可以確定的是，組織對大數據解決方案需求量很大。組織的管理者知道他們的大數據是不可忽視的最寶貴的資源之一。因此，他們正在尋找可幫助存儲、管理和分析其大數據的硬件和軟件。
根據調研機構IDC公司的調查，2017年組織在大數據和數據分析方面的支出為1508億美元，比去年增長12.4%。到2020年，這一支出可能會以每年11.9%的速度增長，2020年的收入可能高達2100億美元。
大部分收入都用于大數據應用。據IDC公司預測，到2020年，僅軟件開支就可能超過700億美元。非關系分析數據存儲(如NoSQL數據庫)的支出增長尤其迅速，每年可能增長38.6%，認知軟件平臺(如人工智能和機器學習能力的分析工具)每年可能增長23.3%。
為了充分利用大量的數據支出，供應商在各種不同的產品和服務上打上了“大數據”標簽。這種產品的擴散會使組織很難找到合適的大數據應用程序來滿足他們的需求。專家建議，企業開始選擇大數據應用程序的一個好方法是精確地確定自己所需要什么類型的應用程序。
大數據應用的類型
企業軟件供應商提供了大量不同類型的大數據應用程序。適合企業的大數據應用將取決于其目標。
例如，如果企業只想更加詳細和深入地擴展現有的財務報告功能，那么數據倉庫和商業智能解決方案可能已足以滿足其需求;如果企業的銷售和營銷團隊希望利用其大數據的發現增加收入和利潤的新機會，則可以考慮創建數據湖和/或投資數據挖掘解決方案;如果企業想創建一個數據驅動的文化，組織中的每個人都在使用數據來指導他們的決策，那么企業可能需要數據湖和預測分析，內存數據庫，也可能是流分析。
這樣的事情將會變得更復雜，因為不同類型的工具之間的界限可能會有些模糊。一些商業智能工具具有數據挖掘和預測分析功能。一些預測分析工具包括流媒體功能。
最好的辦法是組織一開始就清楚地確定自己的目標，然后去尋找能夠幫助其實現這些目標的產品。
選擇大數據應用程序時的關鍵決策
無論企業選擇哪種類型的大數據應用程序，都需要做出一些關鍵決策，以幫助企業縮小選擇范圍。以下是一些最重要的考慮事項：
(1)內部部署數據中心與基于云計算的大數據應用程序
企業需要做出的第一個重大決策是要在自己的數據中心托管大數據軟件，還是希望采用基于云計算的解決方案。
目前，更多的組織似乎正在選擇云計算。分析機構Forrester公司副總裁兼首席分析師Brian Hopkins在2017年8月的一篇博客文章中寫道：“通過云訂閱在大數據解決方案上的全球支出將增長快近7.5倍。此外，根據數據分析專業人員的2016和2017調查，公有云是大數據的頭號技術優先事項。”
基于云計算的大數據應用受到歡迎有多種原因，其中包括可擴展性和易管理性。主要的云計算供應商也在人工智能和機器學習研究方面處于領先地位，這使得他們可以在解決方案中添加高級功能。
但是，云計算對于組織來說并不總是最好的選擇。對合規性或安全性要求較高的組織有時會發現他們需要將敏感數據保留在內部部署的數據中心。此外，一些組織已經在現有的本地數據解決方案上進行投資，并且他們發現繼續在本地部署數據中心運行大數據應用程序或使用混合方法會更具成本效益。
(2)私有vs開源的大數據應用程序
一些最流行的大數據工具(包括Hadoop生態系統)可以在開源許可下獲得。 Forrester公司指出，“2017年，企業將在Hadoop軟件和相關服務上投入8億美元。”
Hadoop和其他開源軟件最大的吸引力之一是降低總體擁有成本。盡管專有解決方案需要支付高昂的許可費，并且可能需要昂貴的專用硬件，但Hadoop沒有許可費，并且可以在標準的硬件上運行。
然而，企業有時發現很難獲得開源的解決方案，以滿足他們的需要。他們可能需要購買支持或咨詢服務，組織在計算總擁有成本時需要考慮這些費用。
(3)批處理vs流式傳輸大數據應用程序
最早的大數據解決方案(如Hadoop)只是處理批量數據，但企業越來越多地發現他們希望實時分析數據。這引發了對Spark、Storm、Samza等流媒體解決方案的更多興趣。
許多分析師表示，即使組織認為他們現在不需要處理流式數據，流媒體功能也可能在不久的將來成為標準操作流程。出于這個原因，許多組織正在向Lambda體系結構邁進，這是一種既能處理實時數據又能批處理數據的數據處理體系結構。
在大數據應用中尋找特性
一旦企業縮小了選項范圍，就需要評估其正在考慮的大數據應用程序。以下包括一些最重要的需要考察的因素。
•與傳統技術集成 - 大多數組織已經在數據管理和分析技術方面進行現有投資。完全替代該技術可能代價高昂并且具有破壞性，因此組織通常會選擇尋找可以與現有工具一起使用的解決方案，或者可以增加現有軟件。
•績效 - 2017年Talend研究發現，實時分析功能是商業領袖的首要IT優先事項之一。如果要從這些洞察中獲益，管理人員和工作人員需要能夠及時獲取見解。這意味著投資可以提供他們所需速度的技術。
•可擴展性 - 大數據存儲的規模每天都會變得更大。組織需要快速執行的大數據應用程序，隨著數據存儲量以指數級增長，這些應用程序可以繼續快速執行。這種對可擴展性的需求是基于云計算的大數據應用變得非常流行的主要原因之一。
•可用性 - 組織還應該考慮他們打算購買的任何大數據應用程序的“學習曲線”。易于部署、易于配置、界面直觀和/或與組織已經使用的工具相似或集成的工具可以提供巨大的價值。
•可視化 - BI-Survey.com表示，“針對商業用戶的可視化和探索性數據分析(稱為數據發現)已經演變成當今市場上最熱門的商業智能和分析主題。”在圖表中呈現數據可以使人類的大腦更容易發現趨勢和異常值，加快識別可操作見解的過程。
•靈活性 – 企業如今所需要的大數據可能與其在一兩年前的需求大不相同。這就是為什么許多企業選擇尋找能夠滿足各種不同目標的工具，而不是很好地執行單一功能的原因。
•安全性 - 這些大數據存儲中包含的大部分數據都是敏感信息，這對于競爭對手、國家機構或黑客都是非常有價值的。組織需要確保他們的大數據具有足夠的保護，以防止成為頭條新聞報道的大量數據泄露事件。這意味著組織需要尋找具有內置安全功能(如加密和強身份驗證)的工具，或者尋找與現有安全解決方案集成的工具。
•支持 - 即使有經驗的IT專業人員有時也會發現難以部署、維護和使用復雜的大數據應用程序。不要忘記考慮各供應商提供的支持的質量和成本。
•生態系統 - 大多數組織需要多種不同的應用程序來滿足他們所有的大數據需求。這意味著要尋找一個大數據平臺，與其他許多流行工具以及與其他提供商有強大合作關系的供應商進行整合。
•自助服務能力 - 2017年畢馬威公司針對組織的CIO調查發現，60%的CIO持續報告指出數據分析人才短缺，而大數據和分析是最需要的技能組合。由于沒有足夠的數據科學家去解決，組織正在尋找其他商業專業人士可以獨立使用的工具。調研機構Gartner公司最近的博客文章指出，通常在一個組織中，大約32%的員工正在使用商業智能和分析。
•總體擁有成本 - 大數據應用的前期成本只是其中的一小部分。組織需要確保他們考慮相關硬件成本，正在采用的許可或訂購費用、員工時間、支持成本，以及與本地部署應用程序的物理空間相關的任何費用。不要忘記要考慮到云計算成本隨著時間的推移普遍下降的事實。
•預計價值的時間 - 另一個重要的財務考慮因素是企業能夠以多快的速度啟動并運行特定的解決方案。大多數公司都希望在幾天或幾周內，而不是幾個月或幾年內從他們的大數據項目中受益。
•人工智能和機器學習 - 最后，考慮各種大數據應用供應商的創新。人工智能和機器學習的研究正在以驚人的速度發展，并成為大數據分析的主流部分。據Forrester公司預測，“企業在2017年對于人工智能的投資增加了三倍，因為企業需要將客戶數據轉換為個性化體驗。”如果企業選擇的供應商在這項研究沒有處于行業前沿，那么可能會發現自己落后于競爭對手。
選擇大數據應用程序的提示
很明顯，選擇正確的大數據應用程序是一個復雜的過程，這涉及諸多因素。已成功部署大數據軟件的專家和組織提供以下建議：
•理解自己的目標–企業在選擇大數據應用程序時，需要知道自己想完成什么是至關重要的。如果不確定為什么要投資某項技術，那么其項目不太可能成功。
•從小規模開始-如果企業可以通過小規模的大數據分析項目取得成功，那么企業對使用該工具將會產生更多的興趣。
•采取整體方法-盡管小規模項目可以幫助企業獲得技術方面的經驗和專業知識，但選擇最終可用于整個業務的應用程序非常重要。Gartner公司建議：“為了支持無處不在的數據和分析世界，IT專業人員需要創建一個新的端到端體系結構，為敏捷、規模和實驗而構建。如今，技術學科正在融合，數據和分析的方法正在變得更加整體化，涵蓋整個業務。”
•協同工作–Gartner公司的這篇博客文章還指出：“建議數據和分析領導者積極主動地在他們的組織中傳播分析，以便從啟用數據驅動業務操作中獲得最大的收益。”許多組織正試圖構建數據驅動文化，這需要業務和IT領導者之間的大量合作。
•病毒式傳播–前面提到的自助服務功能還可以幫助創建數據驅動的文化。Gartner公司建議：“讓分析在企業內部和外部真正發揮作用。通過培養實用的自助服務方法，并通過在交互和流程中的數據攝入點上嵌入分析功能，使更多的業務用戶能夠執行分析。”
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號