大數據時代，各公司都在努力挖掘有關他們業務的令人信服的見解，以贏得競爭優勢。他們在探索具有獨特見解的問題，例如：誰是我最有價值的客戶？哪些是我最重要的產品？什么是我最成功的營銷活動？
過去，IT和企業用戶只能使用可用企業信息中的一小部分來嘗試回答這些重要問題。因此，行業調查記錄了這樣一些事實，企業領導者們：
常常在不具備他們所需信息的情況下制定重要決策。根據自覺和經驗而不是根據可靠核實的信息制定重要業務決策意識到組織中的管理者因為無法獲取準確的信息而制定了錯誤的決策無法再組織范圍內獲得履行其職責所需的信息大量類型復雜的新數據（即“大數據”）現在已可用并且隨時可供訪問，同時還可提供有關客戶、產品和運營的創新見解。這些新的數據源（Web活動、移動或位置數據以及社交信息）再加上傳統數據源，提供了達到當前無法實現的業務洞察水平的機會。借助這些新的數據源，企業用戶不再局限于僅通過財務指標來衡量成功是否，而是可以考慮客戶、產品和營銷活動對業務的整體貢獻，從而超越其業界同行。
而整個過程中，需要制定大數據戰略以利用這些新的業務見解，就意味著企業不能只考慮數據量。一個成功的大數據戰略必須考慮獲得信息的速度、信息的多樣性和復雜性：
數量：數據量達到若干PB速度：實時生成的接受信息進行分析多樣性：表格、文檔、電子郵件、計量、網絡、視頻、圖像和音頻復雜性：每種類型數據都有不同的標注、領域規則和存儲格式企業需要發現適當的打虎踞機會并制定全面的路線圖來利用該機會。通過分布式的方法確保大數據管理和體系結構能夠解決因種類繁多的數據格式、獲得數據的速度以及信息資產的復雜性而產生的問題。許多現有的工具、平臺和方法都可能需要升級才能夠發揮大數據的業務潛力
步驟1：選擇最適合的優先業務機會。
確定大數據實施路線的第一步是確定大數據和分析可以在哪方面以及如何支持組織。通過經驗和分析評估的方法來確定具有以下特點的戰略性業務計劃：
跨職能部門提供有吸引力的業務價值具有可衡量的目標具有明確規定的交付期限步驟2：構建驅動下一代業務職能和分析的使用情形
需要有涵蓋報告、控制面板、臨時查詢和分析全面用戶體驗，以支持通過大數據實現的更及時的決策制定。可以考慮利用一下情形和方法，確定新的大數據源對企業BI和分析系統的影響：
評估當前BI和分析環境記錄大數據對BI和分析環境的影響將當前功能映射到大數據的實施曲線步驟3：為更靈活的數據平臺創建概念性體系結構
以OLTP為 中心的傳統關系數據庫管理系統從未針對大數據進行設計。傳統的數據管道無法滿足大數據分析的需求。快速增長的數據量將傳統數據管道推向了面臨崩潰的邊緣， 迫使組織使用數據的摘要和樣本。結果就是從數據到分析的周期時間長達數周，而不是幾個小時，因此分析的質量也受到影響。基于大規模并行處理（MPP）的新數據倉庫提供可擴展、靈活的數據倉庫平臺，能夠挖掘結構化和非結構化大數據的業務價值。企業需要制定計劃，以支持快速接收新的結構化和非結構化大數據源，包括：
評估當前的數據倉庫黃金并記錄大數據對它的影響評估當前的ETL并記錄大數據對它的影響創建靈活的數據倉庫體系結構步驟4：評估數據質量、管理和安全措施的可用性
待分析的數據必須能夠提供您業務的可靠視圖。組織需要一個將數據視為一種資產而不是一項開支的“業務計劃“。此數據業務計劃必須涵蓋數據質量、治理和安全 措施，并同時開拓內部數據以及第三方數據源。一個全面的、設計合理的計劃在運營過程中將會持續不斷地監控、增強和確保組織的戰略數據存儲的安全性、準確性 和完整性，并制定數據規程、政策和組織紀律。
步驟5：制定應用云功能的愿景
云體系結構可能會影響企業信息管理功能。它為自助式BI和分析提供了機會。它可以為圍繞特定主題領域或業務機會進行的分析提供集成式協作。如果使用得當，它可以快速實現“數據化貨幣”。為了幫助利用云體系結構實現數據管理功能的轉型，企業需要：
針對面臨的大數據挑戰審核云功能和實現方法將您當前的功能映射到云架構確定云可能會產生實質影響的特定體系結構和運營領域，并記錄有關數據倉庫體系結構和操作、報告和業務職能及用戶體驗、高級分析部署、數據質量管理等云數據部署建議。步驟6：將查詢結構整合到階段是路線圖中。
企業針對的大數據實施構建一個全面的轉型路線圖，重點為以劃分優先級的關鍵業務提供支持，該路線圖許針對組織特有的技術要求以及功能量身定制。
轉載請在文首保留原文出處：EMC中文支持論壇https://community.emc.com/go/chinese
京公網安備 11010502049343號