驾驭大数据

原文摘录   · · · · · · 

• 大量大数据源的产生根本不涉及与人的互动，大数据通常是由机器自动生成。 大数据通常是一种全新的数据源，并非仅仅是对已有数据的扩展收集。 传统数据源通常在最开始就被严格地定义，数据的每一个比特都有重要价值。大数据源在最开始通常不会被严格地定义，而是去收集所有可能使用到的各种信息。因此，在分析大数据时，可能会遇到各种杂乱无章、充斥着垃圾的数据。 最后，大量数据可能并不蕴含大量的价值。事实上，大部分数据甚至毫无价值。 一个风险是当收集如此庞大的大数据时，其成本的增长速度会快到令企业措手不及，和处理其他事物的方法一样，避免这种情况出现的方法是要保证以适当的步伐前进，使得企业能够及时跟上。没有必要从明天开始行动，一条不漏地收集所有的新数据。而应当立即去做的是，开始收集一些新数据源的样本并试图了解它们。可以使用这些初始样本进行一些实验分析，从而弄清楚数据源中哪些数据是重要的，以及如何使用它们。以样本数据为基础，企业已经做好了有效地处理更大规模数据源的准备。 绝大多数传统数据都是完全结构化的，这意味着传统数据源会以明确的、预先规范好所有细节的格式呈现。 大数据通常被描述为结构化的，而传统数据则是结构化的。然而它们之间的界限并不像这些标签所划分的那么清楚。 开始着手处理大数据并不是一件困难的事情。很简单，收集一些大数据，让企业的分析专家团队开始探索这些数据可以提供些什么。企业没有必要一开始就设计一个具备生产级标准、持续的数据输入系统。企业所要做的仅仅是让分析专家团队先去切身接触那些数据，然后再开始分析探索工作。 事实上，绝大多数大数据都是无关紧要的。 驾驭大数据并不意味着一定要将所有的水牢牢地圈在游泳池中。事实更像是通过—个吸管吸水：你只需要把你所需要的部分吸出来就可以了，剩下的部分就随它去吧。 公有云的缺陷:不提供性能方面的承诺，这会带来性能方面巨大的不确定性。一旦提交了一项处理任务，系统... (查看原文)

  flood 2017-05-07 11:13:56