大数据分析 ：利用向外扩展技术深入挖掘商业价值
|
数据分析机制的应用已经相当高效且演变速度极快，这甚至让FTC（即美国联邦贸易委员会）被迫向部分企业发出警告、称大数据分析技术有可能给某些实施目标带来公平性违反或导致特定群体受到损害。他们还特别强调了原本一直被认为是安全无害的某些常见数据，例如电费单、点击流数据、信用卡交易信息甚至是收费站记录——这些如今都能够在大数据分析的处理下得出新型结论，且极有可能令隐私受到侵犯。 向云敞开怀抱 目前大数据领域最令人兴奋的要素就是找寻那些与业务紧密相关、但却一直未被划入收集范畴或者受到保存的数据源。从简单层面讲，这可能需要大家将现有销售趋势与关键性经济数据进行混合——或者采用时下最为流行的方式，在社区网络站点上获取与趋势性议题相关的数据。这样的处理机制让个人隐私关注者们变得非常紧张。由外部数据供应商所提供的数据可能会描绘出细致程度惊人的隐私信息详情。 随着云计算变得愈发流行，能够与数据分析机制相对接的可用数据源的数量也呈现出爆发式增长。其中包括对社交媒体数据、财务数据以及医疗数据的挖掘能力，这些数据通常都由经过充分定义的API加以访问，并能够通过互联网进行交付。尽管本身并不具备什么实际价值，但这类数据往往会在与其它时间序列型数据结合后带来极具意义的关键性信息。举例来说，我们可以通过对个人完整履历的深入分析来推断此人在未来几年中犯罪入狱的可能性，预测某款新型产品线到底是疯狂大卖还是无人问津，甚至检测到某人或某个群体所携带的未确诊健康问题将给人寿保险赔付成本带来的显著影响。 各供应商现在开始专门在企业商务智能体系内提供这种按需数据服务，其中包括以谷歌及AWS为代表的大型IaaS以及PaaS云计算供应商。甚至政府机构也着手提供按需数据，正如世界各地不断涌现的数据供应商根据需求为企业用户提供关键性商务智能服务支持一样。事实上，经营大数据分析服务的数据供应商群体的不断扩大也反映出商务智能专家以及企业股东对于大数据分析中所蕴含潜在价值的肯定。 换句话来说，大数据分析并不属于利基业务。它实际是一块复杂的区域，在这里用户可以从大量平台当中作出选择，而每种平台都拥有着自己的优势与不足。事实上，大多数企业用户在现有传统数据库之外，最终都会同时使用多种不同类型及品牌的新型数据库方案。 最后，如今我们也拥有了能够实现这一系列分析任务的能力。越来越多的自动化系统足以将大数据分析与业务流程结合在一起，从而允许运营系统以近实时方式对多种阈值设定作出响应。技术业界将这种机制称为嵌入式分析，其中可能还引入了可编程、针对性配置方案或者足以支持此类服务的相关工具等。这些技术方案在业务环境下的作用实例包括分析实时交付的各项指标、将订单路由至拥有更出色追踪记录的供应商或者利用已知的关键性预测数据整理出销售趋势展望、并借此以自动化方式制定生产计划。 平台数量增长 Hadoop可以说是目前处理大规模结构化与非结构数据的首选平台。该技术方案采用分布式处理框架与开发环境，通常来讲只有借助特定的应用程序开发技能才能对其加以高效利用。 数据处理流程与大数据分析即服务的崛起同样起到了巨大而深远的颠覆性作用。Amazon目前将其Kineses平台作为数据处理流程方案，而谷歌则将数据处理流程引入了其BigQuery——也就是该公司打造的基于云的大数据产品。利用这种数据处理流技术，开发人员能够每秒发送高达10万行实时数据，并以近实时方式对这些数据加以分析。这种能力对于那些要求使用实时信息的商务智能应用程序来说显然至关重要。 现在最大的问题在于，专用型大数据分析工具到底能否在已经具备商务分析基础设施的企业当中确切起效。很多企业已经制定了数据仓储策略，而新型大数据解决方案则公然对其业已部署的传统机制发起挑衅。与此同时，向新型数据分析基础设施转移意味着我们将面临大量设计与实施方面的挑战，其中包括数据整合、数据安保、数据治理、数据可视化以及解决数据复杂性等等。 商务智能不断膨胀 传统商务智能的设计思路在于对结构化数据加以分析，从而提取出具备实用性的结论性信息。然而由于相关数据集往往太过陈旧或者规模有限，因此分析得出的结论也经常存在局限性。此外，结构化数据仅仅是企业掌握的业务数据中的一小部分。不少分析人士估计，结构化数据在企业整体数据总量中的占比恐怕只有5%左右。 大数据技术的兴起让商务智能迎来了一系列关键性发展趋势，相关方案包括以下几种能力：
大数据分析能够通过将规模庞大且在复杂程度、格式以及时间线方面有所不同的数据整合成单一的结构化输出结果，从而实现更出色的分析效果。大数据分析机制可以把文本、语音、流数据以及非结构化数据分析结合成统一结构，进而帮助企业通过动态分析模式从相关信息中获取到不同角度的审视结论。这些模式能够获取一切适用于分析机制的数据形式，其中包括多维、单维、面向对象以及实时流程等等。 请大家记住，最为通行的趋势在于最大程度汇聚结构化与非结构化数据。其中非结构化数据可能来自多种数据源类型，包括：
（编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
