|
|
| 得大数据者的天下 管理与控制成难题 |
|
|
|
| 2014-09-26 |
|
|
|
| |
|
|
| |
微软全球高级副总裁，大中华区董事长兼首席执行官贺乐赋（Ralph Haupter）说：“大数据不仅要从数据挖掘、数据分析的层面去解决“大”的问题，更重要的是如何将挖掘与分析的结果直观呈现，转换为用户真正需要的有价值的洞察力。”
文件、图像、视频、博客、地理空间数据，面对这些非结构化数据，以及来自微博、Twitter等社交网站的实时数据，传统的数据批处理手段难以对其进行分析应对。如何有效处理结构化和非结构化数据？如何从社交媒体网站中挖掘数据？如何将内部和外部的数据及服务结合起来？如何基于捕获的数据更及时地做出决策？这些问题让人倍感困扰。
管理和控制数据非易事
数据的世界正在不断变化，企业面临的挑战是不断增加的数据容量、种类和速度。市场研究机构IDC的调研结果显示，到2020年，全球数据容量将达到35 ZB（即35万亿TB），比2009年增加44倍，且数据类型和种类将更加复杂化。多数分析师认为，其中有高达85%的新数据都是非结构化的数据，例如文本、网络日志、视频、照片、地理信息等。我们该如何面对这个数据新世界？
随着数据的爆炸式增长，存储和处理数据在软件和硬件两方面的成本显著降低。现在只要500元就能买到1TB的存储容量，硬件成本只相当于十年前的1/100，几乎已经可以忽略不计。在软件方面，如Hadoop和MapReduce等新兴的技术，可以帮助客户在基于行业标准的硬件环境当中建立大型分布式存储和计算机群，显著改变数据处理和分析的经济效益。这些改进让计算机历史上首次出现了存储和处理数据的成本低于从这些数据当中获得的预期价值的情况。现在企业可以选择存储数年的网络日志数据，即使并不知道将来这些数据可以被用于何种用途，而在过去，企业不会将这些数据保存一个月以上。
数据量的激增让企业客户开始关注更多与业务相关的问题，例如如何通过分析社交网络决定企业的品牌和产品定位？如何让企业的线上竞争策略更加高效？如何才能更准确地吸引目标用户？这些新的需求对传统的数据管理技术提出了挑战，今天的企业需要一个新的解决方案来帮助自身更有效地管理、优化各类数据，并从中获得有价值的业务洞察。
大数据时代，谁能有效管理和控制数据，谁就有可能成为世界霸主。只是，有效的管理和控制数据并非一件易事。
数据世界正在经历大变革，商业需求也在相应地变化。毋庸置疑，大数据的真正价值是提新业务的洞察。要全面实现这一价值，企业需要驱动所有的用户采用正确的工具，而不只是只有商业智能（BI）专家或数据科学家进行组织协作，这些正确的工具应当能够在所有的设备上运行，以支持所有的用户。
“得大数据者得天下！” 推崇大数据时代的变革者们对此坚信不疑。
发现商业价值
今年2月微软在全球市场进行的调查显示，超过75%的中大型企业将在一年内部署大数据解决方案，而推动解决方案得到迅速应用的关键在于客户关系、市场推广与销售部门的迫切需求。
在中国，这种现实需求同样迫切，事实上在商业智能、公共服务、市场营销这几个大数据应用潜力最为巨大的领域中，微软解决方案已经得到了成功的应用和用户的认可。
中国银行作为五大国有商业银行之一，十分关注和重视大数据可能带来的业务价值。目前中国银行已在前端柜面平台系统的数据库部署了大量的SQL Server解决方案，即将全面结合中行业务需求实现大数据最终落地。在业务层面，结合微软的全球统一客户经理平台项目（CRM），中行实现了客户精准营销分析，同时能够有效地对风险和绩效进行管理。
在大数据成为流行词前，微软便已着手于大数据的应用与研发，例如微软Bing的高质量搜索结果，便是通过分析超过100PB的数据得到的。
微软大中华区副总裁兼市场战略部总经理谢恩伟说：“微软解决方案的关键在于整合与利用我们在数据处理、云计算以及Office BI软件上的技术优势，以及对用户使用习惯的理解，将这些数据转化成了能够直观体现趋势洞察，帮助用户决断的有价值的信息。”
数据管理的需求已经从传统的结构化数据存储，演变成为结构化、非结构化数据存储并存的时代，现代信息管理平台必须支持所有类型的数据。
在开源的角度上，微软承诺对Apache Hadoop API提供100%的兼容性，所有基于Apache Hadoop编写的应用程序将能够在Windows平台上运行。通过与Hortonworks密切协作，微软已经正式提交了在Windows Azure和Windows Server上提供基于Hadoop的软件方案的实现方案，并将其作为Apache基础代码变更的一部分。
今天数据的价值信息已经涵盖了包括个人数据、企业数据、社区数据乃至世界数据等不同的应用领域。为了让企业更好的发现内部和外部数据，微软建立了代号为“Data Explorer”的Azure实验室，帮助客户通过自动提议，来发现相关数据集。另一个代号为“Data Hub”的实验室，帮助企业或组织创建一个私有的专属数据市场，提升组织内部的数据发现、共享和分析的模式。 |
|
| |
|
|
| |
|
|
| |
|
|
| |
|
|
| |
|
|
|
