目前大數(shù)據(jù)成了現(xiàn)代化企業(yè)的代名詞，很多企業(yè)在推行大數(shù)據(jù)項(xiàng)目時(shí)往往把項(xiàng)目規(guī)模和范圍做得很大，但是事實(shí)卻是，很多大數(shù)據(jù)項(xiàng)目分析都會(huì)失敗。2016年，Gartner估算約六成的大數(shù)據(jù)項(xiàng)目都會(huì)失敗。一年后，Gartner分析師Nick Heudecker表示，這個(gè)數(shù)據(jù)“過于保守”，大數(shù)據(jù)項(xiàng)目失敗率應(yīng)接近85%。直至現(xiàn)在他也是這樣認(rèn)為的。
并不只有Gartner這樣認(rèn)為。前微軟高管Bob Muglia告訴分析網(wǎng)站Datanami，“我找不到完全滿意的Hadoop客戶。實(shí)際上，成功應(yīng)用Hadoop的客戶數(shù)量可能少于20個(gè)，甚至可能少于10個(gè)。考慮到其存在時(shí)間以及行業(yè)投入，這個(gè)結(jié)果很令人震驚。
熟悉大數(shù)據(jù)的人都知道，這個(gè)問題是真實(shí)且嚴(yán)重的，而不完全是技術(shù)問題。事實(shí)上，相對于本質(zhì)原因，技術(shù)是失敗的次要原因。以下是大數(shù)據(jù)項(xiàng)目失敗的四個(gè)主要原因，以及可以成功的四種方式。
Heudecker表示，大數(shù)據(jù)失敗背后存在著一個(gè)重要的技術(shù)問題，那就是整合多個(gè)來源的孤立數(shù)據(jù)，以實(shí)現(xiàn)企業(yè)所需的數(shù)據(jù)處理能力。建立與孤立傳統(tǒng)系統(tǒng)的連接并不容易。他說，整合成本是軟件成本的五到十倍。其中最大的問題是簡單集成：如何將多個(gè)數(shù)據(jù)源鏈接在一起?很多人選擇數(shù)據(jù)湖路線，認(rèn)為這個(gè)方式很簡單，但事實(shí)并非如此。
孤立數(shù)據(jù)是問題的一部分?？蛻舾嬖V他，當(dāng)他們將數(shù)據(jù)從系統(tǒng)提取到像數(shù)據(jù)湖這樣的公共環(huán)境中后，卻無法弄清楚這些值的含義?！爱?dāng)你將數(shù)據(jù)輸入數(shù)據(jù)湖時(shí)，怎么知道數(shù)字3意味著什么?”Heudecker問道。
普華永道(PwC)高級研究員Alan Morrison表示:“由于是在孤島中工作，或者創(chuàng)建的數(shù)據(jù)湖只是數(shù)據(jù)沼澤，所以他們能完成的工作只是冰山一角?！薄八麄儾焕斫鈹?shù)據(jù)中的關(guān)系，這些關(guān)系需要挖掘或推斷，以便機(jī)器能夠充分解釋這些數(shù)據(jù)。另外，他們需要?jiǎng)?chuàng)建一個(gè)知識圖層，以便機(jī)器能夠解釋下面映射的所有實(shí)例數(shù)據(jù)。否則，數(shù)據(jù)湖只能是一個(gè)數(shù)據(jù)沼澤，”
大多數(shù)人以為企業(yè)在進(jìn)行大數(shù)據(jù)項(xiàng)目時(shí)會(huì)有明確的目標(biāo)，但實(shí)際并不是這樣的。很多公司通常是先啟動(dòng)項(xiàng)目，然后才去想目標(biāo)。
數(shù)據(jù)集成軟件公司Talend的產(chǎn)品營銷經(jīng)理Ray Christopher表示，“你必須認(rèn)真審視這個(gè)問題。人們認(rèn)為他們可以將結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)連接起來，從而獲得所需的信息。然而這必須提前確定目標(biāo)，你想要什么樣的信息?”
企業(yè)應(yīng)用咨詢公司的首席分析師Joshua Greenbaum表示，困擾大數(shù)據(jù)和數(shù)據(jù)倉庫項(xiàng)目的部分原因是指導(dǎo)標(biāo)準(zhǔn)通常是大量數(shù)據(jù)的積累，而不是解決業(yè)務(wù)問題。
Greenbaum說，“如果將大量數(shù)據(jù)匯總在一起，就會(huì)得到數(shù)據(jù)轉(zhuǎn)儲(chǔ)，可以稱之為衛(wèi)生垃圾填埋場。這不是尋找解決方案的好方法。我一般建議客戶先決定需要優(yōu)先解決哪些業(yè)務(wù)問題，然后查看可用數(shù)據(jù)的質(zhì)量，并在發(fā)現(xiàn)業(yè)務(wù)問題后解決數(shù)據(jù)問題。”
為什么大多大數(shù)據(jù)項(xiàng)目都失敗了?對于初學(xué)者來說，大數(shù)據(jù)項(xiàng)目領(lǐng)導(dǎo)者都缺乏遠(yuǎn)見。Morrison這樣認(rèn)為。大多數(shù)企業(yè)只考慮數(shù)值數(shù)據(jù)或黑盒子NLP和識別引擎，并進(jìn)行簡單的文本挖掘和其他類型的模式識別。
很多時(shí)候，公司認(rèn)為他們?yōu)閿?shù)據(jù)倉庫建立的內(nèi)部技能將轉(zhuǎn)化為大數(shù)據(jù)，而事實(shí)并非如此。 對于初學(xué)者來說，數(shù)據(jù)倉庫和大數(shù)據(jù)以完全相反的方式處理數(shù)據(jù)：數(shù)據(jù)倉庫在寫入時(shí)執(zhí)行模式，這意味著數(shù)據(jù)在進(jìn)入數(shù)據(jù)倉庫之前就會(huì)被處理和組織。
在大數(shù)據(jù)中，積累數(shù)據(jù)并應(yīng)用讀取模式，數(shù)據(jù)在讀取時(shí)進(jìn)行處理。因此，如果數(shù)據(jù)處理從一種方法轉(zhuǎn)向另一種方法，技能和工具應(yīng)該也是如此。
“技能永遠(yuǎn)是一個(gè)挑戰(zhàn)。如果我們30年后談?wù)摯髷?shù)據(jù)，仍然會(huì)面臨挑戰(zhàn)?！昂芏嗳硕家蕾嘓adoop。但Spark更好一些，因?yàn)闂８∫哺菀子?xùn)練?！?
大數(shù)據(jù)項(xiàng)目經(jīng)常從舊的數(shù)據(jù)豎井中提取數(shù)據(jù)，并試圖將它們與新的數(shù)據(jù)源(如傳感器、網(wǎng)絡(luò)流量或社交媒體)合并。這并不完全是企業(yè)的錯(cuò)，企業(yè)在大數(shù)據(jù)分析出現(xiàn)之前就收集了這些數(shù)據(jù)，但無論如何，這也是一個(gè)問題。
Greenbaum認(rèn)為，企業(yè)缺少的最大技能是如何融合這兩個(gè)數(shù)據(jù)源，讓他們共同解決復(fù)雜問題。數(shù)據(jù)孤島可能成為大數(shù)據(jù)項(xiàng)目的障礙，因?yàn)樗鼪]有任何標(biāo)準(zhǔn)。因此，當(dāng)企業(yè)開始規(guī)劃時(shí)，發(fā)現(xiàn)這些系統(tǒng)尚未以任何方式實(shí)施，所以這些數(shù)據(jù)將被重復(fù)使用。
Talend的Christopher認(rèn)為，對于不同的架構(gòu)需要以不同的方式進(jìn)行處理。技術(shù)技能和架構(gòu)差異是無法將當(dāng)前工具用于本地?cái)?shù)據(jù)倉庫并將其與大數(shù)據(jù)項(xiàng)目集成的主要原因。因?yàn)檫@些技術(shù)處理新數(shù)據(jù)的成本太高。所以需要Hadoop和Spark等新的語言。
結(jié)合以上大數(shù)據(jù)問題分析，創(chuàng)軟科技團(tuán)隊(duì)提供了以下大數(shù)據(jù)分析解決方案供參考
雖然是陳詞濫調(diào)，但適用于大數(shù)據(jù)項(xiàng)目。成功的公司必然是有結(jié)果的公司，選擇一些小而可實(shí)現(xiàn)的新東西進(jìn)行規(guī)劃和實(shí)現(xiàn)。
Morrison說：“他們需要首先考慮數(shù)據(jù)，并以機(jī)器可讀的方式為企業(yè)建模，以便數(shù)據(jù)服務(wù)于該企業(yè)?！?
股東往往被排除在大數(shù)據(jù)項(xiàng)目之外 。Heudecker說，如果所有股東合作，他們可以克服許多障礙。加上技術(shù)人員共同努力，并與業(yè)務(wù)部門合作以提供可行的結(jié)果，這可能有所幫助。
Heudecker指出，在大數(shù)據(jù)方面取得成功的公司大量投資于必需的技能。他認(rèn)為這是數(shù)據(jù)驅(qū)動(dòng)型公司普遍認(rèn)可的，如金融服務(wù)公司、優(yōu)步、Lyft和Netflix。公司的財(cái)富基于擁有可靠、可操作的數(shù)據(jù)。
Christopher認(rèn)為，應(yīng)該讓大數(shù)據(jù)項(xiàng)目成為一項(xiàng)團(tuán)隊(duì)運(yùn)動(dòng)，所有人都幫助策劃和收集數(shù)據(jù)并處理它，提高數(shù)據(jù)的完整性。
人們似乎有一種心態(tài)，即大數(shù)據(jù)項(xiàng)目需要非常大的動(dòng)作。但就像你第一次學(xué)習(xí)任何東西一樣，成功的最好方法是從小到小，然后逐漸擴(kuò)大。
“他們應(yīng)該仔細(xì)定義他們在做什么，”Heudecker說，“應(yīng)該選擇一個(gè)問題域并研究解決它，例如欺詐檢測、細(xì)分客戶，或者弄清楚千禧一代市場中推出的新產(chǎn)品。”
Christopher說:“說到底，你必須問問自己想要什么，或者想要數(shù)字化的業(yè)務(wù)流程。不只是把技術(shù)扔到商業(yè)問題上，你必須預(yù)先定義它。數(shù)據(jù)湖是必要的，但如果數(shù)據(jù)湖不會(huì)被任何商業(yè)人士使用，你就不會(huì)想要收集數(shù)據(jù)。”
在很多情況下，這也意味著不要讓自己的公司過度膨脹。 Morrison表示，在他研究過的每一家公司中，只有幾百個(gè)關(guān)鍵概念和關(guān)系是整個(gè)企業(yè)賴以運(yùn)作的。一旦你理解了這一點(diǎn)，你就會(huì)意識到，所有這些數(shù)以百萬計(jì)的差別只是那幾百件重要事情的微小變化。事實(shí)上，你會(huì)發(fā)現(xiàn)許多細(xì)微的變化根本不是變化。它們其實(shí)本質(zhì)上是一樣的東西，雖然有不同的名字、不同的結(jié)構(gòu)、不同的標(biāo)簽。
雖然您可能希望使用收集并存儲(chǔ)在數(shù)據(jù)倉庫中的那些TB級數(shù)據(jù)，但事實(shí)上您可能更好地服務(wù)于為大數(shù)據(jù)設(shè)計(jì)的存儲(chǔ)系統(tǒng)中新收集的數(shù)據(jù)，并且設(shè)計(jì)為未經(jīng)過處理的數(shù)據(jù)。
要避免因?yàn)槠髽I(yè)擁有一項(xiàng)基礎(chǔ)設(shè)施的許可證而只對現(xiàn)有的基礎(chǔ)設(shè)施感興趣。通常，新的復(fù)雜問題可能需要新的復(fù)雜解決方案。使用企業(yè)以往的就工具并不是正確做法，甚至有可能導(dǎo)致大數(shù)據(jù)項(xiàng)目失敗。
Morrison認(rèn)為，企業(yè)應(yīng)該停止故步自封。他還表示，企業(yè)不能再一味依賴供應(yīng)商為他們解決復(fù)雜的系統(tǒng)問題?！皫资陙?，許多人似乎都認(rèn)為任何大數(shù)據(jù)問題都是系統(tǒng)性問題。但當(dāng)面對復(fù)雜的系統(tǒng)變化時(shí)，企業(yè)必須建立自己的解決方案。
創(chuàng)軟科技大數(shù)據(jù)分析團(tuán)隊(duì)，在多年軟件定制開發(fā)基礎(chǔ)之上，結(jié)合企業(yè)數(shù)據(jù)特性進(jìn)行分析，有效整合企業(yè)大數(shù)據(jù)，可以有效的提高企業(yè)大數(shù)據(jù)項(xiàng)目的成功機(jī)率。
關(guān)注我們
最新動(dòng)態(tài)
