随着生活的丰富，产生数据的设备也是愈来愈多，同样需要处理的数据体积也是日益激增，各个机构也纷纷把眼光投向“大数据”这个术语。在这场数据的淘金中许多公司满载而归，然而“大数据”投资失败的公司也不可谓不多，所以就有了之前的一篇文章“ Why Big Data Projects Fail”。对此，商业智能工具研发总监、esProc、esCalc高级顾问Jim King否认了这个看法，并以Google为例给大数据投资者提出了一些警示。

    以下为译文：

    首先看一下大数据成功典范Google，看看他们是如何玩转大数据的：

    1. 收集数据，捕捉每个网站、电子邮件、Cookie内容，并提取关键信息。

    2. 为信息创建复合索引。不用说，广告相关索引是必不可少的。

    3. 将目录和内容储存在分布式服务器中。

    4. 当用户浏览网站以及搜索或访问电子邮件时，Google会对这些请求做复杂的转换处理，同时几个索引项会随之确定。

    5. 根据索引在服务器中查询数据，返回搜索结果或者广告。

    在这里不难发现，与Hadoop有关的只有3和5，也就是数据储存和查询。而这两项也是最容易实现的两项，比如Hadoop就是个具有良好扩展性及低成本的解决方案。

    那么实现3和5就可以像Google一样发玩转大数据了？很显然不行，因为关键选项2和4并没有实现，而2和4就是所谓的业务分析算法。这些算法由业务专家根据数据、业务知识、市场趋势精心打造，是许多企业商业策略制定的重要手段及核心。这才是4V理论中的“Value”。

    这也是现下许多大数据投资失败的原因，因为当下的大数据只提供了数据存储和查询的策略，缺乏了提高企业竞争力的业务分析解决方案，而恰恰这才是最重要的。事实上，现在的大数据工具都是为IT专家打造的，他们可以通过C++或者Java实现MapReduce功能，但是却无法提供有价值的商业算法。

    因此大数据成功的关键不在于Hadoop是否部署成功，而在于对业务有帮助算法的制定，而在人才严重缺乏的当下，不妨从数据工具入手。降低工具使用的门槛，让业务专家可以参与其中，才能发挥大数据真正的作用，对业务起到立竿见影的改善。

    总结

    工具的部署谁都可以，关键在于业务算法的制定，让业务专家无缝的参与数据的分析才是成功之始。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。