玩轉大數據，你需要了解這8種項目類型！

在過去的 12 個月里，筆者一直在大數據的戰壕里挖掘。好吧，其實大部分時間我只是坐在比我更聰明的人旁邊，看他們怎么在戰壕里挖掘數據，再把所做的事情進行簡化以上報給管理層。

很少有真正獨具一格的 IT 項目，那些聽起來比較特別的項目最終也只是大同小異。不過你們今天有眼福了，因為我決定出來冒個泡兒，跟大家分享一下過去 12 個月里接觸到的8大項目類型。

1、探索交易周期

那些做電子商務的公司想當然地認為，裝幾個工具就能掌握網頁訪客從銷售到付款的成交情況。但是很多公司處理的數據集遠遠不止網頁成交率，而且這些數據集主要來自經銷商。

每個經銷商提供格式各異的不同數據集。當然，從根本上說，這是一個帶有BI/可視化前端的核心ETL/數據整合項目。但是，對許多公司而言，要真正了解交易的生命周期（從開始、進展到結束）比想象中要困難。你需要整合大量的 CRM 數據、網站分析數據和財務數據，最后才能肯定地說：“是的，PPC（點擊付費廣告）帶來了交易，但是40％的客戶連第一筆交易都未能成功走到付款，那么……”

2、挖掘潛在客戶

很多公司都想知道你在做什么，然后再根據你的活動情況向你推銷產品。例如，你手機上可能裝了一個提供遙測數據的 app，這樣公司就會知道你在商場的哪個位置。憑借這些大數據，他們就能預測你在任意時刻的購買需求。

3、衡量營銷效果

營銷人員做事講求效益，他們想知道具體要做哪些事情，以及這些事情對KPI有何影響。從本質上說，這又是一個 BI 項目，而且往往涉及到大量的變更數據捕獲（CDC）和 ETL 數據整合工作。他們測量的實際KPI變化很大，有時還涉及到 Kylin 或 Greenplum 等工具中的數據庫。至于其他情況，可能屬于下一個類別——社交媒體。

4、測量社交媒體熱度

通常，公眾會在公開或半公開的社交網絡上談論你（或你的公司）。在這些地方你可以獲取很多有用的信息，比如大家怎么看待你的品牌，你的營銷活動是否有成效。既然美國地震勘探局可以通過 Twitter 探測到地震和震級，那么你也可以通過這樣的平臺了解剛推出的廣告活動效果如何。隨著越來越多的專業社交平臺出現，對于某些垂直行業而言，其數據采集范圍遠遠不止 Twitter 和 Facebook。

5、專攻日志文件

無論是為了入侵檢測還是應對安全審計，你都需要捕獲并收集日志文件并使其可檢索。在這一領域，Splunk 無疑大賺了一筆。當然，在大數據中還有其他更靈活的選擇。

6、因為不想買Teradata！

現在已經不是 Teradata 獨統天下的時代了，大數據正在從邊緣向核心發展，而且 Apache Kylin 的數據庫已對所有人開放。得益于 Impala、HAWQ 和 Greenplum，MPP 分布式系統的地位也更加重要。那些價格昂貴、功能單一而且還不能兼容其他數據分析的工具，其發展空間越來越小——更別說是那些只能依靠某單一供應商的私有云。

7、經久不衰的ETL

ETL (Extract-Transform-Load)可能依舊是如今最常見的Hadoop工作負載——而且我敢說，ETL 是適用于 Spark 的最常見的非流式工作負載。順便提一下，現在已經有上百個創業公司冒出來說自己能夠處理這種任務了。

8、先捕獲傳感器數據再想辦法處理

不管是電網、制造業、水泵，還是老司機開的車，都在向我們傳遞信息。這些信息都需要捕獲。甚至有些人已經弄清了該如何處理這些數據。但是，及時捕獲數據才是最重要的一步，因為很多人都覺得從技術上來說捕獲數據并不那么容易。

此外，筆者還經常督促大家在大數據項目初期就要考慮數據分析問題。為什么呢？因為預先設計并確定好數據流的大小，遠比數據已經準備好時再重新考慮整體布局要容易得多。但是有時候還是得細細咀嚼，做最好的打算。

近一年來，筆者見過不少其他項目類型，但是大多數用例都屬于以上八種之一。不知各位老司機是否還有補充？