大數據分析是否成功 五大要素來考量

當前，在大數據時代下，大數據在企業中的應用越來越廣泛，與此同時，創新型企業正在研究他們的數據管理策略，以確定在哪些環境下以及怎樣發揮云計算解決方案的作用。依托廣泛的云計算產品、服務及技術，企業將能夠通過新的數據管理模式，打破傳統數據管理模式的藩籬，創造新的價值。

基于云的分析就是一個典型的例子。企業管理協會研究顯示，越來越多的企業采用混合數據管理模式，利用專用平臺管理并調整數據、應用程序及工作負載，以提升數據管理性能，并削減成本。

衡量成功的準則

不同廠商針對各種不同行業提供卓越的分析方案，要調查它們的數據分析能力，需要從以下五大要素入手：

1. 分析性能

首先，為分析用例提供支持需確定信息是否能輕松、快速地從源系統遷移至云端環境。緩慢、復雜的數據采集過程將影響決策速度，而費時費力的數據準備及障礙重重的多級數據載入過程將導致數據管理效率低下，日常運營成本增加。企業還應重視信息存儲容量，因為它直接決定業務問題記錄的數量。

云端平臺不但需實現單用戶業務咨詢，還需支持多用戶進行系統并時查詢。無論有多少用戶查詢系統，云端平臺都必須處理信息，并將結果及時返回。等待處理的時間過長導致無法及時獲得洞察力，將使查詢結果采納率受到限制，降低投資回報率，甚至無法收到回報。

2. 工作負載的靈活性

與報告編制、重復聯機分析處理、特定分析和數據挖掘或高級分析等常見功能相比，支持多個工作負載才是平臺靈活性和敏捷性的體現。

平臺面向數據庫開發，將能夠提升其性能和靈活性，以不同的方式支持工作負載。實施基于行的傳統策略，能夠向記錄輕松添加插入及更新內容，但查詢需要掃描整個表格時，不利于處理列式布局的表格。部分平臺同時搭載基于行和列的技術，可滿足分析工作負載的需求。

通過部署Apache Hadoop基礎設施及探索分析功能，開發更深層次數據探索能力的大數據戰略對計劃通過云計算服務優化現有平臺功能的企業而言非常重要。

3. 先進的技術

分析項目通常會超出其最初設定的范圍。隨著更多用戶開始使用平臺，系統需要滿足更多需求，大多數平臺容納的數據量在項目啟動一段時間后都超過最初設定的范圍。因此，項目初期雖然不急于制定長期計劃并提出項目需求，但這些規劃和要求卻非常重要。

隨著數據驅動型項目不斷成熟，就需要更多高級功能和特性。而傳統系統功能無法滿足用戶對洞察力的要求時，這種需要尤為明顯。擴展云端環境，并加入探索分析等新功能的能力迫切需要具有相應能力的平臺。例如，為數據倉庫部署Hadoop解決方案將有機會獲取高級洞察，而選擇使用新功能，將確保項目順利進展，并創造出意想不到的價值。

4. 專業支持

數據庫基礎設施開通服務是實施分析解決方案的重要環節，但卻不是唯一的環節。為支持業務咨詢服務，數據必須使用適當的格式。這將有助于平臺為用戶高效提供準確的相關信息。

設計并搭建數據庫架構可能需要數據建模、數據整合及安全性等方面的高級數據庫綜合管理技能與經驗。部署云端環境的企業經常遇到IT技術難題，新項目開展時始終無法獲得相應支持，影響項目實施進度。因此，企業應與解決方案提供商開展合作，通過他們的專業咨詢、培訓和實施服務，確保項目順利開展。

5. 企業生態系統

如果企業僅使用一套解決方案，通過它獲得的業務洞察只能創造有限的價值。而在更廣泛的生態系統中使用分析平臺，將能夠提升云端平臺的效率。

企業充分利用高級分析或探索平臺功能，將能夠運行高級工作負載，并管理更復雜的項目。大多數解決方案提供商提供合作伙伴網絡服務，以擴展平臺的能力和功能，為項目創造更多價值。

除此之外，隨著工作負載及高級應用程序的不斷出現，在選擇平臺時就應更加重視實際使用情況。各行業致力于推動技術創新的企業都在考察云端分析功能?？紤]到廠商提供技術的多樣性，選擇解決方案時，必須仔細研究評估所有相關標準，確保解決方案能充分發揮性能并帶來預期的價值。