有很多普通中小企業(yè)，特別是中型的互聯(lián)網(wǎng)和物聯(lián)網(wǎng)企業(yè)，在大數(shù)據(jù)方面的場景也有很多。本文將首先給大家介紹一下在筆者眼中的大數(shù)據(jù)，以及大數(shù)據(jù)的意義和特點(diǎn)，再介紹一下大數(shù)據(jù)的常見處理流程，之后將會(huì)和大家分享一下筆者如何幫助一些中小企業(yè)實(shí)施大數(shù)據(jù)相關(guān)的解決方案，也就是大數(shù)據(jù)如何從“小”做起。

任何一個(gè)時(shí)代或者模式的興起，都離不開與之相關(guān)的Killer App，比如，C/S時(shí)代的SAP ERP，互聯(lián)網(wǎng) 1.0 時(shí)代的門戶，以及互聯(lián)網(wǎng) 2.0時(shí)代的搜索和SNS等，那么在當(dāng)今云計(jì)算這個(gè)時(shí)代有那些Killer App呢?當(dāng)然首先想到的肯定是以VMware 和Amazon EC2為代表的虛擬化和相關(guān)IaaS服務(wù)，除此之外，新近崛起的大數(shù)據(jù)絕對也是云計(jì)算的Killer App之一。不僅類似百度、阿里，以及騰訊這樣的互聯(lián)網(wǎng)巨頭有相關(guān)的應(yīng)用需求，而且根據(jù)筆者平時(shí)與客戶的接觸，發(fā)現(xiàn)有很多普通中小企業(yè)，特別是中型的互聯(lián)網(wǎng)和物聯(lián)網(wǎng)企業(yè)，在大數(shù)據(jù)方面的場景也有很多。本文將首先給大家介紹一下在筆者眼中的大數(shù)據(jù)，以及大數(shù)據(jù)的意義和特點(diǎn)，再介紹一下大數(shù)據(jù)的常見處理流程，之后將會(huì)和大家分享一下筆者如何幫助一些中小企業(yè)實(shí)施大數(shù)據(jù)相關(guān)的解決方案，也就是大數(shù)據(jù)如何從“小”做起。

什么是大數(shù)據(jù)?

過去計(jì)算機(jī)產(chǎn)生的數(shù)據(jù)較簡單，基本上都是一筆筆事務(wù)，總量雖大，但整體增長幅度都還是可控的。比如傳統(tǒng)的金融企業(yè)，經(jīng)常使用幾臺大型機(jī)就能管理其所有的業(yè)務(wù)數(shù)據(jù)。而最近幾年，由于以平板、智能手機(jī)和傳感器為代表的智能設(shè)備越來越多，這些設(shè)備的生成的數(shù)據(jù)更是遠(yuǎn)遠(yuǎn)地超過我們的想象。據(jù)IDC的統(tǒng)計(jì)，全球數(shù)字信息在未來幾年將呈現(xiàn)驚人增長，預(yù)計(jì)到2020年總量將是現(xiàn)在的44倍。據(jù)另外一份數(shù)據(jù)顯示，全球 90% 的數(shù)據(jù)都是在過去兩年中生成的，并且每年以50%的速度增長。每天，遍布世界各個(gè)角落的傳感器、移動(dòng)設(shè)備、在線交易和社交網(wǎng)絡(luò)會(huì)產(chǎn)生PB級別的數(shù)據(jù);每個(gè)月，全球網(wǎng)友會(huì)發(fā)布了10多 億條 Twitter 信息和300多 億條 Facebook 信息。那么這些大數(shù)據(jù)的存在有什么價(jià)值和意義呢?

大數(shù)據(jù)的意義

筆者個(gè)人和一些朋友一直覺得大數(shù)據(jù)就好比一口油井，因?yàn)槔锩嫣N(yùn)含著非常豐富的價(jià)值，如果企業(yè)能有效利用其內(nèi)部存儲(chǔ)的海量數(shù)據(jù)，那么將會(huì)改善其自身的產(chǎn)品和服務(wù)，從而提升客戶和受眾的體驗(yàn)，在大數(shù)據(jù)時(shí)代獲取競爭優(yōu)勢。并且隨著本身分析和挖掘技術(shù)不斷的提升，可以在之前的基礎(chǔ)上提供新的決策模式，從而支持管理者進(jìn)行快速和精確地決策，這樣能夠超越對手，搶占市場先機(jī)。

以下的內(nèi)容會(huì)通過幾個(gè)行業(yè)來舉例講解一下大數(shù)據(jù)有哪些意義和作用?

互聯(lián)網(wǎng)企業(yè)

有一些客戶主要是做網(wǎng)絡(luò)輿情或者網(wǎng)絡(luò)廣告方面的業(yè)務(wù)，他們每天都會(huì)處理和收集TB級別的日志或者網(wǎng)頁信息，結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)都有。他們就是通過分析這些數(shù)據(jù)來為其客戶提供價(jià)值，比如分析一下一個(gè)男性護(hù)膚品廣告是在世界杯期間投放好，還是在亞洲杯期間播出好?在電子商務(wù)方面，eBay是個(gè)很好的例子。其分析平臺每天處理的數(shù)據(jù)量高達(dá)100PB，超過了納斯達(dá)克交易所每天的數(shù)據(jù)處理量。為了準(zhǔn)確分析用戶的購物行為，eBay定義了超過500種類型的數(shù)據(jù)，對顧客的行為進(jìn)行跟蹤分析，并且通過這些分析促進(jìn)eBay自身的業(yè)務(wù)創(chuàng)新和利潤增長。

智能電網(wǎng)

我們有一個(gè)合作伙伴，他們是做智能電網(wǎng)相關(guān)的解決方案。對那些電網(wǎng)而言，如果無法準(zhǔn)確預(yù)估實(shí)際電力的使用情況，將會(huì)使電網(wǎng)要求電廠發(fā)出過量的電力，雖然這些過量電力可以通過某種模式進(jìn)行保存，但是大量的電力浪費(fèi)已不可避免。而通過他們智能電網(wǎng)的解決方案，每隔一刻鐘會(huì)采集一個(gè)省幾千萬用戶的用電數(shù)據(jù)，之后他們會(huì)根據(jù)這些數(shù)據(jù)來精確分析用戶的用電模型，最后通過這個(gè)用電模型來優(yōu)化電力生產(chǎn)，從而有效地減少電力資源的浪費(fèi)。

車聯(lián)網(wǎng)

在車聯(lián)網(wǎng)方面，有一家客戶在一個(gè)城市有幾十萬臺基于Android的終端，而這些終端每隔一段時(shí)間都會(huì)發(fā)送具體位置的GPS消息給后端的數(shù)據(jù)集群，接著這些集群會(huì)分析這些海量的GPS信息，分析出哪些路段在什么時(shí)候比較堵，之后將這些非常有價(jià)值的信息不斷地推送給客戶，從而幫助用戶減少在路上所消耗的時(shí)間。

醫(yī)療行業(yè)

在醫(yī)療行業(yè)，大數(shù)據(jù)的用例有很多。首先，通過分析大量的病例信息，將有效地幫助醫(yī)生治病;其次，假設(shè)在一個(gè)病人身體的多個(gè)節(jié)點(diǎn)加入探針設(shè)備，而且每個(gè)探針每天會(huì)采集GB級別關(guān)于人體細(xì)胞和血液運(yùn)行狀態(tài)的數(shù)據(jù)，之后計(jì)算集群可以根據(jù)這些數(shù)據(jù)來進(jìn)行分析，這樣能更精確地判斷病因，從而讓醫(yī)生對病人進(jìn)行更具針對性的治療。

機(jī)器學(xué)習(xí)

在這方面，最出名的例子莫過于最近很流行的Siri，它后臺有一個(gè)龐大的HBase集群來對類似語言這樣的文本數(shù)據(jù)進(jìn)行分析和管理，從而使Siri變成一位越來越老練的個(gè)人助手，為iPhone 4S的用戶提供了日期提醒、天氣預(yù)報(bào)和飯店建議等服務(wù)。除此之外，還有IBM的Watson，它通過一個(gè)基于Hadoop UIMA框架的集群來挖掘海量的文本信息來實(shí)現(xiàn)一定程度的人工智能，并在美國著名知識問答節(jié)目Jeopardy中戰(zhàn)勝多位出色的人類選手。

國家安全

這方面最出名的例子，莫過于美國的聯(lián)邦情報(bào)局(CIA)。在過去10年中，他們通過無人偵察機(jī)收集了大量阿富汗那邊地理相關(guān)的視頻資料，之后通過分析這些海量視頻資料，來對極具危害性的恐怖組織團(tuán)伙進(jìn)行定位。

大數(shù)據(jù)的特點(diǎn)

大數(shù)據(jù)，不僅有“大”這個(gè)特點(diǎn)，除此之外，它還有很多其他特色。在這方面，業(yè)界各個(gè)廠商都有自己獨(dú)特的見解，但是總體而言，我覺得可以用“4V+1C”來概括，“4V+1C分別代表了Variety(多樣化)、Volume(海量)、Velocity(快速)、Vitality(靈活)以及Complexity(復(fù)雜)這五個(gè)單詞。

Variety(多樣化)

大數(shù)據(jù)一般包括以事務(wù)為代表的結(jié)構(gòu)化數(shù)據(jù)、以網(wǎng)頁為代表的半結(jié)構(gòu)化數(shù)據(jù)和以視頻和語音信息為代表的非結(jié)構(gòu)化等多類數(shù)據(jù)，并且它們的處理和分析方式區(qū)別很大。

Volume(海量)

通過各種智能設(shè)備產(chǎn)生了大量的數(shù)據(jù)，PB級別可謂是常態(tài)，筆者接觸的一些客戶每天處理的數(shù)據(jù)量都在幾十GB、幾百GB左右，估計(jì)國內(nèi)大型互聯(lián)網(wǎng)企業(yè)每天的數(shù)據(jù)量已經(jīng)接近TB級別。

Velocity(快速)

大數(shù)據(jù)要求快速處理，因?yàn)橛行?shù)據(jù)存在時(shí)效性。比如電商的數(shù)據(jù)，假如今天數(shù)據(jù)的分析結(jié)果要等到明天才能得到，那么將會(huì)使電商很難做類似補(bǔ)貨這樣的決策，從而導(dǎo)致這些數(shù)據(jù)失去了分析的意義。

Vitality(靈活)

在互聯(lián)網(wǎng)時(shí)代，和以往相比，企業(yè)的業(yè)務(wù)需求更新的頻率加快了很多，那么相關(guān)大數(shù)據(jù)的分析和處理模型必須快速地適應(yīng)新的業(yè)務(wù)需求。

Complexity(復(fù)雜)

雖然傳統(tǒng)的BI已經(jīng)很復(fù)雜了，但是由于前面4個(gè)V的存在，使得針對大數(shù)據(jù)的處理和分析更艱巨，并且過去那套基于關(guān)系型數(shù)據(jù)庫的BI開始有點(diǎn)不合時(shí)宜了，同時(shí)也需要根據(jù)不同的業(yè)務(wù)場景，采取不同的處理方式和工具。