對(duì)于很多企業(yè)來說，大數(shù)據(jù)只是一個(gè)模糊的目標(biāo)，而不是現(xiàn)實(shí)。然而，這是一個(gè)目標(biāo)，越來越多的企業(yè)正在推動(dòng)他們的首要任務(wù)清單。正如Gartner的調(diào)查所顯示的那樣，每個(gè)人都熱衷于加入大數(shù)據(jù)的大潮，但真正理解其中原因的人卻相對(duì)較少。大數(shù)據(jù)包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)越來越成為數(shù)據(jù)的主要部分。正如Gartner的分析師Svetlana Sicular所指出的，阻礙大數(shù)據(jù)采用的迷思取決于企業(yè)采用大數(shù)據(jù)的曲線在哪里。2014年，許多愚蠢的大數(shù)據(jù)神話將被數(shù)據(jù)驅(qū)動(dòng)應(yīng)用程序的經(jīng)驗(yàn)增長所取代。沒有人能一下子從大數(shù)據(jù)新手變成久經(jīng)世故的人。這就是為什么對(duì)大數(shù)據(jù)項(xiàng)目的敏捷方法如此重要的原因，正如我在這里寫的和之前在Strata會(huì)議上介紹的。失敗是必然的。關(guān)鍵是最小化失敗的成本，這就是為什么像Hadoop這樣的開源技術(shù)對(duì)大數(shù)據(jù)的成功如此關(guān)鍵。

Sicular以以下方式展示了大數(shù)據(jù)的成功之路:

她指出，在這個(gè)過程中，阻礙我們進(jìn)步改變的神話。Sicular識(shí)別出的第一組大數(shù)據(jù)神話可以歸結(jié)為對(duì)大數(shù)據(jù)含義的核心誤解，以及隨之而來的對(duì)工作所需的正確技術(shù)的困惑。例如，Sicular識(shí)別出的第一個(gè)大數(shù)據(jù)神話是一個(gè)根深蒂固的信念，即大數(shù)據(jù)是一個(gè)數(shù)據(jù)量的問題。她發(fā)現(xiàn)，現(xiàn)實(shí)要微妙得多:大數(shù)據(jù)是高容量、高速度和高多樣性的信息資產(chǎn)，需要成本效益高、創(chuàng)新的信息處理形式，以增強(qiáng)洞察力和決策能力。事實(shí)上，包括來自新華帝合作伙伴的研究(如右圖所示)在內(nèi)的多項(xiàng)研究都表明，對(duì)于大多數(shù)大數(shù)據(jù)項(xiàng)目來說，數(shù)據(jù)的速度和多樣性是最重要的特征。

因此，另一個(gè)長期存在的神話——大數(shù)據(jù)就是hadoop——阻止企業(yè)探索更符合實(shí)際的大數(shù)據(jù)使用的技術(shù)，比如NoSQL技術(shù)(用于不同數(shù)據(jù)類型的實(shí)時(shí)處理)和“邏輯數(shù)據(jù)倉庫”，完成Sicular的技術(shù)棧促使企業(yè)考慮這些技術(shù)。一旦企業(yè)已經(jīng)超越了這些新手的錯(cuò)誤，他們就準(zhǔn)備好處理更高級(jí)的神話。在這個(gè)“意識(shí)到”階段,企業(yè)有更好的理解,數(shù)據(jù)很重要,如何處理它,但他們錯(cuò)誤的認(rèn)為可以解決他們所有的問題如果有足夠多的數(shù)據(jù),并錯(cuò)誤地認(rèn)為同齡人遠(yuǎn)遠(yuǎn)領(lǐng)先于他們。

因此，Sicular將大數(shù)據(jù)問題與那些“業(yè)務(wù)問題”隔離開來，這些業(yè)務(wù)問題的問題是事先不知道的，回答這些問題的數(shù)據(jù)類型可能會(huì)有所不同，而且可能需要非結(jié)構(gòu)化的數(shù)據(jù)。換句話說，當(dāng)你想先存儲(chǔ)數(shù)據(jù)，然后再查詢數(shù)據(jù)時(shí)，大數(shù)據(jù)是有用的。如果您知道應(yīng)該對(duì)事務(wù)性收銀機(jī)數(shù)據(jù)提出什么問題，而這些數(shù)據(jù)恰好適合關(guān)系數(shù)據(jù)庫，那么您可能就不會(huì)遇到大數(shù)據(jù)問題。如果您存儲(chǔ)的是相同的數(shù)據(jù)，以及一系列天氣、社交和其他數(shù)據(jù)，以試圖找到可能影響銷售的趨勢(shì)，那么您可能需要這樣做。

這并不是說唯一重要的數(shù)據(jù)是企業(yè)外部的非結(jié)構(gòu)化數(shù)據(jù)。事實(shí)上，事實(shí)可能恰恰相反。正如“黑暗數(shù)據(jù)”所假設(shè)的那樣。對(duì)于所有研究大數(shù)據(jù)機(jī)遇的企業(yè)來說，最大的興趣在于如何利用現(xiàn)有數(shù)據(jù)倉庫中的未充分利用的數(shù)據(jù)。當(dāng)被問及目前哪些數(shù)據(jù)企業(yè)在分析時(shí)，事務(wù)性數(shù)據(jù)和日志數(shù)據(jù)是最受歡迎的兩個(gè)回答。許多最有趣的數(shù)據(jù)已經(jīng)存在于大型機(jī)和企業(yè)內(nèi)的關(guān)系數(shù)據(jù)庫中，但是在過去管理不善。大數(shù)據(jù)項(xiàng)目通常應(yīng)該從已有的數(shù)據(jù)開始，但沒有得到有效利用。

Sicular的第三階段是企業(yè)積極試驗(yàn)他們的數(shù)據(jù)，但仍然因?yàn)槿狈夹g(shù)和不成熟的技術(shù)而感到困惑。在這個(gè)階段，企業(yè)轉(zhuǎn)向神秘的數(shù)據(jù)科學(xué)家，發(fā)現(xiàn)她很難找到，而且也不一定是這個(gè)工作的合適人選。Sicular并沒有把重點(diǎn)放在尋找“數(shù)據(jù)科學(xué)家”上，而是敦促企業(yè)組建一個(gè)“擁有多種技能的多學(xué)科團(tuán)隊(duì)，以迎接技術(shù)挑戰(zhàn)，解決采用大數(shù)據(jù)的復(fù)雜業(yè)務(wù)問題。”考慮到對(duì)數(shù)據(jù)提出正確問題的重要性，這一點(diǎn)至關(guān)重要。語境很重要，不同的人對(duì)如何看待自己的數(shù)據(jù)有不同的看法。大數(shù)據(jù)的后階段采用充滿了一些意想不到的現(xiàn)實(shí)——Hadoop是不像一些希望,廉價(jià)的實(shí)現(xiàn),企業(yè)往往不是利用商品硬件和購買昂貴的機(jī)器,和更多的,但也有一些不錯(cuò)的驚喜,像這樣一個(gè)事實(shí):大數(shù)據(jù)技術(shù)相對(duì)容易的程序。有趣的是，企業(yè)走得越遠(yuǎn)，就越意識(shí)到結(jié)構(gòu)化數(shù)據(jù)是多么寶貴的財(cái)富。雖然非結(jié)構(gòu)化數(shù)據(jù)可能占到數(shù)據(jù)總量的80%，但目前還不到大數(shù)據(jù)價(jià)值的80%。正如Sicular指出的那樣，“結(jié)構(gòu)化數(shù)據(jù)經(jīng)過了改進(jìn)，其密度和質(zhì)量都比同等數(shù)量的非結(jié)構(gòu)化數(shù)據(jù)高得多。”

據(jù)IDC的調(diào)查報(bào)告顯示：企業(yè)中80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)每年都按指數(shù)增長60%。大數(shù)據(jù)就是互聯(lián)網(wǎng)發(fā)展到現(xiàn)今階段的一種表象或特征而已，沒有必要神話它或?qū)λ３志次分?，在以云?jì)算為代表的技術(shù)創(chuàng)新大幕的襯托下，這些原本看起來很難收集和使用的數(shù)據(jù)開始容易被利用起來了，通過各行各業(yè)的不斷創(chuàng)新，大數(shù)據(jù)會(huì)逐步為人類創(chuàng)造更多的價(jià)值。“隨著大數(shù)據(jù)技術(shù)在管理/訂購非結(jié)構(gòu)化數(shù)據(jù)方面變得越來越好，這種情況可能會(huì)隨著時(shí)間的推移而改變，但這在今天已經(jīng)成為現(xiàn)實(shí)。”所有這些都提醒我們，我們所相信的大數(shù)據(jù)可能并不真實(shí)。因此，以謙遜的態(tài)度對(duì)待大數(shù)據(jù)項(xiàng)目是至關(guān)重要的。