大数据分析 ：利用向外扩展技术深入挖掘商业价值

将公有云作为大数据技术主机的方案既带来良好的发展机遇，同时也造成了不少难题。大数据技术通常采用以云为基础的多租户机制，此外也为用户提供能够运行在内部环境下的版本。尽管公有云在可扩展性与成本效益方面具备相当程度的优势，但企业仍然需要为其安全性及合规性保障操心费力。此外，当下的大部分数据都散布于其原本生成之处，且需要由托管在公有云内部的大数据系统加以逐一收集。

也就是说，大数据分析对于企业业务的可观助力极具价值、不容忽视。大多数企业需要就当下开始着手建立自己的大数据发展战略，或者是对几年前所打造的现有大数据战略作出更新及调整。为了达成这一目标，下面我们一同来看在企业内部实施大数据分析方面的几点建议：

1. 从技术角度出发了解核心业务的实际需求，并以此为基础创建业务用例。确保我们的注意力始终集中在战略价值层面——例如如何更好地理解历史业务记录——以及战术价值层面——例如如何在未来几年内显著降低库存成本。

2. 对自己的数据源加以定义。它们在哪里？它们到底是什么？如何最具效率地与数据源对接并根据需要进行内容复制？这意味着确切定义数据整合问题，从而顺利将其从A点转移至B点。

3. 定义已知用例，其中包括未来要用到的、能够切实理解数据内容的分析模型。

4. 创建一套概念验证机制，用于深入了解技术方案本身以及将该技术引入企业环境可能带来的复杂性难题。

5. 考虑性能表现、安全性以及数据治理方面的问题。这些问题通过会受到忽视，但在成功的实施体系中却又不可或缺。

6. 投入时间与金钱对商务智能技术的功能与特性进行评估。商务智能与数据可视化方案的作用是为大家开启审视数据的窗口，而任何局限性都会大大影响到数据价值的挖掘与发挥。

7. 严格定义成功指标。在使用大数据分析技术的一年之后评估哪些元素正常运行，哪些却未能顺利起效。无需引发太多破坏性影响，我们就能对技术项目作出调试。

8. 最后，确保为这项技术创建一套发展路线图。其中应当包含目前的使用方式以及短期与长期业务规划。了解与计划实施的技术相关的重要发展趋势，其中包括可选方案、底层技术以及可能获得成功的方案供应商，最后还要加上哪些选项最适合自身企业在未来的发展需要。

大数据分析技术的价值在企业领域已经非常明确。充分利用良好信息的能力一直是摆在IT部门面前的重要难题与挑战。现在我们已经拥有了足以解决这一难题的工具，接下来要做的就是想办法使其为自己服务了。

原文链接：http://resources.idgenterprise.com/original/AST-0131518_BigData-Pivotal_v2.pdf?；