数据湖恶化成了数据沼泽?你一定没有注意这3点

大数据 数据湖
在Apache Hadoop等技术的支持下,组织一直在寻求构建数据湖——企业范围的数据管理平台,允许以原生格式存储所有数据。数据湖可通过提供给一个单一的数据存储库来打破信息孤岛问题,整个组织都可以使用从业务分析到数据挖掘的所有东西。原始和不受约束,数据湖被认为是一个包罗万象的大数据。

多年来,在Apache Hadoop等技术的支持下,组织一直在寻求构建数据湖——企业范围的数据管理平台,允许以原生格式存储所有数据。数据湖可通过提供给一个单一的数据存储库来打破信息孤岛问题,整个组织都可以使用从业务分析到数据挖掘的所有东西。原始和不受约束,数据湖被认为是一个包罗万象的大数据。

但是,商业智能(BI)软件专家,金字塔分析公司的首席技术官Avi Perez说,他看到许多客户的数据湖正在恶化为数据沼泽——完全无法接近终端用户的大量数据存储库。

[[196859]]

“数据库真的很贵。”Perez说,“数据湖从根本上解决了这个问题。数据湖以及所有大数据方案,都来自于市场压力,其次,现实世界的数据生成器会吐出大量的数据,你需要找到一个方法去存储它们。”

但是,尽管许多世界上最好的公司都在他们的数据湖周围建立了业务(谷歌就是一个很好的例子),但很多公司在收集了数据之后却没有任何清晰的办法来获取价值。

“他们更像是在收集灰尘。”Perez说,“也可以说在收集垃圾,一些最终都会被抛弃的垃圾。最后,你为那些东西增加了预算,却什么都不做。”

这并不是说数据湖背后的想法是糟糕的。Perez确信,所有的公司最终都需要一个数据湖。但是如何创建一个数据湖,让终端用户真正从中受益,这是需要深思熟虑的。

[[196860]]

为了避免在自己的数据湖中溺水,Perez建议采用以下三条原则:

1、 只收集少量的数据,至少在一开始的时候。

Perez表示,组织所犯的最大的错误之一就是收集太多的数据,而其中原因仅仅是他们有这个能力。很多时候,个人也是这样。细想一下,你手机里存了成百上千张图片,有都少是自己真正想保存的?很多人没有删掉多余的图片,只是因为手机容量够大。

“你的手机上有10亿张照片,其中99%就可能是垃圾,而且在删除它们的时候还可能会有点儿舍不得。”他说,“用手机拍照很容易,基本上是免费的。你可能回想,‘有一天我会去清理它’,但只要存储容量仍然充足,就很少有人会这样做。这就叫做收集了大量的信息,却没办法有效使用它们。”

当你想要给某人看一张很有意思的照片时,就不可避免地需要往后翻阅很多张无关的照片。

Perez说,同样的事情也发生在数据湖上。在Hadoop中存储数据并不昂贵,甚至常会被认为是免费的。但是,大量累积的数据会让你很难真正地访问数据,来为自己提供有价值的信息。

“我认为,避免这种情况的方法实际上是把水龙头给关掉。”Perez说,“基于这样一种假设,仅仅是收集数据的成本很低,并不会让使用数据变得更便宜。这可能真的很贵。所以,不要总想着无休止地收集信息。把它放在一个数据集中,制定一个具体的计划,弄清楚自己该如何去挖掘它。”

[[196861]]

2、 采用机器学习战略

即使有了一个集中的数据集,从大规模的数据中获得有价值见解也需要自动化。

“你需要一个自动化的系统来清洗数据。”Perez说,“人工智能、机器学习、深度学习,无论你想使用哪一种,都会是一个非常神奇的解决办法。我认为,从你巨大的数据湖中获取价值的最简单的办法就是,拥抱这一项新技术。”

Perez说,首先选择一个数据集,然后通过一项机器学习技术来完成它。当然,新的技术意味着新的技能、人才需求,你可以对现有员工进行培训,也可以聘请一些专业人士。

“机器学习是一门黑色艺术。”他说,“这并不容易做到,需要非常细分的技能。”

3、 确定你想解决的商业问题

所有的事情都应该是完整的:你需要从一个清晰的视角来开始你想要解决的商业问题。有了一个客观的目标,相对会更容易把你需要收集的数据和最好的机器学习技术应用起来。

例如,Perez说,可以将自己想象成一个大卖场,你决定去了解什么样的顾客会进入你的商店。你可以捕捉顾客进入商店的图片,然后使用一个复杂的神经网络(CNN)——一种擅长于计算机视觉问题的深度学习神经网络——来处理图像。CNN可以通过一个人的形象确定是男性还是女性,是孩子还是成年人,是年轻人还是老年人等等。

“一旦你完成了所有工作,就可以把它与一个商业计划联系起来,并把它交给你的业务用户。”Perez说,“这可以帮助你做出决策——‘我们需要更多地向男性市场推销,因为我们没有足够多的男性客户’。你真的需要事先有一个明确的战略,如果不这样做,仅仅是对事物的收集就会对整个过程产生巨大的负面影响。”

一旦你在头脑中建立了一个业务计划,通常就可以迭代该功能,从而为业务提供更有针对性的解决方案。例如,一旦你确定是谁走进了你的商店,你就可以用同样的能力来确定谁会走过你的化妆品柜台。

责任编辑:武晓燕 来源: IT168
相关推荐

2017-09-11 20:40:49

2017-01-19 17:57:47

大数据

2020-06-10 08:33:05

Java 编程语言开发

2019-11-25 21:46:12

数据湖云计算数据仓库

2015-03-30 10:48:17

大数据大数据处理Hadoop

2013-09-03 09:09:30

大数据

2022-06-02 10:56:30

MySQL数据库技术

2015-06-17 11:18:01

WiFi

2019-12-02 15:35:25

电脑i7i5

2021-02-26 09:04:22

数组ArrayListHashMap

2022-05-02 09:21:25

微信微信支付

2012-10-16 09:52:27

数据结构

2020-08-18 11:21:28

数据挖掘机器学习算法

2017-08-18 15:21:50

MySQL错误案例

2022-02-25 21:07:05

微信电话移动应用

2018-10-31 09:00:23

MySQL数据库经典错误

2020-04-27 10:34:23

HTTPDNSDNS网络协议

2022-12-26 09:16:45

Guava架构模型

2019-04-24 16:40:18

Redis数据库

2019-12-11 14:32:49

分布式大数据系统
点赞
收藏

51CTO技术栈公众号