解析大数据的五大陷阱
大数据庞大而又复杂。这不仅体现在信息的积累上,而且体现在其对经营策略的影响上。据IDC预测,2018年,全球业务分析开支将高达896亿美元。成功利用大数据已成为众多企业的关键要素,其中包括制定平台战略,无论它是“数据中心”,还是“数据平台”亦或是“数据湖”。
很多还未实施大数据项目的企业正在评估他们2016年的数据战略,其它公司则在审视它们现有的项目,探索利用分析改善经营和增加收入的新方法。事实上,大数据并不容易做到。据Gartner预测,直到2018年,由于技能和集成上的问题,70%的Hadoop系统可能将无法满足成本节约和创收目标。因此,如何才能把大数据“物尽其用”变得至关重要。以下是一些您应该规避的最常见的大数据陷阱:
陷阱1:缺乏企业平台或以数据为本的架构
Hadoop系统通常是以具体应用的原型身份进入企业的,然后逐渐成为重心,吸引越来越多的数据,并很快成为一个巨兽——由一小撮“数据科学家”领导的数字运算引擎。企业必需从一个企业平台策略和一个以数据为本的架构开始,打破在各种规模的企业中盛行并削弱企业力量的数据孤岛。大数据需要能够在一个完全可扩展的分布式环境中实施并行处理,并尽可能地减少阻力。与传统数据库系统或应用孤岛不同,在一个以数据为本的架构或企业平台中,数据不受限制,不绑定模式,也没有被锁定。
陷阱2:缺乏“数据湖”愿景
对于企业而言,“数据湖”具有改变游戏规则的变革性意义。它是一个数据集中目的地,可提供企业急需的各类型的数据集成,其中包括结构化、非结构化和半结构化数据以及内部数据、外部数据和合作伙伴数据。数据湖存储库通过“大数据经济学” 创造巨大效益,与传统解决方案相比,它可将数据存储和分析的成本降低30到50倍。 数据湖能够在任何数据转换或模式创建之前捕获“原始数据”,并提供自动快速摄取机制。在向企业数据接入、无缝数据访问、迭代算法开发和敏捷开发演进的过程中,数据湖发挥着举足轻重的作用。
陷阱3:没有针对数据增长和成熟度进行规划
当数据湖成为默认的数据目的地时,管理和细粒度安全性从一开始就变得异常重要。元数据访问及存储、数据沿袭及标注会成为内置,而原始数据和不同阶段的转换数据仍能毫无冲突地共存。各类应用可以通过Hadoop使用彼此的数据。外部数据可以根据明确的处理/分析要求被屏蔽或集成,所有数据集能够在数据湖中和睦相处,这提高了数据的可用性,缩短了应用部署时间,并可支持无限的数据扩展和增长。
陷阱4:分析小样本数据集
很多人认为数据不需要被集成,人们可以使用小样本数据集,这是一种危险的错误观念,因为这会导致分析结果常常被延展到较大的数据集,而且不考虑差异,少则造成误导,严重的话甚至可能导致极度扭曲的结果。这通常被称为小样本数据集分析魔咒。例如,当您使用小样本数据集时,您可能会遇到很多离群数据或异常数据。如果使用的是小样本数据集,您无法知道异常数据在较大的数据集中是否具有结构性,或离群数据是否处于一种具备明确特征的模式。
陷阱5:采集更少的数据,依赖更高级的算法
另一个错误观念是:高级和复杂的算法能够解决所有问题。如果是这么简单的话,生活就太美好了。由于是在逻辑进程上运行,计算机将无条件地处理意外、甚至荒谬的输入数据,并生成无用、荒谬的输出数据。在信息与计算机科学中,当未被净化的数据被输入到复杂算法中,被称为“垃圾进入/垃圾输出”。缺失/稀疏的数据、空值和人为错误必须被清除。IT人员应避免依赖未经验证的假设或弱关联,而去尽可能多地采集数据,让数据自己说话。在部署数据平台时,这一点非常经济高效。
制定一个成功的大数据策略
如果将规避以上陷阱做为动机,从一开始就把事情做对,即可事半功倍,帮助企业更快、更好地利用大数据。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14