以大数据优化为基础构建未来就绪企业

打造未来就绪的企业，并非以“预测未来”为前提，而是面向未来做好准备。大数据真正的价值即在于为面向未来做好准备，帮助企业规避风险。戴尔提供专门为大数据目标而设计的端到端体系架构，助力企业通过大数据获得商业洞察，面向未来就绪。正如纳特·西尔弗（Nate Silver）在他的畅销书《信号与噪声》（The Signal and the Noise）中写的，预测未来是非常困难的，因为“我们选择性地忽略了最难以衡量的风险，即便这些风险对我们的生活构成了最大的威胁”。

以大数据获得商业洞察 面向未来就绪

在商业领域，企业的领导人往往寄希望于通过“预测未来”让自己在竞争中胜出，他们不厌其烦地说服自己和其他人：这世界上确实存在一些具有前瞻性的，能够“远远眺望到未来的人”，而这些人就是他们自己——企业的领导者和管理者。

但 正如戴尔在打造“未来就绪企业”（FRE）战略中所倡导的，打造未来就绪的企业（FRE），并非基于对未来的预测，而是侧重于面向未来做好准备——设计并 实施灵活、高效的体系架构，从而让企业更灵敏地反应、更果断地改变。未来就绪的企业致力于成为倡导开放性的典范——乐于接受新观念、新流程，尤其是接受能 够避免刻板和传统的、促进创新和灵活的开放式IT架构。

这同样也应当是企业对待大数据的态度，客观来说，大数据确实蕴含了宝贵的企业经营信息，通过对大数据分析，企业的管理者能够有效、直接、准确地了解企业的运营情况、潜在问题以及商业优势，但就对未来的预测来说，大数据更多的是提供进行预测的蓝本和避免错误发生的预警。

换句话说，大数据分析乃至实时分析，提供的是侧重于面向未来做好准备、或是及时发现问题以规避企业经营风险的作用，“以古通今”可以，“以过去预测未来”则显得不是那么实际了。

但 这并非意味着大数据没有价值了，对企业运营来说，避免发生错误和疏漏，可以说对企业维持正常运营贡献了一半以上的价值，如果再能藉此获得一些“预测未来以 及做出决定”的可供参考的数据支撑，则大数据对于企业经营的价值肯定还会大幅上升，这也就是为什么当前人们要求越来越快、越来越准确的大数据实时分析的重 要原因之一。

在企业运营过程中，大数据产生价值至少需要三个组成部分，缺一不可：

第一，承载大数据的平台是足够可靠的，并且是足够快的，可以将大数据快速供给到数据处理、分析平台，保证“持续性的数据供应”；

第二，数据处理及分析的体系架构是高效率且可信的，这要求整体架构（特别是软件平台）不仅分析速度要快，响应时间要短，更要求任何数据分析平台都可以快速融合到企业现有的数据平台或数据源/流中；

第三，数据的备份、恢复仍然非常重要，随着数据实时分析成为企业的关键业务，一旦出现数据丢失、损坏等原因无法向实时分析平台供给数据，这相当于关键业务出现了停摆，这是不能被允许的。

在戴尔大数据及数据分析的技术蓝图中，戴尔强调“提供端到端的体系架构”，专门为大数据目标而设计，利用数据分析和数据管理在软硬件上的集成，实现最终效果的提升，彻底改变数据业务运行效率，推动业务转型，在企业客户的应用中，“分析速度最高可提升70倍，预测分析响应时间最快可加快60倍”，那么，戴尔是怎么做到的呢？

硬件加速 让运行速度快上100倍

作为所有大数据解决方案的基础，硬件平台所能提供的速度是任何软件优化所不能比拟的，正如国内许多互联网公司的DBA最近几年对闪存技术，尤其是PCIe SSD的追捧，远胜过他们对于SQL语句和数据结构优化的热情，硬件平台是一切速度提升最直接、最根本的办法。

针对这一市场需求，戴尔与Hadoop领域的No.1 Cloudera合作，面向Cloudera Enterprise打造了内存一体化应用，Dell （Cloudera）In-Memory Appliances，这一平台以戴尔的PowerEdge C系列服务器为基础，结合戴尔与英特尔合作的性能及安全调优方案和高性能网络，借助Cloudera针对Hadoop及Spark工作负载的部署、配置、调优技术，建立起高性能、可靠的大数据平台。

这一方案与MapReduce相比，运行工作的速度快100倍，与传统磁盘的方案相比，in-memory的速度快10倍，同时，这一单一平台可以支持多种框架，支持Hadoop和Spark，简化运营、降低成本，并且完全基于横向扩展的技术进行搭建。

除此以外，戴尔在近两年针对数据存储及大数据需求，不断优化硬件平台性能：提升13G PowerEdge服务器的能力，特别推出FX2、R730/R730xd、R530xd等适合大数据环境的高性能计算系统；完全针对闪存特性进行了性能优化的戴尔存储SC系列存储系统；Force 10系列高性能、高密度、低延迟的网络交换机，都为面向大数据优化的解决方案提供了完整就绪的硬件平台。

让预测和分析轻松起来 将数据转化为洞察力

在数据处理、分析、进而提取价值、实现预测，并更进一步将数据转化为洞察力之前，数据先要进行由外向内的迁移，并进行数据集成，构建起覆盖面足够广、数据量级足够大的数据集合，这其中至少包括两项工作：在数据集（如数据库）之间进行数据的复制和迁移，以及在应用程序之间的迁移。

比如说，就实现数据集中的数据迁移来说，当前大数据主流的数据集平台是Hadoop、Greenplum，而企业业务系统和原有平台中的结构化数据往往是基于Oracle数据库或是SQL Server所构建的，这意味着企业需要从Oracle数据库迁移到Hadoop或是Greenplum。这就是戴尔SharePlex所做的事情。在其客户网秦的应用过程中，SharePlex非常好地帮助网秦消除了各类应用系统软件升级或迁移过程中的服务停滞时间，实现了在线式的软件系统升级，另一方面Quest SharePlex高效支持异构的IT平台，可以帮助数据库管理员实现高效融合，轻松完成数据的汇集和分发，这让网秦数据管理效率提升10倍。

在应用程序之间同步数据同样令人头疼，为了消除使用旧式中间件、应用方案或自定义代码时，所产生的与集成、及维护集成相关的成本，企业客户寻找过很多的解决方案，但归根结底，他们需要的不过是简化软件及设备的、连接内部或云中同步业务关键型应用程序之间的数据（比如Salesforce）的方法。

换言之，企业需要连接内部传统IT架构、内部私有云、外部混合云及公有云的数据连接及同步方案——这正是Boomi AtomSphere要做的事情，以数据映射建议引擎Boomi Suggest为核心，企业客户可以使用直观的拖放界面立即创建集成流程，自动准确建议映射并在应用程序之间轻松映射数据字段；更可使用Boomi基于Web且功能丰富的控制板，监控和维护已部署的集成流程。