2016年、2017年大數據的應用會進入到相對成熟、務實的落地階段。隨著云計算技術、物聯網技術的興起，我們數據的規(guī)模越來越大、數據的格式越來越復雜、數據的收集速度越來越快，使得它和傳統意義上的政府、企業(yè)的業(yè)務數據相比，這幾個特點顯得比較明顯，即：

• 利用存儲能力運營，滿足企業(yè)和個人面臨海量信息存儲的需求；
• 對數據挖掘分析后預測相關主體的行為，開展業(yè)務；
• 直接進行信息租售或提供信息租售平臺；
• IT服務提供商提供大數據空間出租模式，從簡單的文件存儲，逐步擴展到數據聚合平臺；
• 為運營中某一環(huán)節(jié)或某一業(yè)務問題提供解決方案，實施單點技術；
• 針對企業(yè)系統需求，提供整體解決方案；
• BDaaS (Big data as a service)，數據應用即服務的模式，通過云服務提供在線大數據技術或者解決方案。

應對這些特點，計算機界、科技界也需要與時俱進，在技術上做一些創(chuàng)新和變革，使得這些數據能夠成為企業(yè)真正的數據資產。

讓大數據成為數據資本和智慧

從原始的數據到如何形成為企業(yè)的數據資本、數據的智慧，從技術處理上它要經過幾個環(huán)節(jié)：

• 第一是數據的形成。不同形態(tài)的數據如何最終形成一個可管理的，放到我們數據湖當中去，這是數據的收集、獲取、整理這樣一個過程，這是一個數據的形成過程。
• 到了第二個層級，數據湖當中有關系型數據（諸如表格形式的、有行有列的高價值的數據），也有非關系型數據（圖片、視頻的形態(tài)的數據），這些數據我們把它有序地管理起來，形成一個從數據到信息的過程。
• 這些信息匯總起來以后，我們要經過數據探索的過程，都放在這個地方你不積極探索它、利用它、分析它，這些數據仍然是沉睡的金礦。這個探索的過程我們把它形容成從信息到知識的一個概念。
• 最終，探索出來的一些結果，我們把它使用起來，來引領企業(yè)的業(yè)務流程的改進，新業(yè)務的產生，把這些東西形成一個新的價值，這是我們在大數據運用的一個更高的階段，我們從知識到了智慧。

當今大數據市場非常蓬勃，不同行業(yè)、不同企業(yè)和不同的大數據供應商也處于不同的階段，有的就處于平臺建設階段，也有些進入到信息的探索階段，業(yè)界的關注反過來也推動了大數據市場的新嘗試和不斷前行，例如通過大數據幫助電信、金融的企業(yè)去做所謂的精準營銷，即從海量的客戶當中找尋到有可能跟我成交的客戶。還有一些反欺詐的案例，包括我們在公安、交警、套牌，一個地方的攝像頭捕捉到了一個牌照，我們在很短的時間里面，在另外的一個地方也拍到了一樣的牌照，它一定是套牌的欺詐。再如，我們發(fā)現一張信用卡在A 地被使用，但同一時間，這張信用卡也在B地被使用，這可能是金融性的欺詐，這些都用到流數據的處理技術。各行各業(yè)都在考慮如何使用我們過去不曾擁有的海量數據去改變它原有的一些業(yè)務流程，創(chuàng)造更大的價值。

甲骨文大數據是基于開源與商業(yè)相結合的平臺，利用分布式、Hadoop等技術，提供完整的、基于多種技術組合的大數據解決方案，實質上是一個全數據管理理念。我們將產品商業(yè)化，事實上是縮短了企業(yè)和政府去做大數據建設的周期。

甲骨文大數據發(fā)現（Oracle Big Data Discovery）五步走，提升管理決策效能

甲骨文在很多年前就花了十幾億美金收購了可視化大數據的探索工具Endeca，在此基礎之上，隨著Hadoop的技術發(fā)展，我們研發(fā)了它的Hadoop版本，Hadoop可視化探索平臺，即Big Data Discovery （大數據發(fā)現­）。

大數據的探索過程大致可以包括以下五大步驟：

• 第一，連接企業(yè)的大數據數據源。
• 第二，以可視化的方式去展示我們大數據湖的全景。如果你真的想象大數據湖是一個湖，你站在岸邊是看不到湖里有什么東西，有魚有蝦，有水草、有礁石，通過可視化我們自動分類，把大數據湖當中的數據自動分類，根據它的標簽、屬性，我們可以用一個圖形化的方式讓你一眼可以看清楚這個數據湖當中的數據。
• 第三，數據的轉換和整理過程。傳統來講在做傳統的BI的時候有ETL的過程，這個過程太復雜，我們在大數據處理的時候希望他能夠輕建模、自動化。
• 第四，我們是探索數據當中的規(guī)律，相關性。
• 第五，我們把探索出來的結果做一個發(fā)布和分享。

以上五大步驟過去要用很多種技術組合起來才可以做到，而今天我們在一個叫做“大數據發(fā)現（Big Data Discovery）”的平臺基礎之上就可以完成。當我們已經把大數據探索到一定的高價值的部分，便可提交價值數據給管理層做決策參考。

這上面講到流數據的過程，大數據從管理從形態(tài)上就是兩種：一種是離線數據處理，實際應用中的大部分都是離線數據處理，數據獲取進來形成數據湖，進入到探索的過程，產生的結果做商業(yè)的應用，這是一個離線數據處理的過程。

另一種大數據的形態(tài)是事實數據也叫快數據，有時也被稱之為流數據或流處理，其通常是一個實時運算框架，可實現數據的實時處理、模式匹配或快速模型計算，比如在金融領域的欺詐檢測、實時風險控制、實時精準營銷等領域都有廣泛的應用。

根據市場上第三方對數據管理平臺的評測，無論是Gartner的數據倉庫魔力象限圖，還是Forrester的Hadoop優(yōu)化系統波紋圖，甲骨文在大數據領域都是處在市場的領導地位。

講到大數據的訪問層，甲骨文也提供通過一套SQL語句來訪問所有數據，無論你的數據是存儲在數據庫中、Hadoop中還是NoSQL中，Oracle Big Data SQL 提供全面支持。

甲骨文看好大數據前景，推動落地

我們在過去的兩三年當中，大數據在中國日趨蓬勃，而如何真正落地正引起廣泛討論。甲骨文在一些實際的項目中也積累了一些最佳實踐：

• 例如在汽車制造業(yè)，可通過內外部大數據的整合實現了對汽車銷售因素的量化分析，包括銷量的預測；
• 在電信運營商，可通過我們的機器學習（Machine Learning）平臺，大幅提升了呼叫中心外呼精準營銷成功率；
• 在政府部門，可協助相關地方政府，實現數據的整合、開發(fā)與共享；
• 在農業(yè)，可通過大數據分析進行土壤管理、提高農作物產量、畜牧養(yǎng)殖全周期的數字化管理等；
• 在金融，可利用大數據發(fā)現金融違規(guī)行為、進行風險防范和欺詐檢測。

另外，上述所有提到的大數據能力，包括大數據采集、存儲、分析、可視化等，都在甲骨文的大數據云服務中提供，客戶甚至可以一部分服務采用公有云、一部分在本地數據中心自建的混搭架構，甲骨文都可以完全無縫的支持，這就是混合云的概念。

在舊金山的大會上，甲骨文推出了業(yè)界最全面的云分析產品——Oracle分析云。作為業(yè)界唯一一款端到端業(yè)務分析解決方案，Oracle分析云包含高性能，大規(guī)模分析處理基礎架構；用于數據準備、發(fā)現、可視化和協作的全面工具；針對具體領域的機器學習模型；用于企業(yè)經營的最佳實踐分析關鍵績效指標；和專門為分析設計的海量精選公共數據集。

甲骨文公司副總裁、中國區(qū)技術總經理兼大數據和商務分析業(yè)務總經理高禮強

甲骨文公司副總裁、中國區(qū)技術總經理兼大數據和商務分析業(yè)務總經理高禮強指出：“大數據領域是我們戰(zhàn)略重點之一，同時它也是延續(xù)我們甲骨文傳統的數據管理技術的優(yōu)勢領域，因此我們非常重視這個領域。”

“甲骨文大數據戰(zhàn)略是非常清晰的，我們的技術組合都是圍繞著大數據管理、大數據處理的特點，也是非常明顯，在業(yè)內也是領先的技術。”

展望未來，高禮強指出，“大數據處理滿足了眾多客戶基于不需要很大的投資而建立自己的大數據的平臺的需求。我們看準這個市場，云服務對數據分析來講是一個典型且非常適合的一個場景。我們的使命是：希望通過大數據技術的商業(yè)化，令企業(yè)和政府的大數據應用在時間上可以有一個極大的節(jié)約，他們不需要花費大量的精力放在平臺建設上，可以更好地專注于大數據的數據變現和價值釋放，更好地為企業(yè)創(chuàng)造價值。”

標簽： 大數據 大數據處理 大數據的應用 大數據分析 大數據技術 大數據前景 大數據應用 大數據運用 公有云 金融 評測 企業(yè) 數據分析 數據庫 問題 行業(yè) 云服務 云

版權申明：本站文章部分自網絡，如有侵權，請聯系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯系。