各個地方的組織都有各種形態(tài)與大小的大數據。 這些組織意識到其重要性、機遇以及給予關注的迫切需要。 很顯然，無論忽略與否，大數據都會不斷發(fā)展。

　　已掌控大數據（在明了其價值前儲存的多結構混亂數據）的組織正在提升組織效率、提高收益，并發(fā)展新的業(yè)務模式。 他們是怎樣做到的？ 這些機構成功的方法可以總結為七條建議。

　　如何借力大數據取得成功 7大建議搶先看

　　1、以短期考慮促進長期考慮

　　擔心能否跟上大數據的潮流的人，不止您一個。 一切都瞬息萬變，因此無從知道今年或明年哪些工具、平臺或方法是最好的。

　　放寬心。 這種快速演變的形勢可以為您服務。

　　每年，供應商都在大數據使用方面不斷提高。 關系與在線交易系統(tǒng)（OLTP）會越來越高效、越來越智能，無論是在內部還是云中運行。 技術的發(fā)展將會緩和 Hadoop 及數據倉庫之間的關系。 而且，始終會有產品上市，更精準地滿足您的具體需求。

　　因此，敬請寬心。對采納新產品保持開放心態(tài)，只要這些產品能提供足夠價值，就能名正言順地融入您的現(xiàn)有環(huán)境。 保持能夠直連多種格式的商業(yè)智能平臺。 您現(xiàn)已準備好應對市場變化。

　　2、看清錯誤選擇

　　貴機構需要什么，Hadoop 還是數據倉庫？別說，這還真是個有陷阱的問題。 不光是 Hadoop 與數據倉庫能夠很好地協(xié)同工作，機構實際上還能從兩者的協(xié)作獲益。 數據倉庫用來壓縮重要結構化數據再適合不過，還能把數據存儲在商業(yè)智能工具和儀表板能夠輕松找到的地方。 但其弱勢是，分析過程與某些類型的轉換較弱且慢。

　　這一點正好由 Hadoop 補充。 此外，盡管 Hadoop 在交互式查詢與數據管理方面較為弱勢，但其善于快速容納原始、未結構化的復雜數據。 這兩者合而構成共生關系。 例如，想象一下高層管理用來預測下一年庫存需求的數據。 數據集可能很大，幾乎沒有時間給數據建模、重新結構化，也沒有時間以其他方式預處理好數據，供數據倉庫使用。 高層管理人員用完以后，可能僅一周時間，就會丟棄。 這就是 Hadoop 該出來發(fā)揮作用，細化數據并把樣本發(fā)送到數據倉庫的時候。 “大數據并不是數據倉庫的替代品，” Third Nature CEO Mark Madsen 在其“大數據的真實含義”一文中寫道， “也不是單獨維護的孤島。 大數據是新 IT 環(huán)境的一部分?！?/p>

　　不要在選擇 Hadoop 還是數據倉庫這個問題上不知所從。 您可以，也應該使用兩者。

　　3、濃縮大數據，使之一目了然

　　大數據可視化之后，濃縮到一目了然的程度。Aberdeen Group 的一份報告發(fā)現(xiàn)：“在使用可視化發(fā)現(xiàn)工具的機構中，48% 的商業(yè)智能用戶，無需 IT人員的幫助，即可找到需要的信息?！?如果沒有可視化發(fā)現(xiàn)工具，這個比例降到了 23%。

　　此外，根據這份研究，使用可視化數據發(fā)現(xiàn)的經理較之沒有可視化數據的經理找到及時信息的可能性，要高出 28%。

　　或許，最為重要的是，在涉及到大數據的情況下，報告發(fā)現(xiàn)可視化還能促進與大數據的互動。 較之其他經理，使用可視化數據的經理與數據廣泛互動的可能性要高出一倍多（33%比 15%）。 另外，這些經理還更有可能即興提問，往往是受到前一刻洞見啟發(fā)的問題。 以可視化的方式探索數據，使得數據生動呈現(xiàn)，讓大腦能夠瞬間理解。 富國銀行戰(zhàn)略規(guī)劃副總裁達納·朱伯稱：“會有一些萌生的想法，這是電子表格無法帶來的。”

　　借助可視化分析，您還可以隨時做兩件事：

　　? 改變正在查看的數據，因為不同的問題往往需要不同的數據。

　　? 改變查看數據的方式，因為每種視角都可以回答不同問題。

　　利用這些簡易步驟，您就進入了名為“可視化分析循環(huán)”的狀態(tài)：獲取數據、查看數據、提問并回答問題，然后周而復始。 每一次，您的問詢都會隨洞見深化。

　　您可以向下搜索、向上搜索，或者橫向搜索。 您可以把新數據添加進來。 隨著可視化加速并擴展您的思維，您會創(chuàng)建一個接一個的視圖。

　　準備就緒后，就可以分享。 同時提出并回答自己的問題，加速整個團隊的洞見、行動和業(yè)務成果。

　　在臺式機、iPad 或 Android 平板電腦上查看實時網絡儀表板并進行交互。

　　4、賦予用戶以深刻洞見

　　您是否認識迷上了洞見的人？ 沒有什么能阻止這些人。 他們不斷提出新問題并創(chuàng)造新價值，直到完成一切，心滿意足，或者直到需要填寫 IT 申請。

　　有了大數據，對洞見就入迷更深了。 然后就是熱情澎湃地投入。 現(xiàn)在，除了自助式數據分析外，根本沒時間忙別的。

　　“與其他組織相比，擁有大數據的組織擁有主要由商業(yè)部門而非 IT 組驅動的 BI 項目的幾率要高出 70%多，” Aberdeen Group 最近發(fā)布的“轉向大數據還是破產倒閉？ 最大化分析和大數據的價值”中表示。

　　有了大數據，商業(yè)用戶無需再忍受 IT 部門老舊、緩慢的方法，這種方法發(fā)布數據的方式就像一章一章地展開一本書。

　　在《大數據的價值》（The Value of big data）中，Third Nature 研究分析師馬克·馬德森寫道：“不光是商業(yè)智能發(fā)布模式已老舊，商業(yè)智能模式期望信息在其中使用的環(huán)境也同樣過時?！?這就好像借著舊時燈光或燭光讀書 – 也就是以前所謂的“刻苦鉆研”。 馬德森繼續(xù)寫道：“大數據就像電氣照明，把之前幽暗的角落都照亮了。 它提供的不僅有更明亮的光線，還有隨需隨取的能力。 無需耗費數月等待數據完好清理并可供使用，現(xiàn)在可以利用大數據技術察覺并發(fā)現(xiàn)數據中的價值。 如果數據有價值，可以通過更嚴格的流程發(fā)送，供數據倉庫使用?！?/p>

　　不要再強迫用戶“刻苦鉆研”， 而要給他們賦予能力。

　　5、把小數據組合成更大的數據

　　細看之下，大數據的的構成無非是：許許多多的小數據集。 每個數據集本身可能提供價值。 綜合起來，則能夠提供大價值。

　　舉例而言，在消費品行業(yè)，只有混合了消費者信心數據與購買數據后，高層管理才能全面理解消費行為。

　　聯(lián)合利華分析總監(jiān)瑞西·庫馬稱：“通過會員卡，能夠獲得豐富的數據。 很有必要把所有這些數據混合起來，理解消費者為什么要進入商店購物。” 聯(lián)合利華可借此預測流行產品和新趨勢。

　　很有必要把所有這些數據混合起來，理解消費者為什么要進入商店購物。”– 聯(lián)合利華瑞西·庫馬

　　價值的大頭歸屬于混合了關系、半結構化與原始數據的機構 –盡可能降低了前期成本，而又無需讓商業(yè)用戶受技術的困擾。 這就可以了，也足夠好了。

　　無論數據是在電子表格、數據庫、數據倉庫、類似 Hadoop 的開放式源文件系統(tǒng)中，還是以上都有，您都需要能夠靈活快速地連接到數據并進行整合。

　　不管您的大數據有多大或者多小，您都可以借此想到就提出并回答問題。

　　6、確保大數據免遭大麻煩

　　大數據像沙盒一樣有趣。 您可以進去，建立并塑造東西，甚至撿起沙子，放到最好朋友的褲子里。 對嗎？ 對，但需要在成人監(jiān)視下。

　　這些數據有價值的部分原因是，它們與現(xiàn)實人物相關。 政府就要求，每個人都要注意對這些數據的用法，更不說道德操守了。

　　目前，80 多個國家有數據隱私法。 歐盟規(guī)定了七個“安全港隱私原則”，用以保護歐盟公民的個人數據。 在新加坡，個人數據保護法于 2013 年 1 月生效。 在美國，《薩班斯·奧克斯利法案》讓所有上市公司均須公開通告，而《健康保險隱私及責任法案》（HIPAA）則設立了醫(yī)療隱私的國家標準。

　　因此，潛入大數據的海洋之前，務必嚴肅看待遵守治理與隱私標準的需要。 貴機構是否為需要遵守 HIPAA 的醫(yī)療機構？ 還是在世界某些地區(qū)運營？ 抑或，您是否意識到，對大數據的關鍵元素采取預防措施，才是明智的？

　　那么，如果貴機構必須合規(guī)，一種顯而易見的解決方案就是主數據管理，這樣可以收緊整個機構的數據使用。 如果您有主數據管理，那么一切解決。 但是，就定義和商業(yè)規(guī)則達成一致，對大多數牽涉者都是緩慢而痛苦的過程。

　　或許確實痛苦，但有實效。Forrester 咨詢公司在報告《大數據需要靈活的信息和整合治理》中建議，不要為了靈活和快速出結果略過治理。大數據結果需要治理。

　　Forrester 建議不要遵循“單一的一套標準、政策和做法”，他們發(fā)現(xiàn)這樣會“會扼殺可從大數據投資與洞見達成的價值?！?/p>

　　反之，報告建議采取治理，從而將分析能力與目標匹配、顧及數據的來源和類型的情況下建立治理“區(qū)”，并在正式實施規(guī)則前進行試驗。

　　7、開始著手

　　最后一條建議可能最重要： 盡管放手去做。 只需行動起來，按前面的六個步驟去做。

　　大數據即使還沒有進門，也已在門口。 現(xiàn)在就爭取成果。

　　一旦您有東西要展示，其他人就會注意，因為沒有什么能像結果這樣獲得關注。 接著就產生良性循環(huán)，把結果快速散播到整個機構中。

　　最終，會有一名高管產生興趣，于是您立下大功。