大数据服务,至少有四点还值得存疑

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

大数据时代的到来并不是很突然,但是却让人措手不及。不少企业完全没有做好准备,就已经进入了一个所谓的“数据操控一切”的时期。他们有过恐慌、畏惧,甚至在一些企业的宣传中认为没有跟上大数据的脚步,结果就只有淘汰。可事实真的如此吗?笔者认为,大数据服务,至少有四点还值得存疑。

大数据服务,至少有四点还值得存疑

  数据采集

所谓大数据时代,数据采集是第一步,也是最关键的一步。大数据的采集是利用了多个数据库来接受来自客户端、App、Web以及传感器的数据而获得的。可是这些数据真的可靠吗?

诚然,在互联网企业中,客户终端和网页的数据十分重要。这些数据在确实可以通过数据库来准确获得,但是大数据的特点就是大。一旦遇到客户峰值,如双十一或者春运等,数据采集并发数极高,用户操作和访问同时进行,这就需要大量的数据库才有可能支撑,那么这些资源从何而来?数据库之间的负载均衡如何实现?

其次,数据采集的难题在其他行业中会变的更难。物联网落地至今尚未获得大规模成功,所谓的工业4.0目前依然只是我们想象出来的乌托邦,数据如何采集?采集到的数据如何确保正确性?

再者,涉及到人的服务行业中,数据往往与隐私并存。用户的数据是在变动的,大数据分析所需的数据却是越多越准的。要确认用户的数据正确性,提高数据分析正确性,则很容易事实上形成对人隐私的侵犯,大数据会不会成为作恶的表现?

数据保值

数据采集的困境和难题可以突破,也确实有一部分公司成功突破。但是,数据采集后的保值问题却成为了更大的难关。

大数据公司偏爱这样宣传“数据是企业最大的财富”,可是企业却很少有能成功使用的。所以现在的企业普遍多了一个爱好——囤数据。那么,数据存储的成本从何而来?随着360个人云盘的倒下,数据存储的成本之高已经超出了很多人的想象,这笔投资真的物有所值?

更可怕的是,由于社会和环境的改变,普遍来讲数据的保质期只有3个月。当数据超过3个月后,其有价值的部分将只剩下10%。也就是说,费劲千辛万苦所采集到的数据将有90%会被淘汰,那么这部分数据要如何甄别?过期的数据真实性要如何判断?数据本身出了问题,分析又如何谈正确性?

数据处理

大数据的大,在于非结构化数据占用空间较多。可是,非结构数据主导时代是无可争议的事实。非结构化数据的价值能为企业所用的有多少呢?企业又能用的了多少呢?

在互联网企业数据库中往往能够得到结构化数据,这部分数据占用空间较小,分析容易,价值较高,因此也得到了用户的青睐。但是,结构化数据存在着其最大的弱点,不易转化。结构化数据的这一特点反而成了一种限制,在未来的发展中很可能会不如非结构化数据。

非结构化数据在大多数行业中都是主流存在,但是其处理难度要比结构化数据高太多。非结构化数据在处理的过程中,分类、检索、处理等方法多种多样,而且,包含信息量巨大,不同方式处理的结果很可能存在较大差异,因此价值虽高,但正确性都可能存疑,那么其产生的价值究竟能有多大呢?

数据应用

大数据经过多层包装处理最终可以得出很多结果,但是数据结果的应用却是个值得商榷的存在。

一般来讲,大数据分析的结果经过可视化等处理之后可以有一个比较直观的呈现。可是,数据的使用却往往是企业高层决策者的专利。而占据了公司绝对主体的企业员工却很少能够直接获取大数据创造的价值。而如果开放数据给全体企业员工,那么数据安全该如何保障呢?

而从成本角度来看,企业百尺竿头更进一步诚然可贵,可是如果大数据分析结果只是一种企业决策者的灵光一现,那么这笔投资真的能比高层培训更有价值吗?对于中小型企业来讲,大数据投资的意义又在哪里呢?所谓的知己知彼又是否真的能让企业百战百胜呢?

结束语

中国在大数据方面的发展形势十分乐观,但是对于企业来讲,每一笔投资都应当让他有所价值。数据的价值呈现可以有很多种,那么大数据是否真的像部分厂商所宣传的那样“数据操控一切”呢?

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
7月前
|
存储 数据可视化 数据管理
基于阿里云服务的数据平台架构实践
本文主要介绍基于阿里云大数据组件服务,对企业进行大数据平台建设的架构实践。
1290 2
|
7月前
|
分布式计算 运维 数据挖掘
MaxCompute是一个强大的云数据仓库服务
【4月更文挑战第1天】MaxCompute是一个强大的云数据仓库服务
100 1
|
2月前
|
自然语言处理 大数据 应用服务中间件
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
大数据-172 Elasticsearch 索引操作 与 IK 分词器 自定义停用词 Nginx 服务
64 5
|
2月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
4月前
|
DataWorks Kubernetes 大数据
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
飞天大数据平台产品问题之DataWorks提供的商业化服务如何解决
|
2月前
|
消息中间件 监控 Ubuntu
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
82 3
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
|
2月前
|
存储 分布式计算 druid
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
大数据-155 Apache Druid 架构与原理详解 数据存储 索引服务 压缩机制
59 3
|
3月前
|
数据采集 分布式计算 MaxCompute
MaxCompute 分布式计算框架 MaxFrame 服务正式商业化公告
MaxCompute 分布式计算框架 MaxFrame 服务于北京时间2024年09月27日正式商业化!
93 3
|
4月前
|
机器学习/深度学习 分布式计算 BI
MaxCompute 与阿里云其他服务的协同工作
【8月更文第31天】在当今的数据驱动时代,企业需要处理和分析海量数据以获得有价值的洞察。阿里云提供了一系列的服务来满足不同层次的需求,从数据存储到高级分析。MaxCompute(原名 ODPS)作为阿里云的大规模数据处理平台,提供了强大的计算能力和丰富的功能,可以与阿里云的其他服务无缝集成,形成完整的大数据解决方案。本文将探讨 MaxCompute 如何与其他阿里云服务协同工作,包括存储服务 OSS、数据分析服务 Quick BI 以及机器学习平台 PAI。
58 1
|
7月前
|
存储 分布式计算 算法
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
【底层服务/编程功底系列】「大数据算法体系」带你深入分析MapReduce算法 — Shuffle的执行过程
98 0