Gartner警示大数据项目不应独立实施

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

本文讲的是Gartner警示大数据项目不应独立实施,Gartner提醒组织,不要把大数据看作是一个独立的类别;如果忽视了移动化和桌面计算的差别就很有可能存在风险;企业将数据转为现金很有商机。

  谈到下周在西班牙举办的BI分析和主数据管理峰会,Gartner分析师Ted Friedman建议组织:“不要将大数据实施独立开来,要将它归为BI的整体战略中。”

  在新闻发布会上,Gartner声称:“随着IT组织在过去几年中所做的尝试,尤其是Hadoop DBMS产品设备的出现,应用供应商会继续推进,将为用途而创建、基于Hadoop的分析功能嵌入程序包中。这一趋势目前最值得注意的就是基于云计算的程序包产品。”

  Friedman说:“不要把大数据独立开来,把它和你原有的项目对接。也不要认为一定要买一大堆全新的技术回来。”

  “作为一名数据治理和MDM专家,我担心组织会把大数据晾一边,而不去利用多年来在BI和数据质量治理方面作出的成效。这有风险,尤其是IT预算会由CMO掌控。”

  “客户会说,‘我们在市场方面部署了Hadoop和高级分析技术项目。’结果你发现他们没有使用已有的数据集成工具,与现有的数据仓库毫无关联。这确实让我很担忧。”

  大数据还无形中为组织设定了一个更好地治理数据的准则。“举例来说,社交媒体数据拔高了在数据使用法律道德权利方面最佳实践的标准。”这些非结构化信息将是大数据中最艰涩也最有回报的类型。

  “数据多样化在3V中最重要。最强大和最具影响力的信息应用案例一定涉及多种类型的数据,处理非机构化数据并找出它们与结构化交易数据之间的关联起到决定性的作用。但是目前组织还做不到。文本内容分析仍然是新生领域。”

  小型移动设备的发展

  Gartner峰会前的声明中指出:“BI厂商力争将各自的应用迁移到移动和平板设备上,也就代表他们的业务重点由传统点击式BI和拖放式用户界面向触摸式界面转移。”

  Friedman认为这与1990年代主从式架构的发展很像:“人们对于PC给主机带来的交互性和灵活性不再感冒。现今的移动化也是如此,再怎么重新在桌面上下功夫都没用了。”另外,Friedman提到分析技术已不再以言论为导向。

  信息资产的兑现

  Gartner预测,到2016年,30%的企业都会兑现他们的信息资产。这一观点还存在争议,但确实有不少的人认为大型组织将会通过信息创收,投资大数据,从而引发新型信息供应商的出现。

  Friedman提到,他遇到过非信息企业中“信息部产品线经理”这样的职位名称。

  “这是信息时代的第二阶段。第一阶段是利用数据让内部运营变得更加高效,第二阶段是在营业范围中将信息作为业务决策。”

作者: 茶一峰

来源: IT168

原文标题:Gartner警示大数据项目不应独立实施

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
3月前
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
96 4
|
3月前
|
SQL 分布式计算 大数据
别再迷信“上大数据就能飞”了!大数据项目成败的5个真相
别再迷信“上大数据就能飞”了!大数据项目成败的5个真相
75 6
|
3月前
|
JSON 分布式计算 大数据
springboot项目集成大数据第三方dolphinscheduler调度器
springboot项目集成大数据第三方dolphinscheduler调度器
151 3
|
分布式计算 大数据 Java
springboot项目集成大数据第三方dolphinscheduler调度器 执行/停止任务
springboot项目集成大数据第三方dolphinscheduler调度器 执行/停止任务
40 0
|
6月前
|
数据采集 分布式计算 数据可视化
大数据项目成功的秘诀——不只是技术,更是方法论!
大数据项目成功的秘诀——不只是技术,更是方法论!
158 8
大数据项目成功的秘诀——不只是技术,更是方法论!
|
机器学习/深度学习 设计模式 人工智能
面向对象方法在AIGC和大数据集成项目中的应用
【8月更文第12天】随着人工智能生成内容(AIGC)和大数据技术的快速发展,企业面临着前所未有的挑战和机遇。AIGC技术能够自动产生高质量的内容,而大数据技术则能提供海量数据的支持,两者的结合为企业提供了强大的竞争优势。然而,要充分利用这些技术,就需要构建一个既能处理大规模数据又能高效集成机器学习模型的集成框架。面向对象编程(OOP)以其封装性、继承性和多态性等特点,在构建这样的复杂系统中扮演着至关重要的角色。
183 3
|
分布式计算 运维 DataWorks
MaxCompute操作报错合集之用户已在DataWorks项目中,并有项目的开发和运维权限,下载数据时遇到报错,该如何解决
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
199 8
|
弹性计算 分布式计算 大数据
MaxCompute产品使用合集之如何将用户A从项目空间A申请的表权限需要改为用户B
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
125 6
|
监控 Java 开发者
揭秘Struts 2性能监控:选对工具与方法,让你的应用跑得更快,赢在起跑线上!
【8月更文挑战第31天】在企业级应用开发中,性能监控对系统的稳定运行至关重要。针对流行的Java EE框架Struts 2,本文探讨了性能监控的工具与方法,包括商用的JProfiler、免费的VisualVM以及Struts 2自带的性能监控插件。通过示例代码展示了如何在实际项目中实施这些监控手段,帮助开发者发现和解决性能瓶颈,确保应用在高并发、高负载环境下稳定运行。选择合适的监控工具需综合考虑项目需求、成本、易用性和可扩展性等因素。
115 0
|
SQL 大数据 分布式数据库
SQL与大数据的神秘力量:如何用高效SQL处理海量数据,让你的项目一鸣惊人?
【8月更文挑战第31天】在现代软件开发中,处理海量数据是关键挑战之一。本文探讨了SQL与大数据结合的方法,包括数据类型优化、索引优化、分区优化及分布式数据库应用,并通过示例代码展示了如何实施这些策略。通过遵循最佳实践,如了解查询模式、使用性能工具及定期维护索引,开发者可以更高效地利用SQL处理大规模数据集。随着SQL技术的发展,其在软件开发中的作用将愈发重要。
461 0

热门文章

最新文章