隨著云計(jì)算的落地，“大數(shù)據(jù)”已成為業(yè)界討論最廣泛的關(guān)鍵詞之一，很多企業(yè)已經(jīng)在尋找合適的BI工具來處理不同來源收集到的大數(shù)據(jù)，但盡管大家對(duì)于大數(shù)據(jù)的意識(shí)在提高，但只有少部分的企業(yè)如谷歌和Facebook這樣的企業(yè)才能夠真正利用大數(shù)據(jù)挖掘企業(yè)商業(yè)價(jià)值。

　　其實(shí)隨著大數(shù)據(jù)時(shí)代的來臨，企業(yè)對(duì)于大數(shù)據(jù)的理解不應(yīng)僅限于對(duì)Apache Hadoop這樣的基礎(chǔ)技術(shù)的了解，企業(yè)應(yīng)該要從基礎(chǔ)設(shè)施角度來了解和保護(hù)企業(yè)擁有的大數(shù)據(jù)。因?yàn)樵谖磥?到5年，我們將會(huì)看到那些真正理解大數(shù)據(jù)并能利用大數(shù)據(jù)進(jìn)行價(jià)值挖掘的企業(yè)和不懂得大數(shù)據(jù)價(jià)值挖掘企業(yè)之間的差距，真正能夠利用好大數(shù)據(jù)的企業(yè)必然具備強(qiáng)勁有力的競(jìng)爭(zhēng)優(yōu)勢(shì)，從而成為行業(yè)的大佬。

　　事實(shí)上，目前很多企業(yè)都已經(jīng)開始關(guān)注大數(shù)據(jù)，廠商也開始大肆介紹自己的大數(shù)據(jù)產(chǎn)品，相關(guān)會(huì)議持續(xù)不斷，這也讓我們看到大數(shù)據(jù)知識(shí)普及的成功，但這只是從思想工作角度來看的，當(dāng)我們尋找那些真正能挖掘大數(shù)據(jù)商業(yè)價(jià)值的企業(yè)時(shí)，幾乎寥寥無幾，所以就目前來看，大數(shù)據(jù)價(jià)值的挖掘還只是處于初級(jí)階段。

　　未來真正能夠在大數(shù)據(jù)中挖到第一桶金的必然是像Facebook和Google這樣的企業(yè)，他們?cè)跀?shù)據(jù)管理和數(shù)據(jù)開采方面具備先天的優(yōu)勢(shì)，所以有理由相信他們將會(huì)引領(lǐng)這個(gè)大數(shù)據(jù)時(shí)代。除了他們，其他要想在大數(shù)據(jù)時(shí)代引領(lǐng)前端的企業(yè)必定是那些行業(yè)里的領(lǐng)導(dǎo)者，因?yàn)樗麄冇刑嵩绮季忠源私⑿袠I(yè)標(biāo)準(zhǔn)的野心。

　　大數(shù)據(jù)的角色

　　大數(shù)據(jù)在IT領(lǐng)域到底扮演著什么樣的角色呢？舉個(gè)例子來說說這個(gè)問題吧。例如，制藥企業(yè)如果想要進(jìn)入制藥行業(yè)的100強(qiáng)，那么他就必須要抓取上百萬(wàn)個(gè)相關(guān)網(wǎng)頁(yè)的數(shù)據(jù)，然后進(jìn)行分析、擦除無用信息最后才能找到有價(jià)值的信息。對(duì)于一個(gè)汽車制造商來說，它需要實(shí)時(shí)手機(jī)那些駕駛在道路上的汽車的信息。

　　盡管企業(yè)已經(jīng)意識(shí)到大數(shù)據(jù)的機(jī)制，但卻不知道如何才能從中挖掘到商業(yè)價(jià)值。大數(shù)據(jù)就像是一個(gè)深入大海底部的大魚網(wǎng)，有的金槍魚、大白鯊等精品，但同時(shí)也有蝦米、貝殼等價(jià)值低的便宜貨。而我們的企業(yè)是大小通吃的，這樣龐大的數(shù)據(jù)如何挖掘價(jià)值也就成為了一個(gè)頭疼的難題。

　　大數(shù)據(jù)里的語(yǔ)義數(shù)據(jù)模型

　　大數(shù)據(jù)的數(shù)據(jù)很大一部分屬于非結(jié)構(gòu)化數(shù)據(jù)，包括語(yǔ)音、視頻、圖片、文檔、論壇、網(wǎng)頁(yè)等，如何才能輕松的操作這些數(shù)據(jù)呢？建立一個(gè)語(yǔ)義數(shù)據(jù)層是一個(gè)很不錯(cuò)的方法，你可以從中提取可用數(shù)據(jù)在數(shù)據(jù)庫(kù)之上建立一個(gè)數(shù)據(jù)語(yǔ)義模型層，以此來幫助你理解地下所有的信息。

　　從不同來源收集到數(shù)據(jù)之后，企業(yè)要將其放置在一起，然后開始分析、處理這些數(shù)據(jù)。傳統(tǒng)的做法是建立一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，將這些收集到的數(shù)據(jù)提取到建立好的數(shù)據(jù)倉(cāng)庫(kù)中并生成報(bào)告。但這是一個(gè)相當(dāng)耗時(shí)的過程，而且還無法靈活進(jìn)行，每次你要做修改，都必須要回到數(shù)據(jù)倉(cāng)庫(kù)去做修改，相當(dāng)?shù)念^疼。

　　大數(shù)據(jù)的數(shù)據(jù)容量是如此龐大，我們需要處理一大堆相關(guān)信息，這些信息來源都不同。不同的人對(duì)同一個(gè)東西的描述也都不一樣，語(yǔ)義技術(shù)就能夠幫助判斷出這些叫法是否講的是同一個(gè)事物。例如，有人會(huì)叫IBM為“IBM”，有人則稱其為“International Business Machines”，其實(shí)說的都是一個(gè)公司，其實(shí)計(jì)算機(jī)是很笨的，只有通過這個(gè)語(yǔ)義數(shù)據(jù)模型層就能進(jìn)行很好的判斷。

　　大數(shù)據(jù)里的風(fēng)險(xiǎn)管理

　　在數(shù)據(jù)管理的時(shí)候，將所有數(shù)據(jù)放在一個(gè)地方是有很大的風(fēng)險(xiǎn)的，為了數(shù)據(jù)的安全，數(shù)據(jù)應(yīng)該存儲(chǔ)不同的地方。如數(shù)值數(shù)據(jù)可以存儲(chǔ)在數(shù)據(jù)庫(kù)里，非結(jié)構(gòu)化的數(shù)據(jù)則可以存儲(chǔ)在文檔或者表格里。我們看到，增加了這些不同來源的風(fēng)險(xiǎn)信息的語(yǔ)義描述，意味著我們可以迅速了解綜合風(fēng)險(xiǎn)狀況。

　　通過語(yǔ)義數(shù)據(jù)模型一個(gè)最大的好處就是，在進(jìn)行修改時(shí)，無需回到數(shù)據(jù)最底層進(jìn)行修改，去重寫遺留系統(tǒng)和數(shù)據(jù)庫(kù)語(yǔ)義。因?yàn)檫@個(gè)語(yǔ)義數(shù)據(jù)模型是在數(shù)據(jù)之上的，它的破壞性遠(yuǎn)小于其他的技術(shù)，只要我們?yōu)橐粋€(gè)來源的數(shù)據(jù)提供一個(gè)語(yǔ)義定義，我們就可以直接應(yīng)用到其他來源的數(shù)據(jù)之上。

　　其實(shí)這個(gè)技術(shù)并不是為程序員或是數(shù)據(jù)庫(kù)管理人員設(shè)計(jì)的，而是為業(yè)務(wù)人員設(shè)計(jì)。業(yè)務(wù)人員他需要明白這些數(shù)據(jù)對(duì)他而言是何意義，他看不懂最底層的數(shù)據(jù)表格，他希望能夠直觀的看到一段時(shí)間內(nèi)銷售量與其他因素的關(guān)系，而這些只有通過我們的語(yǔ)義數(shù)據(jù)模型層才能做到。近幾年，IT部門與業(yè)務(wù)部門的界限其實(shí)開始漸漸模糊，業(yè)務(wù)部門能夠更好的明確自己的需求，而IT部門也能更好的滿足業(yè)務(wù)部門的需求，雖然還沒達(dá)到最佳的狀態(tài)，但已經(jīng)超著這個(gè)方向在努力了。

　　大數(shù)據(jù)的安全問題

　　對(duì)于收集到的數(shù)據(jù)的訪問需求，也以為這企業(yè)需要保證這些數(shù)據(jù)的安全性。

　　很多企業(yè)在數(shù)據(jù)安全方面犯的最大錯(cuò)誤就是做完架構(gòu)、設(shè)計(jì)、開發(fā)等所有工作之后，才開始考慮安全問題，這是非常大的錯(cuò)誤。所以實(shí)數(shù)據(jù)安全性應(yīng)該從開始之初就要考慮安全架構(gòu)問題。

　　安全架構(gòu)的搭建只是一個(gè)方面，為了保證數(shù)據(jù)的安全，建議企業(yè)將數(shù)據(jù)切片進(jìn)行存儲(chǔ)。因?yàn)檫@樣能夠做到更精確的控制。其實(shí)每一塊的數(shù)據(jù)都是企業(yè)的資產(chǎn)，在這里可以設(shè)置公司員工對(duì)于這個(gè)數(shù)據(jù)資產(chǎn)的權(quán)限，如查看、修改、刪除等權(quán)限。當(dāng)然還要對(duì)這些數(shù)據(jù)進(jìn)行加密，這樣一來，就算有人侵入數(shù)據(jù)庫(kù)盜用了這個(gè)部分的數(shù)據(jù)，我們還是比較安全的，因?yàn)闊o上下文的數(shù)據(jù)對(duì)于竊取者來說并無多大意義，因?yàn)榇髷?shù)據(jù)的價(jià)值密度很低。

　　在這里不得不提到“'toxic data”，這個(gè)詞是Forrester提出的，主要指的是企業(yè)手中“毒數(shù)據(jù)”。舉個(gè)例子解釋一下，大家可以想象一下無線公司收集到的數(shù)據(jù)，其中包括登錄到信號(hào)塔的用戶信息，用戶在線時(shí)間、用戶使用的數(shù)據(jù)，他們的地理位置是否移動(dòng)等，企業(yè)通過這些數(shù)據(jù)可以進(jìn)行用戶行為分析，但與此同時(shí)，公司還能收集到用戶的信用卡密碼、社交網(wǎng)站的密碼、購(gòu)買習(xí)慣等用戶私人信息。

　　這些數(shù)據(jù)應(yīng)該說是具有相當(dāng)大的價(jià)值，為何又稱為“毒數(shù)據(jù)”呢？因?yàn)橐坏┻@些數(shù)據(jù)流出落入非法份子手上，勢(shì)必對(duì)企業(yè)和個(gè)人造成巨大的損失。

　　世界是很公平的，收入與風(fēng)險(xiǎn)是成正比。但為了降低風(fēng)險(xiǎn)，這時(shí)對(duì)數(shù)據(jù)的加密就變得尤為的關(guān)鍵。

　　談到大數(shù)據(jù)，最基本的做法是使用透明數(shù)據(jù)加密法——那就是對(duì)所有捕獲到的數(shù)據(jù)都進(jìn)行加密。這樣能保證企業(yè)的所有數(shù)據(jù)都是經(jīng)過加密的。過去，考慮到成本問題，很多企業(yè)都不愿意這么做，但現(xiàn)在有很多開源的加密方法可供企業(yè)進(jìn)行選擇。