解析大数据的五大陷阱

大数据庞大而又复杂。这不仅体现在信息的积累上，而且体现在其对经营策略的影响上。据IDC预测，2018年，全球业务分析开支将高达896亿美元。成功利用大数据已成为众多企业的关键要素，其中包括制定平台战略，无论它是“数据中心”，还是“数据平台”亦或是“数据湖”。

很多还未实施大数据项目的企业正在评估他们2016年的数据战略，其它公司则在审视它们现有的项目，探索利用分析改善经营和增加收入的新方法。事实上，大数据并不容易做到。据Gartner预测，直到2018年，由于技能和集成上的问题，70%的Hadoop系统可能将无法满足成本节约和创收目标。因此，如何才能把大数据“物尽其用”变得至关重要。以下是一些您应该规避的最常见的大数据陷阱：

　　陷阱1：缺乏企业平台或以数据为本的架构

Hadoop系统通常是以具体应用的原型身份进入企业的，然后逐渐成为重心，吸引越来越多的数据，并很快成为一个巨兽——由一小撮“数据科学家”领导的数字运算引擎。企业必需从一个企业平台策略和一个以数据为本的架构开始，打破在各种规模的企业中盛行并削弱企业力量的数据孤岛。大数据需要能够在一个完全可扩展的分布式环境中实施并行处理，并尽可能地减少阻力。与传统数据库系统或应用孤岛不同，在一个以数据为本的架构或企业平台中，数据不受限制，不绑定模式，也没有被锁定。

　　陷阱2：缺乏“数据湖”愿景

对于企业而言，“数据湖”具有改变游戏规则的变革性意义。它是一个数据集中目的地，可提供企业急需的各类型的数据集成，其中包括结构化、非结构化和半结构化数据以及内部数据、外部数据和合作伙伴数据。数据湖存储库通过“大数据经济学” 创造巨大效益，与传统解决方案相比，它可将数据存储和分析的成本降低30到50倍。 数据湖能够在任何数据转换或模式创建之前捕获“原始数据”，并提供自动快速摄取机制。在向企业数据接入、无缝数据访问、迭代算法开发和敏捷开发演进的过程中，数据湖发挥着举足轻重的作用。

　　陷阱3：没有针对数据增长和成熟度进行规划

当数据湖成为默认的数据目的地时，管理和细粒度安全性从一开始就变得异常重要。元数据访问及存储、数据沿袭及标注会成为内置，而原始数据和不同阶段的转换数据仍能毫无冲突地共存。各类应用可以通过Hadoop使用彼此的数据。外部数据可以根据明确的处理/分析要求被屏蔽或集成，所有数据集能够在数据湖中和睦相处，这提高了数据的可用性，缩短了应用部署时间，并可支持无限的数据扩展和增长。

　　陷阱4：分析小样本数据集

很多人认为数据不需要被集成，人们可以使用小样本数据集，这是一种危险的错误观念，因为这会导致分析结果常常被延展到较大的数据集，而且不考虑差异，少则造成误导，严重的话甚至可能导致极度扭曲的结果。这通常被称为小样本数据集分析魔咒。例如，当您使用小样本数据集时，您可能会遇到很多离群数据或异常数据。如果使用的是小样本数据集，您无法知道异常数据在较大的数据集中是否具有结构性，或离群数据是否处于一种具备明确特征的模式。

　陷阱5：采集更少的数据，依赖更高级的算法

另一个错误观念是：高级和复杂的算法能够解决所有问题。如果是这么简单的话，生活就太美好了。由于是在逻辑进程上运行，计算机将无条件地处理意外、甚至荒谬的输入数据，并生成无用、荒谬的输出数据。在信息与计算机科学中，当未被净化的数据被输入到复杂算法中，被称为“垃圾进入/垃圾输出”。缺失/稀疏的数据、空值和人为错误必须被清除。IT人员应避免依赖未经验证的假设或弱关联，而去尽可能多地采集数据，让数据自己说话。在部署数据平台时，这一点非常经济高效。

　　制定一个成功的大数据策略

如果将规避以上陷阱做为动机，从一开始就把事情做对，即可事半功倍，帮助企业更快、更好地利用大数据。