
大数据被争论,明晰管理方式成关键_数据分析师
近日,大数据的话题被很多欧美CIO议论,关于企业内部管理与信息化工作,越来越多人开始重视它。当CIO提出使用大数据架构去释放日益饱和的IT资源,媒体人却在反问:你们到底真正理解什么是大数据的概念吗?CIO.com日前撰文指出,企业在部署大数据和云安全智能平台(LSIP)时,有些不到位的方法和管理工具,阻碍了有效数据的管理与使用。
LogLogic的CMO Mandeep Khera表示,企业中的大多数CIO都在关注大数据,但他们不明白这是什么意思,对于如此之多的大数据来说,有没有明确的定义,每个人都感到困惑。
IT安全研究顾问与LogLogic一起进行了一项新的调查发现,49%的组织都非常关注有关管理大数据的话题,但38%的受调查者不明白什么是大数据,另有27%的人说他们的理解较片面。此外,调查还发现,59%的企业缺乏管理他们IT系统数据所需的工具,而是转向独立和不同的系统或电子表格。
“我们知道,数据是由很多不同的内容构成,并且很重要,包括安全性、IT运营、合规性等。”Khera说:“公司需要更有效地管理数据,使决策者能够做出更明智的决策。”
“非结构化的大数据有许多TB。”Khera解释说:“信息就是力量,大数据,如果管理得当,可以提供安全、运营等问题的强大处理洞察力,以帮助各种规模的组织企业和云基础设施,提供各种来源收集更多的数据。但许多机构没有正确使用这些工具和流程来管理数据,如果这一模式继续下去,我们将看到企业进一步的失败,并且无法获得有效的可操作数据,影响企业的明智决定。
根据大部分受访者的调查,62%的人表示,他们已经管理了多个TB的数据。但更多的是担心未来大数据的处理问题。目前,世界上的数据量正在以近乎难以理解的速度在增加。IBM发布过信息,他们每天创造数以万个字节的数据。根据蓝色巨人的统计,这个增长量颇为惊人,包括来自传感器、交易记录、图像、视频、社交媒体、日志和其他来源的各种数据。
但是,如果你没有工具来管理和执行这些大数据,并分析出其中的有效信息,这些本质上就是不断增长的垃圾。
khera说:“控制大数据的关键之一是巩固和集中来自全国各地从Web应用程序、中间件、定制的后端应用程序和数据库索引存储库,以及通用的用户界面、组织,包括日志记录的日志管理等操作。为了使数据的处理趋于正常化,具备关联、汇报和发送可操作的警报的能力,本月早些时候,LogLogic委托专家恩斯,成立网络安全应用研究所,进行关于信息安全的分析及从法规上开展日志数据的管理(ISIA)。
通过对LogLogic客户展开处理大数据问题的采访后,恩斯表示,大数据日志管理的主要区别是规模庞大的日志信息的数量。但重新梳理事件后,其实是一件很简单的事情。如果只有几个设备,想象跨越数千台服务器,并通过PB的数据,而无需一个易于使用的用户界面或索引存储库,如何快速反应。大数据,不仅是大小,但也要考虑速度的特点。通过大规模搜索数据量需要时间。如果它是不正确的索引,如果未经授权的访问或其他活动有关的关键信息不可用,因为它没有被索引,所以大数据的搜索结果将是不确定的。因此如果索引时间太长,关键的警报消息延迟会造成不可接受的延迟响应时间。
现在,虽然只有54%的受访者表示,他们使用日志管理解决方案来管理其日志数据。许多还是使用系统日志和电子表格来管理自己的日志。调查还显示,有33%的人什么也不做。
结果表明:在实践中,大数据的管理变得十分不一致。大数据、云需要符合客观认知的管理操作,而大多数公司都没有准备好其中的任何一块处理意见。就像迷人的雕像看到了裂痕一样,大多数受访企业没有有效监控云环境或报告网络与设备的正常活动,这不是大数据正确的使用方法。因此,明细大数据时代的管理方式及思维,将变得十分重要。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14