IT部门迎战大数据时代的五大策略

《IT部门迎战大数据时代的五大策略》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、IT部门迎战大数据时代的五大策略摘要：大数据正以前所未有的速度和可变性累积起来，并H与过去的数据不同，大多数数据都是非结构化数据和原始数据。爲客、社交网络、机器传感器和地理位置工具都在产生大量非结构化数据关键词：IT大数据正以前所未冇的速度和可变性累积起來，并H与过去的数据不同，大多数数据都是非结构化数据和原始数据。博客、社交网络、机器传感器和地理位置工具都在产生大量非结构化数据。“我们产生了大量数据，并H我们一直在收集数据，但这非常冇限，没冇人真正知道如何处理这些数据，”ComputerScie

2、nces公司的PaulGustafson表示。行业观察家称，IT站在了这场数据革命的绘前线。CatalinaMarketing公司管理着2.5PB客户忠诚度数据库，包括來自故大零侶连锁店收集的超过1.9亿家美国杂货店的数据。这些数据用來针对那些使用杂货店信用卡的美国消费者定制营销策略，根据消费者的消费记录來发放优惠券。为了将企业引领到实时可预测情报时代，CatalinaMarketing公司首席信息官EricWiliams和其他行业观察家表示，技术经理必须发展口己的企业信息化管理架构和文化，以支持

3、对大数据存储的高级分析。Gartner公司的分析师HarkBeyer示，料i明的IT领导人应该开始做好准备以迎战大数据，而不是坐以待毙。以下是1T团队需要做的五件爭借为迎接大数据新时代做好准备。盘点你的数据儿乎每个企业都要而对源源不断的非结构化数据，来自社交网络或者来自监视工厂车间的传感器。但是企业在产生这么大量的数据，并不懣味着存在保存每一个字节的业务需耍。ConstellationResearch分析师NeilRadon指岀："在刚开始面对大数据时，人们会感觉需要了解所有来自网络日志或传感器的

4、数据。”部分原因可能来口于急切地推广企业计算领域下一件大事的供应商和顾问，Radon农示：“那些致力于大数据研究的人肯定会大肆推广。”聪明的IT经历不会试图处理所有数据，而是会弄清楚哪些数据与企业相关，哪些不相关。Raden表示，第一步应该是对数据进行盘点，看看哪些数据是内部创建的数据，哪些是外部数据资源,这样做将帮助IT部门更好地了解数据情况，并增添对业务的洞察力。在确定数据范围的同时，IT应该进行有针对性很强的项目以川来展示结果，而不是大数据项目，“你不需要花儿百力美元来启动-个项目来看看它是

5、否值得投资，”Radon表示。让业务需求说话很多最初的大数据项目是在1T以外的领域开始的，例如，营销部门一直利用媒体流來更好地了解客户需求和购买趋势。从业务方面来看，特定领域的专家可能会看到大数据赚钱的机会，但IT需耍负责数据共享和数据联合概念-一-大数据战略的重要组成部分。PricewaterhouseCoopers公司主要信息管理彳j业分析师DavePatton农示：“如果大数据战略没有与业务目标看齐的话，这很难成功。”CatalinaMarketing公司在制定大数据战略时，Williams

6、请來了业务经理以及财务规划和分析（FPA）团队來共同商讨信息架构投资的商业方案。业务视角能够判断新项目能否带來价值，例如根据购物车中的产品來确定采购项目等，而FPA团队能够将捉高生产力或者増加销量等说法进行数字量化。重新评估基础设施Gartner公司的Beyer和其他专家认为，人数据战略将需要对服务器和存储架构以及信息管理架构方面进行重大调整，1T经理需要准备扩人他们的系统以迎接不断扩大的结构化和非结构化数据存储。IT团队需要找出故好的方法，使系统具有可扩展性，并制定路线图将所有与大数据战略相关的

7、不同系统整合在一起。“现在，大多数金业都有不同的孤岛系统，用于不同H的，例如客户管理、营销等，”IBM公司大数据产品副总裁AnjulBhambhri衣示，“首席信息官需要制定一个战略将这些分散的孤甜系统藥合起來，建立一个中映系统。”熟悉相关技术人数据领域让我们认识了一长串新的术语，以及一些首席信息官们可能永远没冇听过的技术。其中，开源工具吸引着大多数人的注目，像Iladoop、MapReduce和NoSQL这些技术就正在帮助Web巨头（谷歌和Facebook等）处理其大数据存储。很多这些技术仍然相

8、当不成熟，并且需要操作人员具备特定技能。大数据领域相关的其他重要技术包括数据库内分析、柱状数据库和数据库仓库设备。TT管理人员及其工作人员需要了解这些新工具以确保他们能够做出正确的大数据决策。让员工做好准备不管企业是需要Iladoop专家还是数据科学家，大多数1T企业最缺的是必要的技术人才來进行下一步大数据策略。分析能力也许是域关键的，这也是大多数1T人员存在最人差距的地方。McKinsey公司预计单在美国，到2018年，将需要14万到19万统讣方法利数据分析技术方面的专家。此外，