大数据分析之数据孤岛：你能看到它们吗？

　　从企业和CIO们开始尝试数据挖掘以来，数据孤岛就一直阻碍着商业智能效能的提高。数据孤岛，换句话说昂贵的、需要费尽心血维护却彼此无法兼容的数据库，指望从它们那儿发掘到伟大的知识，无疑于缘木求鱼。也就是说，数据库的数量和挖掘到的知识产量没有任何关系。正如一位商业智能专家所说的，进进出出的都是垃圾。

　　谈到大数据分析-或者叫数据3V(类别、数量和增长率)，则是个将大多数公司窒息的流行语。因为，据分析师Ted Friedman说，数据孤岛整指数般的蔓延-就像瘟疫一样。

　　“在你的公司，任何时间任何地方，都有数据孤岛的存在。从大数据的角度看，简直整个宇宙都充斥着数据孤岛-在防火墙里，在web上，在‘云’端，还有那些属于其他企业、客户和供应商的却在你这儿出现的数据，”Gartner主持信息管理咨询的Friedman说道，“所有这些使得你更难打破数据孤岛来挖掘有意义的知识信息。”

　　那么，CIO在诠释大数据的过程中能起到什么作用呢？和企业遇到的其他IT挑战一样，这个难题及其解决之道也围绕着人才、流程和技术而展开。CIO不仅需要为为员工培养新技能(包括招募数据科学家、分析师和架构师等)，而且需要说服高层：大数据治理是需要高管甚至董事会关注的重要命题。

　　突然变时髦的数据管理

　　对付大数据遭遇的数据孤岛问题有一种方法，就是孤立分析，重点突破。Gartner专门有一种信息估值过程来运用这种方法。“在庞大的数据海洋中，不同数据有着不同的价值，于是数据挖掘的目标，就变成了定义怎样的问题空间，然后在空间内深入分析，”Friedman说道，“就我看来，客户往往将分析边界定义得太过宽泛。”

　　为了突出重点，企业可以首先问自己这样一个问题：我们到底要从数据中得到什么？这些数据和我们的业务有什么联系？我们如何使用这些数据以获得积极的回报？

　　随着企业越来越关注潜伏在大数据中的价值信息，Gartner注意到越来越多的公司开始设立数据治理委员会。由业务干系人所组成，这些机构关注一切方面-从哪些是重要的数据源、向什么技术投资，到各种和数据有关的问题，譬如数据质量、数据保留度、数据整合、数据安全性和信息隐私。

　　外部数据孤岛的危险探索

　　除了少数IT专家外，也应该开放给其他职员大数据探索的权利，以最大程度从大数据中攫取价值。Gartner及其它专业人士担心，很多组织急于从大数据中牟利，以至于忽视了IT治理的风险，从而付出了侵犯隐私、数据造假等问题而得到严惩的代价。

　　“在企业里，彻底的数据开放不切实际，”麻省Forrester首席分析师Boris Evelson说道，“有各种各样的监管问题和利益冲突。举个例子，投行的行研师和交易员之间就绝对不可互犯雷池一步。”

　　在科罗拉多大学国家冰雪研究数据中心(NSIDC)和其数据收集伙伴美国航天局(NASA)看来，保护数据的完整是一项巨大的挑战，NSIDC的IT服务经理David Gallaher如是说。David的主要任务，是收集、管理记录着世界上所有冰冻地域的以PB级计算的科学数据，并保证以可控的方式分发给需要的研究人员。“我们需要让人们尽可能方便地获取他们需要的数据，但我们必须得保证他们不可能胡乱更改其中的任何一处，”正在接受地理学培训的Gallaher表示。另一方面，NSIDC的科学家们每次访问数据后肯定会对其进行更新，所以数据管理的治理原则必须是“正确的人做正确的修改”，Gallaher强调道。NSIDC目前正在和美国国家科学基金会合作完善其数据治理原则。

　　数据管理-只要多视图，不要多拷贝

　　不是所有人同意大数据一定意味着更多的数据孤岛这一说法。IBM大数据项目副总裁Anjul Bhambhri就宣称，大数据其实能“帮助”CIO。

　　“现在，数据孤岛能够进行自我清理，”在一次针对其一年来为200多家公司清理数据孤岛的访谈中，Bhambhri如是说。一家大型企业为邮件归档建立了13个数据集市(单是法务部就使用了8个)，因为当他们要访问归档邮件时，他们等不及让IT来处理。另一家公司的两个部门分别为自己的web缓存建立了拷贝。“要知道他们每天就有150亿条缓存要处理，”Bhambhri说道。

　　新技术-当然，包括IBM的大数据产品-可让企业在一个数据仓库中存储和分析庞大的数据信息。因此，上述两家公司只用保留一个活跃的数据归档，大可不必设立13个归档副本或150亿web缓存。“你的数据只用保存于一处，来自多处的应用即可对数据同时进行访问，因为数据在存储层次的形式保持不变，”Bhambhri说道。然而，即使她和像她这样的积极倡导大数据分析的IT人士，也不断提醒企业，有效的大数据分析，需要对已有的IT系统框架进行彻底地改造。“能够有效存储数据是在正确的方向上前进了一大步，”她说道，“但仅能存储是不够的，有效的分析还需要大量的算法。”