在過(guo)去的幾年(nian)里，人(ren)們從知道大(da)數據(ju)的概念，發展(zhan)到一些(xie)組織能(neng)夠真正實(shi)施(shi)一些(xie)大(da)數據(ju)項目(mu)。然而，在一些(xie)組織的數據(ju)中心團隊負責實(shi)施(shi)這些(xie)業務驅動的舉(ju)措之后，現(xian)在才(cai)開始認識到實(shi)現(xian)真正大(da)數據(ju)集成的復雜性(xing)和深度。

大數(shu)據(ju)通(tong)過人(ren)們(men)生活，工作平臺，應用(yong)程序，以及設備提供了多種格式的(de)大量(liang)的(de)數(shu)據(ju)。大量(liang)的(de)結構化和(he)非結構化的(de)內容往往使(shi)用(yong)戶非常難以訪問和(he)分(fen)析所需的(de)信息(xi)。

現代數據中心往往是(shi)一個復雜的(de)(de)系統(tong)，相互連接(jie)的(de)(de)服(fu)務器和(he)設備存儲，處理和(he)分(fen)發各(ge)種(zhong)來源的(de)(de)大量信(xin)息(xi)。但智能大數據整合，在改造傳統(tong)的(de)(de)信(xin)息(xi)系統(tong)，可以緩(huan)解從地(di)理位置(zhi)分(fen)散的(de)(de)網站，甚(shen)至其他數據中心的(de)(de)聚(ju)集和(he)分(fen)析(xi)信(xin)息(xi)的(de)(de)斗爭(zheng)。

如果一個(ge)(ge)(ge)數(shu)據(ju)中心是一個(ge)(ge)(ge)組織(zhi)的(de)(de)(de)大腦，那么可以認為其(qi)數(shu)據(ju)源就是反饋給神經和(he)細胞的(de)(de)(de)信息。智能大數(shu)據(ju)集成意(yi)味(wei)著(zhu)該組織(zhi)的(de)(de)(de)“神經系統(tong)”，為整個(ge)(ge)(ge)企業(ye)(ye)快速傳達信息，為現代商業(ye)(ye)生態系統(tong)起著(zhu)至(zhi)關重要的(de)(de)(de)作(zuo)用。但這也(ye)意(yi)味(wei)著(zhu)數(shu)據(ju)中心的(de)(de)(de)管(guan)理人員將獲(huo)得他們尋求(qiu)的(de)(de)(de)準確和(he)高效的(de)(de)(de)數(shu)據(ju)處理的(de)(de)(de)安全性，質量，控制和(he)管(guan)理。

從(cong)哪里開始

任何(he)大數(shu)據(ju)項目的目的是為了獲(huo)得(de)更好(hao)的結果，其(qi)中包括直接進行實時洞察和(he)基于(yu)循(xun)環模式的長期觀點，但(dan)首(shou)先你(ni)必(bi)須克(ke)服早期的集成挑戰。所以要(yao)問你(ni)自己：

· 你所(suo)有的關鍵數據來自哪里？

· 你的(de)組織如何聚合(he)并(bing)快速移(yi)動所有的(de)數據？

· 如何分析可用的(de)數(shu)據是否有價值(zhi)？

· 通過(guo)在技術和基礎設施方面(mian)的投資，你的企業如何才能(neng)最大限度地發揮(hui)價值？

最終，大數(shu)(shu)據(ju)整合攝入，準備和(he)提供(gong)的(de)(de)數(shu)(shu)據(ju)，不(bu)管是什么來源。這包括利(li)用在企業每(mei)一類型的(de)(de)數(shu)(shu)據(ju)，包括復雜(za)的(de)(de)，往往是非結構(gou)化的(de)(de)機器產生的(de)(de)數(shu)(shu)據(ju)，這通(tong)常(chang)需要一個更加融合的(de)(de)數(shu)(shu)據(ju)中(zhong)心的(de)(de)基礎設施。

因此，第一步驟，可以(yi)說是最重要的一步，是整合所有可用的數據。以(yi)下是確定(ding)你(ni)的大數據集成(cheng)項目有效實施的三(san)個關鍵領域。

（1）可靠(kao)的數據(ju)流

攝(she)入大數(shu)據(ju)到(dao)一(yi)個(ge)(ge)平臺，像ApacheHadoop這樣的平臺是不夠(gou)智能的，不足以(yi)(yi)啟動一(yi)個(ge)(ge)Hadoop集群，輸入所有類型的數(shu)據(ju)，并得出具(ju)有突破性的新見解，展現自己。大數(shu)據(ju)行業廠商似乎每(mei)一(yi)個(ge)(ge)星期都在發布(bu)新的工具(ju)和升級版本，甚至(zhi)將某一(yi)技(ji)術引(yin)入到(dao)你的堆棧，雖(sui)然(ran)功能并不強大，但卻可以(yi)(yi)使你的整個(ge)(ge)平臺過(guo)時(shi)。

這是(shi)常見的(de)企業應(ying)用程序和集群(qun)之間的(de)經驗數(shu)據流和數(shu)據退化問題。因(yin)此，大多數(shu)反應(ying)涉及手工(gong)編碼正在嘗試努力工(gong)作，并拋(pao)棄一(yi)些其(qi)他類型的(de)技術。通常情(qing)況下(xia)，這是(shi)一(yi)個(ge)解決方案。但這不是(shi)最終的(de)解決辦(ban)法。

采(cai)用一個安全的，敏捷的集成平(ping)臺(tai)，專注于(yu)調動實(shi)際的數據流進(jin)出數據中心(xin)的管道，確保在(zai)越(yue)來越(yue)復雜(za)的工作場所的生(sheng)態系統進(jin)行可靠的信息交(jiao)換。

（2）可擴展性

目前(qian)存在一些(xie)主要的(de)(de)(de)整合(he)，治理和安全問題，需要針對(dui)不同層次的(de)(de)(de)大(da)(da)數據(ju)(ju)采取不同的(de)(de)(de)舉措，特別是(shi)在數據(ju)(ju)中心(xin)。我們今天正在經營業務在其(qi)規模和信息方面日益龐大(da)(da)，這(zhe)使得數據(ju)(ju)成為“大(da)(da)數據(ju)(ju)”。而(er)人們需要跨越地(di)域和傳統的(de)(de)(de)數據(ju)(ju)中心(xin)來管理大(da)(da)數據(ju)(ju)，那些(xie)過時陳舊的(de)(de)(de)工具(ju)已經嚴(yan)重低(di)估了現代需求。

隨著企(qi)業的(de)發(fa)展(zhan)和新的(de)數據源開始發(fa)揮作用，需要增加不同的(de)技(ji)術(shu)，你(ni)的(de)系(xi)統將無一(yi)例外(wai)地必(bi)須適應。如果你(ni)將現在(zai)的(de)問題通過手(shou)工編碼解(jie)決，當你(ni)試圖擴展(zhan)之(zhi)后，會(hui)不會(hui)在(zai)擁有它以后拋(pao)棄它？

簡單地增(zeng)加更多(duo)(duo)的工(gong)作人(ren)員(yuan)或代碼的問(wen)題并不(bu)是一個(ge)可(ke)擴展的策略，也不(bu)會(hui)解決復雜的大數(shu)據傳輸問(wen)題。需要(yao)有一個(ge)堅實的數(shu)據集(ji)成和管理平(ping)臺下(xia)的商業智能工(gong)具(ju)，可(ke)以(yi)輕(qing)松地擴展，采用眾多(duo)(duo)的大數(shu)據工(gong)具(ju)，并且其來源而不(bu)中斷。

（3）數據質量，分類(lei)，治理(li)

而(er)從結構化數(shu)據(ju)(ju)出來的(de)(de)CRM和(he)ERP應用程序通常很好地(di)進行企業的(de)(de)分析，但它是(shi)非結構化的(de)(de)數(shu)據(ju)(ju)，更加(jia)難以(yi)管理。企業必須以(yi)某種方式治理信息混亂，因(yin)為即使是(shi)最小的(de)(de)數(shu)據(ju)(ju)質量的(de)(de)問題也會產生巨大的(de)(de)錯(cuo)誤。成(cheng)功的(de)(de)公(gong)司在(zai)元數(shu)據(ju)(ju)級別上做到這一點。

通過元數(shu)據(ju)定義(yi)信(xin)息是(shi)至(zhi)關重要的，因(yin)為它提(ti)供(gong)了來自大數(shu)據(ju)的結構，幫(bang)助進行分(fen)類和整理這(zhe)些信(xin)息以后可以輕松找到(dao)。當(dang)信(xin)息流動到(dao)你的數(shu)據(ju)湖(hu)，必須進行某種分(fen)類，因(yin)此(ci)你正在做分(fen)析的數(shu)據(ju)實際上(shang)是(shi)準確的。

企業在(zai)(zai)(zai)錯(cuo)誤的(de)(de)(de)數據方面浪費了一(yi)些(xie)(xie)技術(shu)周(zhou)期，特別是昂貴(gui)的(de)(de)(de)今(jin)天。所(suo)有這些(xie)(xie)質(zhi)(zhi)量和分(fen)類(lei)必須(xu)在(zai)(zai)(zai)某一(yi)點(dian)上進行(xing)，但它應該(gai)在(zai)(zai)(zai)早期的(de)(de)(de)水平，即使(shi)在(zai)(zai)(zai)集成周(zhou)期。企業認為在(zai)(zai)(zai)數據質(zhi)(zhi)量的(de)(de)(de)早期可以得到更好的(de)(de)(de)，更有價值的(de)(de)(de)分(fen)析。

總結：

每一(yi)個(ge)組(zu)(zu)織(zhi)(zhi)都會(hui)成(cheng)為(wei)一(yi)個(ge)數據組(zu)(zu)織(zhi)(zhi)，或(huo)是被甩在后面。是什么使一(yi)個(ge)公司可以獨有他(ta)們的(de)數據，并更好地使用數據。因此(ci)，一(yi)個(ge)成(cheng)功的(de)大數據項目最(zui)終取決(jue)于一(yi)個(ge)組(zu)(zu)織(zhi)(zhi)的(de)捉捕其(qi)數據的(de)能力(li)。

快(kuai)速攝入和處理(li)的(de)大數(shu)據，需要(yao)一(yi)個可(ke)靠(kao)的(de)集(ji)(ji)成(cheng)基礎設(she)施，可(ke)以(yi)很容(rong)易地擴展(zhan)以(yi)容(rong)納大量(liang)的(de)數(shu)據量(liang)，驅動實(shi)時訪問，并支持(chi)每一(yi)個請求分析。利用(yong)信息，以(yi)獲得(de)競爭優(you)勢，這聽起來很偉(wei)大，但只有可(ke)靠(kao)準確地集(ji)(ji)成(cheng)了所有的(de)數(shu)據源之(zhi)后，才能(neng)建立一(yi)個可(ke)用(yong)的(de)數(shu)據湖。

當正確的(de)(de)(de)信息傳(chuan)遞給正確的(de)(de)(de)人，所(suo)以(yi)可以(yi)理(li)解并采取行動最大限度地(di)提高大數據(ju)整合的(de)(de)(de)價值。但是，只(zhi)有(you)當企業支(zhi)持提供了(le)大數據(ju)下(xia)的(de)(de)(de)投資和(he)可靠的(de)(de)(de)集成平(ping)臺，他們將獲得每(mei)個(ge)企業都在(zai)尋求大數據(ju)的(de)(de)(de)最佳回報。