大数据：移动互联时代的惊涛骇浪(2)

但问题是，对大数据的分析却并非易事。

凌琦认为，传统的存储结构需要升级为扩展性的存储架构，否则无法适应现有的大数据存储，同时，对于分布式的文件系统的支撑之后，需要进行实时的流处理，而“传统的数据分析更多的是结构化，数据量是有限的，集中式处理、批量处理，也无法满足需要。”

赛仕软件研究开发（北京）有限公司总经理刘政说，在大数据时代，数据分析的手段是关键，“但是传统的数据分析能力，无法处理这么大量的数据。我们平常分析上千万的数据量的时候，都会花费几十个小时的时间才能得到结果。当你的数据量达到十亿的时候，软件就根本运行不下去，有的时候会花上好几十天，这个速度人们是无法接受的。”

他列举了一些传统的分析技术带来的困惑。比如，由于分析手段的限制，取样时的样本数不够大，不能充分利用所有的数据，无形中破坏了信息的完整性；又比如，受限于分析能力而无法获取复杂问题的答案，受限于时间而不得不采用某项简单的建模技术，同样，也是由于没有足够的时间来执行多次迭代，你不得不对模型净度进行妥协等等。

刘政说，上世纪50年代，美国飞行员发现，在跟敌人作战的时候通过OODA方法就可以有效地赢得战争，也就是说，“如果你的决策比你的对手快，你就能够占得先机”。

速度在这里被提到了战略高度。对大数据的分析，也同样如此。

品友互动是中国最大的数字广告互联网技术公司，率先在广告技术领域采用大数据研究方法，搭建了多个以Hadoop为基础的云计算平台。品有互动CEO黄晓南在接受记者专访时说，作为国内最大的需求方平台（DSP），品友互动每天处理上百亿的数据量，其DSP平台可以对接广告交易平台（AdExchange）进行实时竞价和智能算法,50毫秒内完成响应。

可见，没有速度，再有价值的大数据也只能是一堆无法流通的钞票。

让大数据来为你做商业决策

黄晓南说，数据挖掘是博大精深的事情，似乎永远也没有尽头，品友专注于做的无非就是“用用户的行为轨迹来描绘用户的属性，并且在实践的过程中去印证方法的正确性”。不过，在每天都见证数据挖掘会产生实质价值的过程中，她也收获颇丰。黄晓南说，作为大数据的实践者，品友互动的DSP已经成为很多客户的选择，广告投放的效率和效果都得到超过50%的提升。像Volvo汽车、海尔商城等品牌，投放目标人群覆盖地域、人口属性、个人关注和购买倾向四大类，帮助它们实现高效能的广告投放效果。

这个案例有效地支撑了曹宇钦的说法：“在大数据时代，用户投资大数据不仅仅是寻求对海量数据的收集、整理、分析的工具，而是要找到能够将数据与业务相结合，实时帮助决策者分析问题、解决问题，提供最佳决策的支持。”

孙博凯也认为，在大数据时代，必须对数据进行丰富，必须“把你的数据和世界其他地方的数据连接起来”，这样才能产生更多的价值。“首先你要保证它是清洁的、准确的，然后你会发现一些附加数据，与你所要分析的数据相关，你可以把自己的数据和Web数据整合起来，从中获得洞察。”

他举例说，如果你从事销售行业，希望看到自己的业绩表现如何，那么光看自己的销售业绩并不够，还需要看自己公司内部同事的业务如何，你做得比他们好还是比他们差；推而广之，你还必须看看其他的同业公司，不管是竞争对手还是合作伙伴，乃至“看一下全世界的数据，世界经济是加速还是放缓、是软着陆还是硬着陆，这对于你将会产生什么影响等。”

当然，我们现在已经找到了一些方法，初步的或者局部的。比如，SAS高性能分析软件就包括了网格计算、库内分析以及内存分析、可视化分析。甲骨文公司前不久也发布了自己的大数据一体机平台，“把大数据的存储、大数据的处理、大数据的BI展现在一台机器中全部融合进去”。

正如中国移动研究院首席科学家杨景所说：“要做好大数据，让整个供应链都拥有最新的技术，就必须关注大数据的工具，要有工具来支撑大数据时代的协同。最终，基于模型驱动的系统工程所满足的，不是功能需求而是商业需求。”

曾经有人说，国内几大微博巨头尽管有庞大的流量，并且在移动互联网领域布局颇好，但在探索商业模式方面却举步维艰，也许，在不久的将来，当他们在大数据领域有所斩获的时候，事情就会变得相对容易。