CIO面临大数据架构的选择困境

对于大数据的架构,CIO面临着一个存在已久的选择困境:买入还是自建?新的业务问题、厂商方案的稀缺和大量新技术的涌现,都加大了决策的困难。而且,相关的名词是如此的模糊不清,比如大数据等。

随着特斯拉宣称将在2017年推出廉价的电动汽车,这种感觉愈发强烈。但是,在IT圈内,CIO们更关注Elon Musk(特斯拉的CEO和产品架构师)是如何让其CIO去应对这个挑战的:构建自己的企业资源规划系统(ERP),而不是基于SAP来进行升级改造。

这不仅仅是ERP方面的工作,而是开创了一种潮流。在MIT斯隆CIO论坛上,参会者对特斯拉的决策赋予了更为深远的意义,正如同Facobook计划构建自己的CRM系统一样。这类决策背后蕴含的意义是,市场已经无法完全满足客户的定制需求,天平已经从传统厂商向特定的优化方案倾斜,尤其是在大数据逐渐渗透进业务战略的趋势下。对CIO来说,最关键的东西应该就如Babson College(位于马萨诸塞Wellesley)信息技术和管理教授Tom Davenport所说的那样。

“我不知道特斯拉的系统是否能胜过SAP或者Oracle的产品。真正让我震惊的是,决定自行开发一切的举措。但是,为了业务的差异化构建战略性的系统,永远都是有意义的。”在主持大数据相关研讨时Davenport表示。

要确定你最关键的技术需求,即那些很少能通过现有厂商获得的技术,以及那些和业务问题关联最紧密的技术。

当CIO们构建大数据系统时,可能会面对一个存在已久的IT决策困境:自建还是买入?如今,那些统治市场多年的标准化方案,已经无法彻底应对大数据基础架构所存在的瓶颈。更多的选择开始进入人们的视线,内存计算、NoSQL数据库、云计算、开源软件以及如Facebook和特斯拉那样自行开发。但是,无论如何,CIO首先要消除“大数据”这个词带来的各种混沌和疑惑,在大潮之下看清企业所面临的的技术痛点。最终,CIO们采用的很可能是那种具有较强针对性的点式方案,而不是涵盖各个方面的大一统的方案。

首先,什么是大数据?

大数据这个词问世已经不止一年了,但是其含义至今仍混淆不清。“大数据是一个无所不包的营销术语,你对什么感兴趣,都能将其囊括其中。”Monash Research(位于马萨诸塞Acton)的创始人Curt Monash表示。

Monash在其2011年的一篇博客中认为,更糟糕的情况是大数据的定义(包括Gartner的3V定义)本身就通常是具有误导性的,导致了市场的混乱。Monash认为,那种希望有一个技术栈可以解决所有新IT问题的想法,是极其幼稚的。

Fidelity Investments专业服务集团的首席信息官Darrell Fernandes认为,大数据这个词的滥用可能会对厂商的销售有所提升,但是,同时也给潜在的买家带来了很大的麻烦。在本次MIT论坛的大数据研讨会上,Fernandes认为这将给业界带来伤害,尤其是当技术投资和业务回报之间的联系含糊不清时。1990年代时,你可以明确指出CRM技术所带来的业务价值,而大数据的涵盖面太广,缺乏明确的指向,只能徒劳地带来业务和IT两端的渴望和焦虑。

持有如此的论调,并非仅仅只有Fernandes一人。比如,在其最新的报告《Reset on Big Data》中,Forrester公司(总部位于马萨诸塞Cambridge的咨询公司)就特意避免将大数据定义成一种技术或一个技术问题,否则可能导致技术人员视野过窄而错过趋势。相反,根据Forrester分析师Brian Hopkins(该报告的作者之一)的看法,大数据是“填补你的能力与已有数据之间的鸿沟,从而让信息真正转化为对业务的洞察,这将是一个持续的过程。”

在一开始,你需要知道从何入手。Forrester的建议是,在构建或买入之前,业务和IT领导共同对实用场景进行研究。有些时候,实现应用场景需要进行投资。但是,有时要求进行企业文化上的转变,即基于数据来做出决策。大数据意味着业务模型是数据驱动的。这方面的转型需要一定的能力,即CIO要在做出任何投资之前对企业当前处境有清晰的认知。

单一厂商可能无法应对

当大数据技术投资不可避免时,Hopkins提醒CIO们不要被某些名词所局限住(比如Hadoop,近来很多时候被用为大数据的代名词),而是应该回归本质,关注实际的功能。他建议关注在Hadoop所提供的“高弹性、成本可接受的数据存储和分析方法”上。

基本可以确定的是,能够解决当前企业所面临的数据问题的技术栈,不会来自单个厂商。“你不可能得到一站式的解决方案。”Hopkins说。Monash认为,从单一厂商买入将是非常昂贵的:“高昂的投入不仅仅来自于金钱,还包括管理成本等。”

Hopkins所指的厂商包括IBM、微软和Oracle等,这些巨头拥有完整的解决方案栈:“但是我并不认为其产品如厂商们所宣传的那么适用,潜在的客户也应该明白这一点。”如果选择开源软件,Hopkins认为也会面临麻烦。诸如Cloudera、MapR和Hortonworks等厂商都选择了不同的开源版本来构建自己的产品。有些时候,这些厂商开发的新功能与开源社区有重合。于是客户可能不得不在功能模块的层面进行取舍。

对此,Monash有自己的原则:“找到自己最急迫的技术需求,即很少有厂商能满足的功能,以及那些和当前业务问题关系最紧密的技术。”

当然,对于业务问题或产出的考量也不能过分夸大。正如Fernandes所解释的,其所在公司是这样逐渐让大数据的概念变得清晰具体的:“我们这几年来一直着眼于具体的假设、具体的应用场景和具体的产出。由于关注点非常聚焦,才能持续的获得进展。”

原文发布时间为:2014年08月12日

本文来自合作伙伴至顶网,了解相关信息可以关注至顶网。

时间: 2024-09-30 21:41:05

CIO面临大数据架构的选择困境的相关文章

大数据架构面临技术集成的巨大障碍

企业可以利用Hadoop以及所有与它相关的技术设计大数据环境,以满足其特定的需求.但把所有的技术集成在一起并不是一件容易的事. IT团队寻求构建大数据架构时有大量的技术可供选择,他们可以混合搭配各种技术以满足数据处理和分析需求.但是有一个问题存在:把所有需要的技术框架组合到一起是一项艰巨的任务. 在不断扩展的Hadoop生态系统中,选择和部署合适的大数据技术是一个长期反复的过程,周期要以年计.除非公司管理者愿花大量财力和资源来加速推动项目.选择技术的过程中有失误判断是很常见的,一家公司的架构蓝图

BDTC PPT集萃(一):BAT、华为、网易等分享的大数据架构

从2008年60人规模的"Hadoop in China"技术沙龙,到当下数千人规模的行业技术盛宴,七届BDTC(大数据技术大会)完整地见证了中国大数据技术与应用的变革,忠实地描绘了大数据领域内的技术热点,沉淀了无数极具价值的行业实战经验.同时,2014年12月12至14日,第八届中国大数据技术盛会将一如既往的引领当前领域内的技术热点,分享行业实战经验. 为了更好地洞悉行业发展趋势,了解企业技术挑战,在BDTC 2014召开前夕,我们将带大家一起对历届大会沉淀的知识进行挖掘,分享各IT

【大数据100分】大数据架构及行业大数据应用(中级教程)

[大数据100分]南大通用CTO武新:大数据架构及行业大数据应用[大数据中级教程] 主讲嘉宾:武新 主持人:中关村大数据产业联盟 副秘书长陈新河 承办:中关村大数据产业联盟 武新,南大通用高级副总裁兼CTO,法国奥尔良大学和法国国家科研中心博士:南大通用GBASE系列数据库产品的总设计师.在著名的甲骨文公司任职12年,是世界顶级的Oracle数据库专家.2010年获得中组部实施的国家"千人计划"荣誉(海外高层次人才引进计划),是国内基础软件行业唯一入选的数据库技术专家.对目前最新兴的列

浅析传统关系数据库面临大数据的挑战

文章讲的是浅析传统关系数据库面临大数据的挑战,什么是大数据?多大的数据量可以称为大数据?不同的年代有不同的答案.20世纪80年代早期,大数据指的是数据量大到需要存储在数千万个磁带中的数据;20世纪90年代,大数据指的是数据量超过单个台式机存储能力的数据;如今,大数据指的是那些关系型数据库难以存储.单机数据分析统计工具无法处理的数据,这些数据需要存放在拥有数千万台机器的大规模并行系统上.大数据出现在日常生活和科学研究的各个领域,数据的持续增长使人们不得不重新考虑数据的存储和管理. 随着社会计算的兴

BDTC PPT集萃(二):Facebook、LinkedIn等分享的大数据架构

从2008年60人规模的"Hadoop in China"技术沙龙,到当下数千人规模的行业技术盛宴,七届BDTC(大数据技术大会)完整地见证了中国大数据技术与应用的变革,忠实地描绘了大数据领域内的技术热点,沉淀了无数极具价值的行业实战经验.同时,2014年12月12至14日,第八届中国大数据技术盛会将一如既往的引领当前领域内的技术热点,分享行业实战经验. 为了更好地洞悉行业发展趋势,了解企业技术挑战,在BDTC 2014召开前夕,我们将带大家一起对历届大会沉淀的知识进行挖掘,分享各IT

大数据架构的未来

本文讲述了大数据的相关问题,以及"大数据架构"得名的由来. 大数据的问题 或许所有读者都明白这一点:数据正在飞速增长.若是能够有效利用的话,我们能从这些数据中找到非常有价值的见解;传统技术有很多都是在40年前设计的,比如RDBMSs,不足以创造"大数据"炒作所宣称的商业价值.在大数据技术的使用上,常见的案例是"客户单一视图";将关于客户所知道的一切内容放在一起,以便最大化服务提供与自身收入,比如确定具体需要采用什么促销方式,又是在什么时候.通过什

传统制造业面临大数据的7种改变方式

文章讲的是传统制造业面临大数据的7种改变方式,中国是个制造业大国,在工业企业信息化.数据化.数据创新领域可以做的事情很多.应用数据的思维古已有之,如同所谓的互联网思维,其实几十年前的营销学原理就有涉猎.关键在于我们能通过适当的技术与工具把数据联结起来,进行分析,进行跨界创新应用.然而问题也跟着来了,制造业对大数据怎样看待和认识的? ▲图片来源于网络 制造业并不是信息化发达的行业,从流程的传统粗糙就体现出来.即便有现代化的设备,整体的信息化方案多数也是高科技企业类似某些设备的制造商以及代工厂商.在

借助大数据解决现代交通困境

随着日益增长的交通"大数据",给交通管理创新带来的新挑战,以及对交通管理工作提出的新要求,交通信息化建设必然步入大数据所带来的智慧应用阶段,利用大数据破解当前诸多交通瓶颈问题成为了未来交通行业的必由之路.那么交通行业面临着那些困境,大数据又是如何解决的?正是本文所着重阐述的. 背景 城市交通问题是自上世纪以来,工业发达国家一直为之困扰的问题.中国自进入改革开放以后,各项事业建设进程极速加快.随着经济的发展,我国交通发生了前所未有的变化.同业也面临着前所未有的挑战,根据不完全统计目前全国

遭遇云计算 大数据架构对系统提出挑战

大数据将挑战企业的存储架构及数据中心基础设施等,也会引发云计算.数据仓库.数据挖掘.商业智能等应用的连锁反应.2011年企业会将更多的多 TB(1TB=1000GB)数据集用于商务智能和商务分析:到2020年,全球数据使用量预计暴增44倍,达到35.2ZB(1ZB=10亿TB). 大数据面临的挑战 对于海量的数据信息,如何对这些数据进行复杂的应用成了现今数据仓库.商业智能和数据分析技术的研究热点.数据挖掘就是从大量的数据中发现隐含的规 律性的内容,解决数据的应用质量问题.充分利用有用的数据,废弃