你已經有擁有了云的工具和能力來捕捉大數據，但搞清楚你想從中得到什么以及最終如何提取它，才是決定性的挑戰。

數據網絡和存儲的進步表明企業組織正捕捉著越來越多的數據。

企業CTO可以弄清楚全部數據存儲部分——他們有著到位的MongDB云數據庫，或者他們從Cloudant租DBaaS。但一個企業究竟如何處理所有這些非結構化數據呢？

首先，是要明確企業想要的是什么。如果企業不清楚自己的大數據需求，它可能得自求多福了。

明確大數據需求

大數據分析，就像所有IT行業，是由業務需求決定的。企業必須在處理大數據之前弄清楚自己的需求。

世界上沒有兩片完全相同的樹葉，企業同理。因此，需求總是發展變化的。IT部門可能會收到如下需求：

• 為即時報告處理數據；
• 飛行中解碼遙感；
• 在巨大數量的信號中大海撈針；
• 在巨大數量的信號中發掘常規操作模式。

分析是服務導向的領域，因此CTO可以只是完成他自己的工作并將其余的外包出去。如果他決定“自力更生，不接受外援”，則需要做另外一些事情。

獲取一些分析應用程序

分析應用有助于將大量數據集轉變為商業價值。企業使用分析工具來處理有利于應對非結構化數據的困難的工作。

數據分析產品是大數據技術之一并活躍于數據專家的工具箱。分析產品通常不提供現成的商業價值。

當企業購買分析應用時，它們必須為培訓預算留出充足的資金，因為復雜的工具并不直觀。

寫大數據方針

管理大量數據集是項棘手的工作。大數據管理者有大量的移動部分去配置，以迎合如下需求：

• 保留原則是什么？數據池的什么部分可以被刪除？什么時候刪除？剩余的歷史數據又會怎樣?
• 數據保護原則是什么？誰去查看數據？法律限制是什么？
• 數據存儲在哪里？如果云供應商控制著數據，如何拿回它？
• 需要什么樣的元數據？如何確定大數據存儲的目的？
• 有多少數據集？它們如何被混合？

集結一支分析團隊

首先，構建一個團隊是與業務執行和IT贊助合作。兩者都需要！

企業可能有數據倉庫和數據挖掘，但很可能沒有數據專家。可以通過幾種途徑獲得：

• 雇傭專家。
• 雇傭有合適能力的人，并讓他們學習。
• 洞察企業中有潛力的統計員。

依然存在一些縫隙

一些大型企業或組織，像電信公司和全球零售商，已經是常年與分析的問題作斗爭。它們有專門的團隊、本地工具和多年的經驗。

大數據和商品化的數據分析的華麗新世界正浮出水面，路漫漫其修遠兮。

• 企業寧可對已有數據集做著一些新的事情，也不愿搜集新數據。
• 現有大量大數據工具，但準備好為商業用戶使用的是少之又少。
• 全球許多地方的企業或組織尚未開始開發大數據。
• 需要更好的機器學習來從噪音中提取信號。

從大數據獲得價值，需要統計、技術和業務專家，即便有分析工具，都得為業務需求而定制——這不是一個放之四海而皆準的世界。

擴展閱讀

云計算和大數據的崛起