大数据(生于2006，卒于2019)已死！

▲点击图片查看kindle书籍

大数据时代生于2006年4月1日，卒于2019年6月5日

由于关注的重心从我们收集数据的方式转向实时处理数据，大数据时代即将终结。大数据现在是支持多云、机器学习和实时分析这几个新时代的业务资产。

大数据时代终结于2019年6月5日，当时Tom Reilly宣布即将从Cloudera辞职，随后该公司市值应声下跌。加上MapR前不久宣布将于6月下旬关门大吉——这将取决于MapR能否找到买家来继续运营，2019年6月表明了这个事实：Hadoop推动的大数据这个早期时代已宣告结束。大数据会因在这几方面起到的作用而被世人铭记：促使社交媒体开始占主导地位，从根本上改变企业在处理多出好几个数量级的数据方面的理念，以及澄清分析数据、数据质量和数据治理的价值，不断评估作为企业资产的数据。

如果为大数据时代拟写某种意义上的悼词时，必须要强调一下：大数据技术实际上并没“死”，但第一代基于Hadoop的大数据已达到成熟的程度，它已在企业数据界确立了稳固的角色。大数据不再是无限增长的炒作周期的一部分，而是一种老牌技术。

大数据时代始于ApacheHadoop在2006年的亮相，开发人员和架构师将此工具视为有助于处理和存储多结构化数据和半结构化数据。企业在数据方面的理念发生了根本性转变，并不仅限于传统企业数据库的ACID（原子性、一致性、隔离性和持久性），导致数据使用场合发生了变化，许多公司意识到以前丢弃或保存在静态归档中的数据实际上有助于了解客户行为、采取行动的倾向、风险因素以及复杂的组织、环境和商业行为。Cloudera这款商业发行版推出后，Hadoop的商业价值在2009年开始得到确立，MapR、Hortonworks和EMC Greenplum（现在的Pivotal HD）紧随其后。虽然分析师们预测大数据这个潜在市场的规模高达500亿美元或更多，但Hadoop这种分析工具最终在最近十年受到了质疑。

虽然Hadoop在通过批处理支持大型存储和ETL（提取、转换和加载）作业以及支持机器学习任务方面大有价值，但它在支持公司和大型组织用来管理日常运营的较为传统的分析工作方面并非最佳选择。Hive、Dremel和Spark等工具在Hadoop上面使用以支持分析，但Hadoop从未变得足够快，无法真正取代数据仓库。

Hadoop还面临这样的挑战：NoSQL数据库和对象存储提供商在解决Hadoop最初旨在帮助解决的部分存储和管理难题方面取得了进展。随着时间的推移，在Hadoop上支持业务连续性面临挑战，加上支持实时、地理空间及其他新兴的分析使用场合方面缺乏灵活性，这使得Hadoop面对海量数据时很难在批处理之外大有作为。

此外，久而久之，许多公司开始发现大数据难题越来越与此有关：支持一系列广泛的数据源，并迅速调整数据模式、查询、定义和上下文，新的应用程序、平台和云基础设施供应商就体现了这一点。为了克服这个挑战，分析、集成和复制就必须变得更敏捷更快速。许多供应商纷纷创办就体现了这个挑战，包括：

• 分析解决方案：比如ClearStory Data、Domo、Incorta、Looker、FineBI、Microsoft Power BI、Qlik、Sisense、Tableau和ThoughtSpot

• 数据管道供应商：比如Alooma、Attunity、Alteryx、Fivetran和Matillion

• 数据集成供应商：包括Informatica、MuleSoft、SnapLogic、Talend和TIBCO（后者还凭借其Spotfire产品组合角逐分析领域）。

如果从收购或融资的角度来看，许多这些公司似乎都备受瞩目，这绝非巧合。最近的例子包括但不限于：

• ThoughtSpot在2018年5月完成1.45亿美元的D轮融资

• Sisense在2018年9月完成8000万美元的E轮融资

• Incorta在2018年10月完成1500万美元的B轮融资

• Fivetran在2018年12月完成1500万美元的A轮融资

• Looker在2018年12月完成1.03亿美元的E轮融资

• TIBCO在2018年12月收购Orchestra Networks

• Logi Analytics在2019年2月收购Jinfonet

• 谷歌在2019年2月收购Alooma

• Qlik在2019年2月收购Attunity

• Informatica在2019年2月收购AllSight

• TIBCO在2019年3月收购SnappyData

• Alteryx在2019年4月收购ClearStory Data

• Matillion在2019年6月完成3500万美元的C轮融资

• 谷歌在2019年6月斥资26亿美元收购Looker

• Salesforce在2019年6月斥资157亿美元收购Tableau

• Logi Analytics在2019年6月收购Zoomdata

这些解决方案的成功表明了日益需要分析师、数据和平台灵活性，以便面对诸多云和数据源改进数据的上下文分析价值。2019年会更闹猛，因为其中许多公司归私募股权公司所有，或者已获得大量的风投资金，需要尽快成功退出，帮助资助未来的风投基金。

随着大数据的消逝，我们进入到了后大数据时代，包括多云时代、机器学习时代以及实时和无处不在的上下文时代。

• 多云时代恰恰表明日益需要基于现有的各种应用系统跨多云支持应用软件和平台，也日益需要支持持续交付和业务连续性。“某项任务有一个应用软件”这种观念导致了企业中每个员工平均有一个SaaS应用软件的业务环境，这意味着每家大企业在为数千个SaaS应用软件支持数据和流量。后端容器化这个趋势导致支持按需和峰值使用环境的存储和工作负载环境日益分散化和专业化。

• 机器学习时代专注于分析模型、算法、模型训练、深度学习以及算法和深度学习技术的伦理。机器学习需要处理创建干净数据供分析所用所需的大量相同工作，但还需要另外的数学、业务和伦理上下文以创建持久的长期价值。

• 实时和无处不在的上下文恰恰表明，从分析的角度和交互的角度来看，日益需要及时的更新。从分析的角度来看，公司分析处理仅仅每周更新一次或每天更新一次已不够。员工现在需要近乎实时的更新，否则有可能做出糟糕的公司决策，这些决策在制定的那一刻就已过时或落伍了。有效使用实时分析需要广泛的业务数据，以提供适当的整体上下文以及供针对数据按需执行的分析所用。无处不在还表明了交互的兴起，包括物联网提供表明环境和机械活动的更多边缘观察信息，以及仍在发展中的扩展现实（Extended Reality，包括增强现实和虚拟现实）提供身临其境的体验。为了提供这种级别的交互，必须以交互的速度分析数据，可能短至300-500毫秒，以提供有效的行为反馈。

随着大数据时代走到尽头，我们现在可以少关注收集大量数据的机制，多关注处理、分析海量数据并与之实时交互方面的无数挑战。我们迈入大数据驱动的新时代时，请牢记以下几个概念。

• 首先，Hadoop在企业数据界仍占有一席之地。Amalgam Insights预计，MapR最终会被一家以管理IT软件出名的公司收购，比如BMC、冠群或MicroFocus；并认为Cloudera已采取了措施，不仅限于企业Hadoop，以支持数据的下几个时代。但技术的步伐不可阻挡，Cloudera的问题在于它的行动是否够快、随势而变。Cloudera在将其企业数据平台完善成下一代洞察力和机器学习平台方面面临数字化转型挑战。过去几十年，公司能够为转型敲定时间表。现在正如我们从亚马逊、Facebook和微软等公司看到的那样，仅仅为了活命，成功的科技公司必须准备好每十年就要转型，可能甚至牺牲掉自己的部分业务。

• 其次，对多云分析和数据可视化的需求比以往任何时候都要大。谷歌和Salesforce刚斥资180亿美元收购了Looker和Tableau，那些收购基本上是针对颇具规模和收入增长的公司的市场价值收购。会投入更多的巨额资金，以克服这一挑战：针对众多数据源提供分析技术，并支持与多云有关的日益分散且多样的存储、计算和集成需求。这意味着企业需要慎重地搞清楚数据集成、数据建模、分析及/或机器学习/数据科学团队可以在多大程度上应对这个挑战，因为处理和分析异构数据变得越来越困难、复杂，但要支持战略业务需求并将数据用作真正的战略优势又势必需要这么做。而仅看国内发展，企业对多云分析和数据可视化的需求也是一样剧增。2006年成立的国产BI软件厂商帆软软件自2016年300人左右的团队短短三年内成长到现在的1100余人，据知为了应对更多的市场需求其团队还在不断扩大。这样的成长速度源自市场需求的增多和帆软对于市场需求走势的判断。

• 第三，机器学习和数据科学是下一代分析技术，需要各自做好新的数据管理工作。大规模创建测试数据、合成数据和掩蔽数据，以及数据沿袭、治理、参数和超参数定义以及算法假设，这些都超出了传统大数据假设的范畴。这里最重要的考量因素是，使用由于种种原因未能很好地服务于企业的数据：样本量小、缺乏数据源、数据定义不清晰、数据上下文不明确，或者算法和分类假设不准确。换句话说，不使用失实的数据。失实的数据会导致有偏见、不合规、不准确的结果，还可能导致诸多问题：比如Nick Leeson在1995年导致巴林银行（BaringsBank）垮台，或法国兴业银行因Jerome Kerviel精心操纵交易而蒙受70亿美元的交易损失。AI现在是新的潜在“流氓交易者”，需要得到适当的治理、管理和支持。

• 第四，需要将实时和无处不在的上下文既视为协作和技术上的挑战，又视为数据挑战。我们正进入这样一个世界：每个对象、流程和对话都可以用附加的上下文加以标记、标注或增强，可以实时处理数GB的数据，以生成简单的两个单词警报，可能就像“减慢速度”或“立即购买”这么简单。我们看到“数字孪生”（digital twin）这个概念方兴未艾：在工业界，PTC、GE及其他产品生命周期和制造公司为设备创建数字孪生；而在销售界，Gong、Tact和Voicera等公司借助额外的上下文以数字方式记录、分析和增强模拟对话。

因此，大数据时代已宣告结束。但在此过程中，大数据本身已成为IT的一个核心方面，并引发了一系列新时代，每个时代未来一片光明。投入于大数据的公司应该将这些投入视作未来成为实时、增强和交互型互动公司的重要基础。随着大数据时代走到尽头，我们现在准备将整个大数据用作业务资产，而不仅仅是炒作，从而支持基于作业的上下文、机器学习和实时交互。

关于国内对大数据行业发展的讨论也是一直没有停止，而对于实时、增强和交互型的数据分析，对在大行业背景下小行业的场景化应用，帆软每年都会组织国内数据行业规格最高的一场听觉盛宴，近千家企业高管参与讨论。针对数据治理和准备、数据挖掘、数据人才培养等多个部分进行深度探讨。本次大会以“数据有引力”为主题，以国内现在的大行业发展为背景，真正来落地数据对企业的真实价值，旨在帮助更多的企业对“已死的大数据”重新认识，从以上四个方面来使得数据建设更加落地。

扫码进入知识分享社群

交流~共享~学习~进步

公众号后台回复“sq”,加入社群

公众号后台回复关键词“书籍”

获取区块链20本高分书籍

每一张脸都是一个谜

人工智能测面相为你揭开谜底

长按二维码参与活动