国内厂商消极对待大数据的原因权衡

当大数据即BIg Data与云计算、移动应用与社交络，风靡一世，成为2012 年信息技术领域最时髦的词汇。IBM 、Oracle、SAP、微软等厂商，像寻找到了新的金矿，开始极力推崇大数据理念。于是，众厂商蜂拥而至，抢夺大数据市场，尤其是SAP的HANA和Oracle的Exalytics，打得火热。相比之下，部分推BI的厂商还达不到大数据的层次，固守在报表分析的阵地上。事实上，大数据真的有如我们想象中的那么强大吗？BI为什么跑不出最后一公里？大数据与BI同时遭遇了被质疑的尴尬。

BI为什么不能快速踏入大数据时代？

一个刚入行的BI咨询师的困惑，或具有一定的代表性，表达了BI当前的状态。

今天跟客户演示系统，演示完毕，客户问我一个问题：商业智能到底智能在哪里？BI和报表工具做出来的东西有何不同？对于这个问题，我相信做BI的人都曾经问过自己，也给过自己很多答案，但未必真的是100分的答案。就像今天，我虽然跟客户举了一些例子解释和说明上述问题，但是自己还是觉得不够透彻和有说服力。造成这个问题，我想重要的原因是BI本身范围太广，加之现在市场上的各种报表工具都自称BI解决方案，各种项目都往BI上靠，使得BI的概念很模糊了。第二个原因，大部分BI项目其实本质需求就是满足数据的一个查询和报表报告，到底是BI，还是其他什么概念都不重要。

BI的概念过于泛泛，以至于在几年前，很多企业认为BI可有可无。近年来，大数据给BI带来了极大的冲击，加速了其发展的步伐，甚至有人大胆预测，未来十年，商务智能分析将引领管理信息化的发展。

BI与大数据的区别在于，大数据能够基于BI工具进行大容量数据和非机构化数据进行处理，与传统基于事务的数据仓库系统相比较，大数据分析不仅关注结构化的历史数据，它们更倾向去对Web、社交络、RFID传感器等非结构化海量数据进行分析，大数据无疑是对BI的一个完美补充。

为什么大部分BI厂商对于大数据表现出冷处理态度？

原因一，处理并分析非结构化数据是难点：不论是大交互数据还是大交易数据，处理并分析非结构化数据，是BI业内，甚至是大数据处理，一直面临的难点。很多推BI产品的厂商，其技术能力达不到大数据所要求的高度。

原因二，企业意愿不强：现在很多的企业做的BI，并没有完全体现智能，最多只是将已有的数据使用报表进行呈现，开发的报表也很简单，大部分用户还没有希望从开发的BI系统中，发掘更多价值的意识。

原因三，BI的价值度无法衡量：大数据的确会有价值，但这个价值有多大，没办法准确衡量。从某些大数据中会挖掘出新的价值，但这个价值只是附加价值，是一个想象的空间。就比如沙漠里可能有金子，但并不是说沙漠中一定就能挖出金子。

大数据如何摘下新瓶旧酒标签？

有人评价大数据是个相对的概念，是新瓶装旧酒。认为，传说的大数据处理方式，只不过是为赶时髦，在既有的方案上包装了一下，新瓶装旧酒。海量数据时代并没有给多少企业带来革命性的变化，在 MapReduce 以及 Hadoop 出现之前，也有企业能够轻松的对数据进行大规模并行计算，而 NoSQL 的出现也只是为处理数据的方式带来了更多可能性。

所以，从结果来看，对于大数据的质疑并没有比BI少，同样遭遇了还差一公里的尴尬。

大数据分析缺乏成熟的实践经验，其方式方法与传统的数据仓库与BI系统有着一定的区别。在实施大数据分析项目之前，企业不仅应该知道使用何种技术，还应该知道在什么时候、什么地方使用。各数据之间有哪些关联性？哪个数据是可信的？如何从海量的数据中挖掘出有价值的、易用的客户信息？

不过它还不能被称为恋物癖。我总是对它十分好奇 要回答这些问题，企业需要一个单一、完整、可信的客户数据视图，而创建一个单一、完整、可信的客户数据视图，数据集成是关键。没有集成的数据，其商业价值为零。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来，从而获得在其他情况下无法达成的洞察力和价值。

可以确定的是，随着互联技术的发展，未来的大数据时代，一定是各种信息呈现规模快速增长的状态，如何更快获取有用的信息是关键，智能分析工具会变得越来越重要，可以凌驾于多个管理系统、数据库之上，如何通过更灵活、可控的BI工具，真正挖掘出大数据时代的价值，是大数据和BI面临的共同挑战。