大數據要“落地”，還缺些什么
http://www.pingwest.com/bigdata2/
“大數據”是在2013年被用濫了的詞匯，但實際上，由于數據量缺失、大數據清洗和分析能力不足，以及數據可視化瓶頸等問題，“大數據”一直未能遲遲落地。伴隨著基礎設施的發展，意味著大數據的發展又走到新的一個新的臨界點。系統軟件供應商Software AG的Gagan Mehra，在Venturebeat網站闡述了他對于大數據接下來發展的認識，他認為更快地數據處理、更可靠的數據質量，以及更加細分的應用市場，是大數據2.0時代的重要特征。
更快的數據處理速度
由于數據量指數型增長，使得對于數據的快速分析的需要已經變得比以往任何時候都要迫切。幾乎每家大數據廠商，都想要兜售比別家處理速度更快的產品。Hadoop發布的新品Hadoop 2.0 / YARN，幾乎能實時分析數據。而下一代大數據的計算牽引框架Apache Spark，它的速度比Hadoop快100倍。硅谷風險投資機構Andreessen Horowitz，已經以1400萬美元的價格，領投了一家以Apache Spark為業務核心的初創企業Databricks。不久前，亞馬遜也上線了實時流數據服務Kinesis，來幫助沒有數據處理能力的公司解決這一問題。
許多分析供應商都已經認識到了數據處理速度的重要性，并建立了能夠每秒處理TB數據的產品。傳感器數據分析、物聯網在工業和消費級市場快速發展的勢頭，驅動了這次變革。比如一家企業的傳感器，能夠每秒產生出數百次的事件，實時處理這些數據難度很高。特別是當實時處理的傳感器數據，激增到一天5TB的時候，速度，就成了尤為關鍵的指標。
同時，盡管數據存儲成本已經累年下降，但數據存儲的費用還是不小的一筆支出。部分商家相比存儲完整數據流而言，更傾向于保存過濾掉噪音的數據。
智能清洗“垃圾數據”
在本就難以計數的數據量繼續以指數模型激增時，對于數據質量的強化，便擺上了許多數據供應商的議程。換句話說，在龐大數據面前，即使計算機能夠高效的處理它們，但大量無用的“垃圾”數據，只會給系統帶來負擔，并增添存儲、主機等設備成本。這就需要數據處理過程中，根據特定的規則和參數，對涌進數據流進行“清洗”和分析，并自動決策該去處理哪些數據，這一切不再需要人工去干預。
在這樣的環境下，如果選擇了一個壞的數據，就會像病毒一樣，可能引發連續的錯誤決策，甚至讓企業蒙受經濟損失。一個例子就是利用算法去進行股票交易，以毫秒計數股票市場中，任何一點小的差錯，都有可能引發無法巨大的損失。
所以，數據質量已成為服務級別協議（service level agreements）最重要的參數之一。無法屏蔽劣質的數據的供應商，會因此被列入行業的黑名單，以及面臨嚴重的經濟處罰。B2B行業為早期數據質量的入局者，他們非常重視數據的質量，來保持商業運作時的穩定性。甚至，許多企業計劃為數據質量部署實時的警告系統，這些警告會被發送于負責相應問題的專員，由他們提供問題的解決方案。
機器學習是另一項需要保證數據質量的領域。機器學習系統部署在一個閉環的生態中，通過模式分析與其他的數據分析技術，細化原來的數據質量規則。而高質量的數據，能夠保證機器進行正確的行為模式分析。
越來越多的基礎應用
大數據帶來的變革，使得每一個人都想要利用它，但技術上門檻又讓許多人不得已只能充當一個看客。而應用將有助于人們去克服這一困難。在接下來的幾年中，我們將會看到成千上萬的解決某一垂直領域的專業應用，以應對來自各行各業的大數據挑戰。
目前，已經小有成就的數據分析公司包括eHarmony、 Roambi、 Climate Corporation等等。未來，甚至許多小企業，既不用依賴特定基礎設備，也不要雇傭專業的數據科學家，就能受益于對大數據分析利用。
比如，一些應用將從各種渠道，收集關聯的客戶數據，以更好地了解客戶的需求。從而企業能夠為特定的目標客戶，提供特定需求的產品，更有針對性地賺到錢。當這些應用走進人們日常的吃喝玩樂、醫療保健等領域，生活也會因此而更美好。