“2013 Teradata大數(shù)據(jù)峰會”于4月23-24日在北京召開。Teradata天睿公司首席技術(shù)官寶立明（Stephen Brobst）在會上指出，大數(shù)據(jù)并非單純指某一技術(shù)，這與Hadoop不同。解決方案供應(yīng)商總是說一切都是大數(shù)據(jù)，這其實對IT業(yè)發(fā)展不利的。本刊記者就大數(shù)據(jù)領(lǐng)域相關(guān)問題采訪了Teradata天睿公司首席技術(shù)官寶立明。

Teradata天睿公司是全球領(lǐng)先的大數(shù)據(jù)分析和數(shù)據(jù)倉庫解決方案廠商，專注于整合數(shù)據(jù)倉庫、大數(shù)據(jù)分析和業(yè)務(wù)應(yīng)用，針對快速增長的傳統(tǒng)數(shù)據(jù)，以及大數(shù)據(jù)時代的非結(jié)構(gòu)化和多結(jié)構(gòu)化數(shù)據(jù)，提供全面的領(lǐng)先解決方案。

大數(shù)據(jù)第一步怎么走？

《新理財》：大數(shù)據(jù)是不是只屬于大型企業(yè)？如果是中小型公司或者初創(chuàng)的創(chuàng)業(yè)企業(yè)，他們怎么去利用大數(shù)據(jù)去開展自己的業(yè)務(wù)呢？有什么樣的思路？

寶立明：當(dāng)然了，規(guī)模肯定是最基本的一點，你要有一定的規(guī)模，而且也要有專業(yè)技術(shù)人員，比如擁有像數(shù)據(jù)科學(xué)家這樣的人員，才有可能充分地利用大數(shù)據(jù)做相應(yīng)的數(shù)據(jù)分析。

而規(guī)模比較小的公司，在人員、技能方面可能有所缺失，所以通常他們會選擇做外包。而且，他們更多會選擇“數(shù)據(jù)倉庫即服務(wù)”這種模型，并不是說要建設(shè)自己的基礎(chǔ)設(shè)施。

對于中等規(guī)模的企業(yè)，通常我們也不推薦用Hadoop，因為Hadoop有更高的復(fù)雜性，他們應(yīng)該更多地使用自己的數(shù)據(jù)探索平臺。

《新理財》：現(xiàn)在在很多企業(yè)中存在一個現(xiàn)象，雖然有很多數(shù)據(jù)，但是不知道怎么樣邁出應(yīng)用大數(shù)據(jù)的第一步。您有什么建議？

寶立明：其實，要談到切入點應(yīng)該在哪里，我覺得應(yīng)該是看企業(yè)的商業(yè)策略或者商業(yè)戰(zhàn)略。企業(yè)需要從商業(yè)角度制定使用決策，而并非從技術(shù)角度。比如，如果要用大數(shù)據(jù)來做營銷，那么就要通過大數(shù)據(jù)來分析營銷狀況，以便幫助你針對客戶實現(xiàn)追加銷售或者交叉銷售；用大數(shù)據(jù)獲得企業(yè)風(fēng)險狀況，就可以通過大數(shù)據(jù)分析客戶的行業(yè)或者情感，確定這些因素會為企業(yè)帶來哪些風(fēng)險。另外，要用大數(shù)據(jù)欺詐的偵測，這都需要首先確定策略，決定了從哪個地方切入。對于大多數(shù)企業(yè)來說，通常都是從客戶做起，因為客戶是重中之重，客戶的行為是真正為企業(yè)創(chuàng)造價值的地方。

《新理財》：一些企業(yè)已經(jīng)在大數(shù)據(jù)應(yīng)用方面做了很多嘗試，他們發(fā)現(xiàn)有些數(shù)據(jù)其實是沒用的，甚至被稱為“數(shù)據(jù)污水”在數(shù)據(jù)采集過程中，如何排除或發(fā)現(xiàn)這些“數(shù)據(jù)污水”？有沒有比較好的工具或者解決方案？

寶立明：這個問題非常有意思。如果把“數(shù)據(jù)污水”加入到數(shù)據(jù)倉庫中，就會污染整個數(shù)據(jù)倉庫，就很難再從中發(fā)掘好的數(shù)據(jù)。這也是Teradata 提出統(tǒng)一數(shù)據(jù)架構(gòu)（UDA）概念的原因之一。針對Hadoop來說，它永遠是把所有的數(shù)據(jù)都存儲起來，但是對于企業(yè)數(shù)據(jù)倉庫來說，最好只存放經(jīng)過清洗的好數(shù)據(jù)。

不過，在談?wù)摗澳男?shù)據(jù)有用或者沒用”的時候，其實要分外小心，因為如果覺得這個數(shù)據(jù)是沒用的，很有可能只是暫時還沒有發(fā)現(xiàn)其價值所在，而最終一天可能發(fā)現(xiàn)其中的價值。其實，所有的數(shù)據(jù)都是有價值的，問題的關(guān)鍵是在什么時間能夠發(fā)現(xiàn)這些價值。所以，這樣就需要那些非常精明、聰明的數(shù)據(jù)科學(xué)家發(fā)現(xiàn)數(shù)據(jù)中蘊含的價值，由此我也建議說把那些數(shù)據(jù)稱為“數(shù)據(jù)污水”。

我們可以把尚未發(fā)現(xiàn)價值的那些數(shù)據(jù)稱為低價值密度的數(shù)據(jù)，而對于已經(jīng)發(fā)現(xiàn)了價值的數(shù)據(jù)，建議對給它進行更多的投入挖掘其洞察力。但是對那些你所稱作“污水?dāng)?shù)據(jù)”的數(shù)據(jù)，就可以存儲在低成本的系統(tǒng)環(huán)境中，而且絕對不要隨意丟棄，假以時日它們其中潛藏的價值將會被挖掘出來。

為整合數(shù)據(jù)倉庫、數(shù)據(jù)探索以及Hadoop的優(yōu)勢， Teradata在業(yè)內(nèi)獨家創(chuàng)新架構(gòu)Teradata統(tǒng)一數(shù)據(jù)架構(gòu)（UDA），實現(xiàn)了Hadoop存儲、Teradata Aster達數(shù)據(jù)探索以及Teradata數(shù)據(jù)倉庫分析功能的整合，既能幫助企業(yè)滿足當(dāng)前的大數(shù)據(jù)分析，解決“數(shù)據(jù)污水”等問題，同時也為企業(yè)迎接更大規(guī)模的大數(shù)據(jù)規(guī)模奠定開放基礎(chǔ)。

《新理財》：如您談到，數(shù)據(jù)科學(xué)家是發(fā)現(xiàn)大數(shù)據(jù)價值的核心人才，在中國怎樣尋找像數(shù)據(jù)科學(xué)家這樣的數(shù)據(jù)分析人才？

寶立明：數(shù)據(jù)科學(xué)家是全新的崗位，對基于數(shù)據(jù)決策的企業(yè)非常重要，而其目前人才很稀缺。我們需要尋找在實驗科學(xué)方面具備一定基礎(chǔ)的人員，例如應(yīng)用物理學(xué)、應(yīng)用化學(xué)或社會科學(xué)專業(yè)的人員。總體來看，他們必須具備如下的特質(zhì)：

好奇心。數(shù)據(jù)科學(xué)家應(yīng)該天生和數(shù)據(jù)打交道，會從不同角度看數(shù)據(jù)。

經(jīng)驗和直覺。從什么地方開始著手了解數(shù)據(jù)，需要經(jīng)驗和直覺。

設(shè)計實驗的場景。知道如何虛擬和假設(shè)場景，具備分析這些數(shù)據(jù)以及其中原因的能力。

掌握統(tǒng)計學(xué)知識。實際上，很多人統(tǒng)計知識非常弱，甚至不清楚關(guān)聯(lián)關(guān)系、數(shù)據(jù)價值以及抽樣等。

數(shù)據(jù)挖掘能力。具備預(yù)測未來的知識和能力。

強大的溝通能力。有能力不用數(shù)學(xué)語言，而是用商業(yè)語言同別人交流溝通。

所以，數(shù)據(jù)科學(xué)家將是技術(shù)和商業(yè)人才的綜合體。在商業(yè)方面有很強的知識，對于技術(shù)有很深的感知，同時能夠很快接受這些技術(shù)。數(shù)據(jù)科學(xué)家可以貢獻出相應(yīng)數(shù)據(jù)的分析結(jié)果，讓決策者利用數(shù)據(jù)科學(xué)家的分析結(jié)果做出相應(yīng)的管理決策。

政府?dāng)?shù)據(jù)大有作為

《新理財》：現(xiàn)在大數(shù)據(jù)在企業(yè)領(lǐng)域已經(jīng)展開了比較廣泛的應(yīng)用，在有些政府部門實際上尚未足夠重視大數(shù)據(jù)。如何讓政府部門也積極參與進來？

寶立明：首先，在談到大數(shù)據(jù)的時候要非常謹慎，只有非傳統(tǒng)結(jié)構(gòu)性的數(shù)據(jù)才能夠被稱為大數(shù)據(jù)。的確，有很多政府部門是擁有大數(shù)據(jù)的，比如像美國的國土安全部就接觸到大量的大數(shù)據(jù)，因為國土安全部收集的數(shù)據(jù)，包括很多視頻或者網(wǎng)絡(luò)瀏覽點擊的數(shù)據(jù)等。Teradata提供了很多相應(yīng)的技術(shù)支持政府部門使用大數(shù)據(jù)。

另外，交通運輸部門也是一個普遍使用大數(shù)據(jù)的政府部門，例如在新加坡，我們已經(jīng)幫助新加坡地鐵運營系統(tǒng)實現(xiàn)地鐵、公交、出租車系統(tǒng)的數(shù)據(jù)收集。在軌道交通中安裝了越來越多的傳感器等，它們發(fā)回的這些數(shù)據(jù)，其中包括交通流量，還有使用出租車、火車或者地鐵、公交車的各種頻次、使用的習(xí)慣等大量的數(shù)據(jù)，這些數(shù)據(jù)都是需要收集起來做大數(shù)據(jù)分析的。

在醫(yī)療領(lǐng)域，我們也同樣會涉及到大數(shù)據(jù)。因為醫(yī)療部門的數(shù)據(jù)既包括傳統(tǒng)性的結(jié)構(gòu)數(shù)據(jù)，也包括大數(shù)據(jù)，如實驗室的結(jié)果、DNA的數(shù)據(jù)、醫(yī)學(xué)傳感器的數(shù)據(jù)等，這些都是需要進行分析的。Teradata在這方面也是投入很多，聯(lián)合政府幫助醫(yī)療部門提高醫(yī)療質(zhì)量，同時降低成本。同時，提高質(zhì)量和降低成本必須雙管齊下，必須要在保證質(zhì)量的同時降低成本，而這方面要想能夠行之有效就只能依靠數(shù)據(jù)和數(shù)據(jù)分析。