如何玩转大数据

【编者按】本文作者为大数据咨询公司 Mammoth Data 的创始人 Andrew Oliver，主要介绍适宜应用大数据的8大项目类型。文章系国内 ITOM 管理平台 OneAPM 编译呈现，以下为正文。

在过去的 12 个月里，笔者一直在大数据的战壕里挖掘。好吧，其实大部分时间我只是坐在比我更聪明的人旁边，看他们怎么在战壕里挖掘数据，再把所做的事情进行简化以上报给管理层。

很少有真正独具一格的 IT 项目，那些听起来比较特别的项目最终也只是大同小异。不过你们今天有眼福了，因为我决定出来冒个泡儿，跟大家分享一下过去 12 个月里接触到的8大项目类型。

 

1、探索交易周期

那些做电子商务的公司想当然地认为，装几个工具就能掌握网页访客从销售到付款的成交情况。但是很多公司处理的数据集远远不止网页成交率，而且这些数据集主要来自经销商。

每个经销商提供格式各异的不同数据集。当然，从根本上说，这是一个带有BI/可视化前端的核心ETL/数据整合项目。但是，对许多公司而言，要真正了解交易的生命周期（从开始、进展到结束）比想象中要困难。你需要整合大量的 CRM 数据、网站分析数据和财务数据，最后才能肯定地说：“是的，PPC（点击付费广告）带来了交易，但是40％的客户连第一笔交易都未能成功走到付款，那么……”

 

2、挖掘潜在客户

很多公司都想知道你在做什么，然后再根据你的活动情况向你推销产品。例如，你手机上可能装了一个提供遥测数据的 app，这样公司就会知道你在商场的哪个位置。凭借这些大数据，他们就能预测你在任意时刻的购买需求。

 

3、衡量营销效果

营销人员做事讲求效益，他们想知道具体要做哪些事情，以及这些事情对KPI有何影响。从本质上说，这又是一个 BI 项目，而且往往涉及到大量的变更数据捕获（CDC）和 ETL 数据整合工作。他们测量的实际KPI变化很大，有时还涉及到 Kylin 或 Greenplum 等工具中的数据库。至于其他情况，可能属于下一个类别——社交媒体。

 

4、测量社交媒体热度

通常，公众会在公开或半公开的社交网络上谈论你（或你的公司）。在这些地方你可以获取很多有用的信息，比如大家怎么看待你的品牌，你的营销活动是否有成效。既然美国地震勘探局可以通过 Twitter 探测到地震和震级，那么你也可以通过这样的平台了解刚推出的广告活动效果如何。随着越来越多的专业社交平台出现，对于某些垂直行业而言，其数据采集范围远远不止 Twitter 和 Facebook。

 

5、专攻日志文件

无论是为了入侵检测还是应对安全审计，你都需要捕获并收集日志文件并使其可检索。在这一领域，Splunk 无疑大赚了一笔。当然，在大数据中还有其他更灵活的选择。

 

6、因为不想买Teradata！

现在已经不是 Teradata 独统天下的时代了，大数据正在从边缘向核心发展，而且 Apache Kylin 的数据库已对所有人开放。得益于 Impala、HAWQ 和 Greenplum，MPP 分布式系统的地位也更加重要。那些价格昂贵、功能单一而且还不能兼容其他数据分析的工具，其发展空间越来越小——更别说是那些只能依靠某单一供应商的私有云。

 

7、经久不衰的ETL

ETL (Extract-Transform-Load)可能依旧是如今最常见的Hadoop工作负载——而且我敢说，ETL 是适用于 Spark 的最常见的非流式工作负载。顺便提一下，现在已经有上百个创业公司冒出来说自己能够处理这种任务了。

 

8、先捕获传感器数据再想办法处理

不管是电网、制造业、水泵，还是老司机开的车，都在向我们传递信息。这些信息都需要捕获。甚至有些人已经弄清了该如何处理这些数据。但是，及时捕获数据才是最重要的一步，因为很多人都觉得从技术上来说捕获数据并不那么容易。

此外，笔者还经常督促大家在大数据项目初期就要考虑数据分析问题。为什么呢？因为预先设计并确定好数据流的大小，远比数据已经准备好时再重新考虑整体布局要容易得多。但是有时候还是得细细咀嚼，做最好的打算。

近一年来，笔者见过不少其他项目类型，但是大多数用例都属于以上八种之一。不知各位老司机是否还有补充？

OneAPM 能为您提供端到端的 Java 应用性能解决方案，我们支持所有常见的 Java 框架及应用服务器，助您快速发现系统瓶颈，定位异常根本原因。分钟级部署，即刻体验，Java 监控从来没有如此简单。想阅读更多技术文章，请访问 OneAPM 官方技术博客。

本文转自 OneAPM 官方博客