简介： 不要将数据萃取出来，制成数据集市和数据立方，因为萃取就意味著移往 忘记了，安全性即服务。 扁平化不会烧掉完整结构中所传达的最重要关系。
用户期望和可用元素展开交互，获得他们正在找寻的答案，而不是对你早已获取给他们的结果展开交叉过滤器。 建构数据的人很多，但利用数据的人却很少。 原文翻译成： 如今，各路企业和的组织都仍然用于上一代架构来存储大数据。
既然如此，为什么还要用于上一代商业智能(BI)工具来展开大数据分析呢?在为企业自由选择BI工具时，应当遵从以下律法。 第一言：不要移往大数据 移往大数据代价高昂：却是，大数据相当大，如果包移往，开销太重。
不要将数据萃取出来，制成数据集市和数据立方，因为萃取就意味著移往，不会在确保、网络性能可选处理器方面导致动荡不安繁杂的问题，经常出现两个逻辑上完全相同的备份。让BI了解更加底层运营数据就是大数据生根的最初动力。 第二言：不要偷窃!或者说不要违背企业安全性政策 安全性并非可有可无。
意外的是，数据泄漏事件频密再次发生，这指出构建安全性并非易事。要自由选择需要利用现有安全性模型的BI工具。依赖Ranger、Sentry、Knox等综合性安全性系统，大数据可以使构建数据安全显得更为更容易，现在就连Mongo数据库都有了令人惊叹的安全性架构。
所有那些模型都容许你放入权限、将用户信息一路传播到应用层、实行可视化的许可和获取与该许可涉及的数据志。忘记了，安全性即服务。 第三言：不要按照用户数和数据量收费 大数据的一个主要益处在于，如果作好了，它就能构建极高的性价比。
把5PB数据存储到Oracle可能会让你倾家荡产，但存储到大数据系统则会。尽管如此，在借钱出售之前，应当警觉某些价格陷阱。有些BI应用于按照数据量或者索引数据量向用户收费。
千万当心!数据量和大数据使用量经常出现指数式快速增长是再行平时不过的事情，我们的客户曾亲眼目睹其访问量在短短几个月时间里从数百亿次激增到数千亿次，用户数不断扩大50倍。这是大数据系统的另一个益处：渐进式可扩展性。不要被低价所欺骗，去出售一种不会对企业快速增长征税高税的BI工具。 第四言：要恶大胆糅合别人的可视图 共享静态图表?这些我们早已做到过了，无论是PDF文档、PNG图片还是电邮附件里，四处都在传播静态图表。
但对于大数据和BI，静态图表还远远不够：你享有的一切无非都是些可爱的图片罢了。你应当让任何人都需要随心所欲地与你的数据展开交互。
应当把可视化看做是匹敌数据的交互式路线图。为什么要闭门造车呢?将交互式可视化手段公之于众只是第一步。想到Github的模式就告诉。
与其说这是我的最后公布产品，不如说这是一幅可视图，拷贝下来，分解成它，我就是借此获得那些看法，想到它还能用作其他哪些领域。这不会其他人从你的看法中学到简单的东西。 第五言：要分析天然形态的数据 大数据所谓结构化的，这样的众说纷纭我们早已听过太多太多。
其实不然。财务和传感器不会产生大量的键值对。JSON(有可能是当下最风行的数据格式)可以是半结构化、多结构化等等，Mongo数据库对这种数据格式下了重注。
JSON具备好处置和可规模化的优点，但如果把它转换成表格，表达力就不会遗失。很多大数据依然被做成表格，一般来说享有数千栏。
你被迫为所有的值找寻关系：在那种情况下从这里自由选择这个。扁平化不会烧掉完整结构中所传达的最重要关系。靠近那些对你说道请求把数据转换成表格，因为我们仍然都这么腊的BI解决方案。
第六言：不要无限期地等候结果 在2016年，我们预计数据处理速度将不会显得慢一起。一个典型方法是联机分析处置(OLAP)立方，本质上就是把数据移往到预计算数内存，从而减缓处理速度。
问题在于，你必需萃取和移往数据(请求看第一言)，以便修建数据立方，然后才能加快速度。现在，这种方法需要在一定的数据规模下较好运转，但如果临时表格过分可观，你的笔记本电脑在企图将表格本地化的时候就不会瓦解。当你萃取新的数据修复内存时，新的数据的分析就不会中途停下。
此外还要留意样本问题，你可能会获得一个看上去不俗、效果很好的可视图，但最后却找到仅有不对路，而问题就出有在缺乏大局观。要自由选择那些能便利地大大调整数据的BI工具。 第七言：不要制作报告，而要打造出应用于 在很长一段时间里，取得数据意味著取得报告。
在大数据时代，BI用户期望从多个来源取得异步数据，这样他们就不必须创下任何东西，就样子浏览器和移动设备上运营的其他各种东西。用户期望和可用元素展开交互，获得他们正在找寻的答案，而不是对你早已获取给他们的结果展开交叉过滤器。Rails等框架使打造出Web应用于显得更为非常简单。
为什么不对BI应用于做到某种程度的事情呢?没理由不对这些应用于、应用于程序接口(API)、模板、可器重性等等采行类似于的作法。现在是时候通过现代Web应用于研发的透镜来看来BI。 第八言：要利用智能工具 在获取基于数据的可视图方面，BI工具早已证明了自己的能力。现在则再来在模型和内存的自动确保上下功夫，这样一来，终端用户就不用习这个心了。
在可观的数据规模下，自动确保完全是不可或缺的，我们可以从用户和数据与可视图的交互中取得大量信息，现代工具应当用于这些信息来对数据网络效应加以利用。另外，要自由选择那些内置全面搜寻能力的工具，因为我曾见过有些客户享有成千上万的可视图。你必须一种很快查询的方法，在网络的长期熏陶之下，我们早已习惯了搜寻，而不是翻找菜单。
第九言：要打破基本范畴 如今的大数据系统因为预测分析能力而闻名。相关性、预测和其他功能使企业用户比以往任何时候都能更加便利地展开高级分析。不必须编程经验就能处置大数据的可视化技术让分析师如有神助，打破了基本分析的范畴。
为了构建其确实的潜力，大数据不应当依赖每个人都变为R应验程序员。人类十分擅于处置可视化信息，我们必需更为希望地将可视化信息呈现出在人们眼前。 第律法：不要只是车站在数据湖边，等着数据科学家来干活儿 不管你是把大数据当作数据湖还是企业数据中心，Hadoop早已转变了数据的处理速度和存储成本，我们每天都在建构更好的数据。
但在确实利用大数据为企业用户服务方面，经常不存在一种只写出系统建构数据的人很多，但利用数据的人却很少。 只不过，用Hadoop里的数据可以为企业用户答案数不清的问题。BI讲究的是打造出数据可视化应用于，为日常决策获取反对。
企业里的每个人都期望作出数据驱动的决策。把大数据需要答案的所有问题局限于必须数据科学家来处置的问题，这是奇耻大辱。
本文关键词：大,数据,商业智能,的,十大,ob体育官网入口,戒律,体育,官网
本文来源：ob体育官网入口-www.softnet-group.com
