大數(shù)據(jù)時代來臨，每個公司都應該重視起數(shù)據(jù)部門。以前搜集數(shù)據(jù)沒有足夠的時間、能力、資源，因而無法獲得更多的支撐。因為數(shù)據(jù)量不夠。當我們有了更多的數(shù)據(jù)，我們看到的東西發(fā)生實質(zhì)的變化，我們以前從來沒有看到過這種情形。足夠的數(shù)據(jù)，讓我們更好的理解彼此，達到歷史絕無僅有的水平。

[[172068]]

大數(shù)據(jù)的核心在于共享

大數(shù)據(jù)之父舍恩伯格說“大數(shù)據(jù)的核心要義在于共享。”

我們的各級政府、公共機構匯集了存量大、質(zhì)量好、增長速度快、與社會公眾關系密切的海量數(shù)據(jù)資源。除了部分分享自用和信息公開外，大部分沒有充分發(fā)揮數(shù)據(jù)源作為“生產(chǎn)要素、無形資產(chǎn)和社會財富”應有的作用。究其原因，主要表現(xiàn)在三個方面：

第一，不愿共享開放。這是一個認識問題，政府部門和公共機構未意識到共享開放價值。另一方面利益分配的問題，有的政府部門和公共機構把自己掌握和獲取的數(shù)據(jù)當做權力和利益，更甚的作為私有財產(chǎn)不愿共享。這造成不同機構之間甚至部門之間都難以實現(xiàn)數(shù)據(jù)共享。另外，相關法律法規(guī)、制度標準相對落后，沒有形成管理體系。

第二，不敢共享開放。由于缺乏嚴格規(guī)范的數(shù)據(jù)相關法規(guī)，從事此項工作人員擔心政務數(shù)據(jù)共享會引起信息安全問題，擔心數(shù)據(jù)泄密失控，對開放有恐懼。

第三，不會共享開放。這是一個專業(yè)化工作。數(shù)據(jù)封閉、信息孤島等系列問題均是共享開放不當引起。相反，不該共享開放卻為之會帶來更大的損失，甚至威脅到國家安全。

目前，持觀望態(tài)度為主流。大數(shù)據(jù)的發(fā)展如何真正步入實踐，落地操作成為一大問題。

數(shù)據(jù)專家對大數(shù)據(jù)時代解析

筆者采訪了搜狐視頻大數(shù)據(jù)高級工程師李修鵬。專家解析：大數(shù)據(jù)時代的到來，對應“dirve data”類的數(shù)據(jù)技術和應用，無意是注入了血液和激素，如推薦系統(tǒng)、人工智能、機器學習等，簡單來說大數(shù)據(jù)是一個把鑰匙，開啟的更多基于大數(shù)據(jù)為基礎，通過機器學習、大規(guī)模分布式計算等手段，構建的數(shù)據(jù)挖掘和人工智能類的應用組成的“智能”時代的到來。

大數(shù)據(jù)時代的到來首先我們要構建好的大數(shù)據(jù)存儲，簡單來說就是分布式數(shù)據(jù)倉庫的基礎架構的搭建和數(shù)據(jù)存儲建模，

滿足大數(shù)據(jù)時代帶來的“智能”時代需求的數(shù)據(jù)倉庫日顯重要，如何建立好的數(shù)據(jù)部門，其實是每個公司都應該重視的問題。聊到數(shù)據(jù)倉庫，簡單說傳統(tǒng)數(shù)據(jù)倉庫到互聯(lián)網(wǎng)中基于日志的大數(shù)據(jù)處理倉庫的轉(zhuǎn)變。數(shù)據(jù)倉庫發(fā)展兩個重要的人物Bill Inmon提出集中式架構和Ralph Kimball提出的總線架構，到目前大數(shù)據(jù)數(shù)據(jù)倉庫的發(fā)展和經(jīng)驗總結(jié)，提出的的五層模型(ODS、DWD、DWB/DWS、DM、ST)，其中也是源于數(shù)據(jù)倉庫的需求從支持戰(zhàn)略決策到需要支持戰(zhàn)術決策的轉(zhuǎn)變，支持更多的“智能”應用。

在很多公司在有大數(shù)據(jù)“鑰匙”之后 ，都會不斷投入圍繞大數(shù)據(jù)的大規(guī)模分布式機器學習構建的“智能”化應用開發(fā)中，不斷去嘗試開啟的未來更加廣闊的天地，這樣也帶來了關于計算和機器學習等方面的技術的進步，如分布式計算、實時流式計算、深度學習等計算，同樣也促使這技術人員的技能轉(zhuǎn)變和市場上人才和需求的供需不平衡。

迫在眉睫：如今的大數(shù)據(jù)需要哪種人才?

(1)大數(shù)據(jù)系統(tǒng)研發(fā)工程師

這一專業(yè)人才負責大數(shù)據(jù)系統(tǒng)研發(fā)，包括大規(guī)模非結(jié)構化數(shù)據(jù)業(yè)務模型構建、大數(shù)據(jù)存儲、數(shù)據(jù)庫構設、優(yōu)化數(shù)據(jù)庫構架、解決數(shù)據(jù)庫中心設計等，同時，還要負責數(shù)據(jù)集群的日常運作和系統(tǒng)的監(jiān)測等，這一類人才是任何構設大數(shù)據(jù)系統(tǒng)的機構都必須的。

(2)大數(shù)據(jù)應用開發(fā)工程師

此類人才負責搭建大數(shù)據(jù)應用平臺以及開發(fā)分析應用程序，他們必須熟悉工具或算法、編程、優(yōu)化以及部署不同的MapReduce，他們研發(fā)各種基于大數(shù)據(jù)技術的應用程序及行業(yè)解決方案。其中，ETL開發(fā)者是很搶手的人才，他們所做的是從不同的源頭抽取數(shù)據(jù)，轉(zhuǎn)換并導入數(shù)據(jù)倉庫以滿足企業(yè)的需要，將分散的、異構數(shù)據(jù)源中的數(shù)據(jù)如關系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時中間層后進行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉庫，成為聯(lián)機分析處理、數(shù)據(jù)挖掘的基礎，為提取各類型的需要數(shù)據(jù)創(chuàng)造條件。

(3)大數(shù)據(jù)分析師

此類人才主要從事數(shù)據(jù)挖掘工作，運用算法來解決和分析問題，讓數(shù)據(jù)顯露出真相，同時，他們還推動數(shù)據(jù)解決方案的不斷更新。隨著數(shù)據(jù)集規(guī)模不斷增大，企業(yè)對Hadoop及相關的廉價數(shù)據(jù)處理技術如Hive、HBase、MapReduce、Pig等的需求將持續(xù)增長，具備Hadoop框架經(jīng)驗的技術人員是最搶手的大數(shù)據(jù)人才，他們所從事的是熱門的分析師工作。

(4)數(shù)據(jù)可視化工程師

此類人才負責在收集到的高質(zhì)量數(shù)據(jù)中，利用圖形化的工具及手段的應用，清楚地揭示數(shù)據(jù)中的復雜信息，幫助用戶更好地進行大數(shù)據(jù)應用開發(fā)，如果能使用新型數(shù)據(jù)可視化工具如Spotifre，Qlikview和Tableau，那么，就成為很受歡迎的人才。

(5)數(shù)據(jù)安全研發(fā)人才

此類人才主要負責企業(yè)內(nèi)部大型服務器、存儲、數(shù)據(jù)安全管理工作，并對網(wǎng)絡、信息安全項目進行規(guī)劃、設計和實施，而對于數(shù)據(jù)安全方面的具體技術的人才就更需要了，如果數(shù)據(jù)安全技術，同時又具有較強的管理經(jīng)驗，能有效地保證大數(shù)據(jù)構設和應用單位的數(shù)據(jù)安全，那就是搶手的人才

(6)數(shù)據(jù)科學研究人才

數(shù)據(jù)科學研究是一個全新的工作，夠?qū)挝?、企業(yè)的數(shù)據(jù)和技術轉(zhuǎn)化為有用的商業(yè)價值，隨著大數(shù)據(jù)時代的到來，越來越多的工作、事務直接涉及或針對數(shù)據(jù)，這就需要有數(shù)據(jù)科學方面的研究專家來進行研究，通過研究，他們能將數(shù)據(jù)分析結(jié)果解釋給IT部門和業(yè)務部門管理者聽，數(shù)據(jù)科學專家是聯(lián)通海量數(shù)據(jù)和管理者之間的橋梁，需要有數(shù)據(jù)專業(yè)、分析師能力和管理者的知識，這也是搶手的人才。

總結(jié)：

凡事有利弊。打開窗，收獲的不只新鮮空氣，還有蒼蠅和蚊蟲。大數(shù)據(jù)開啟了一個大規(guī)模生產(chǎn)、分享和應用數(shù)據(jù)的時代，它給技術和商業(yè)帶來了巨大的變化。在大數(shù)據(jù)時代背景下，如何從大數(shù)據(jù)中采集出有用的信息已經(jīng)是大數(shù)據(jù)發(fā)展的關鍵因素之一。