[[147627]]

隨著企業花越來越多的時間來分析數據，清理和準備數據的解決方案將會變得更有價值。

現在大數據是熱門話題，你在任何地方與任何人交談很難不提到大數據。事實上，大數據的術語有點被過度使用，它對不同的人意味著不同的東西，但所有這些定義都有一個共同點，那就是數據!

上面我們說大數據依賴于數據，這似乎很明顯，但大數據分析的成功需要的不僅僅是原始數據，還需要好的高質量數據。所以，更準確的說法應該是，大數據的成功需要準備好的數據。對于分析，有句古老的格言，“進來是垃圾，出去也是垃圾”，這意味著如果你把大量參差不齊的數據放到分析解決方案，你將會得到不好的結果。

數據的清理和準備歷來都是漫長的艱巨的耗時的過程。當筆者還在Yankee Group公司時，他們遷移CRM系統，在遷移工作之前，該公司花了一年時間來清理現有系統中的記錄數據，以確保不會遷移不好的數據。雖然他們做了這么多工作，仍然有很多不良信息被遷移過去。

最近，筆者看到一家被稱為Paxata的公司，該公司提供的解決方案可以進行所謂的“自助服務自適應數據準備”。在分析或運營報告工作之前，該技術可以整合、清理和形成數據。市面上很多現有的商業智能產品聲稱可以簡化分析過程，但事實是，大多數數據科學家和數據分析師花費大量時間來為分析準備數據。鑒于此，筆者認為，大多數企業寧愿聘請高薪人才找出數據的含義(+微信關注網絡世界)，而不是清理數據。

Paxata提供數據整個生命周期的準備，包括探索、清理、更換、形成和發布數據以進行分析。該產品還允許不同的數據團隊共享相同的數據集，讓不同的團隊可以同時編輯和訪問多個設備的信息。該產品還是一個管理解決方案，它會追蹤項目內的每個步驟，并有完全的重放功能來審查已經完成的更改。

Paxata的用戶可以提高對大型數據集的分析生產率，同時最小化數據蔓延的危險。該產品既可作為云服務—確保數據準備的靈活性，也可以作為內部部署的解決方案，它可以整合到Hadoop以更快獲取價值。

正如上文所述，大數據現在是一個熱門話題，但企業和IT***需要明白，分析糟糕的數據意味著糟糕的分析結果，可能會造成錯誤的商業決策。正因為如此，筆者希望看到數據準備技術會開始像大數據一樣熱門。