企業(yè)將大數(shù)據(jù)分析遷移到云端為用戶打開了許多大門，但前提是他們要控制成本，并了解大數(shù)據(jù)的5V。

[[271582]]

企業(yè)越來越多地將云平臺用于大數(shù)據(jù)分析。這些平臺提供了可擴(kuò)展的替代方案，與內(nèi)部部署系統(tǒng)相比可以節(jié)省更多的資金，但前提是使用得當(dāng)。

成本控制對于各種規(guī)模和經(jīng)驗(yàn)水平的企業(yè)來說都是一個(gè)問題，即使那些精通云計(jì)算的企業(yè)也是如此。這就是用戶必須了解云計(jì)算分析和大數(shù)據(jù)的規(guī)模、多樣性、速度、準(zhǔn)確性、價(jià)值這五個(gè)V的原因。這些用戶必須學(xué)會明智地消費(fèi)，以最大化投資回報(bào)率。

5V和云計(jì)算分析

將數(shù)據(jù)和分析納入云端為用戶提供了新的選項(xiàng)來處理分析，如果它符合大數(shù)據(jù)的五個(gè)V的話：

1.規(guī)模(Volume)

顧名思義，大數(shù)據(jù)就是巨大的數(shù)據(jù)量。云端提供了幾乎無限的存儲容量，這就是它隨著數(shù)據(jù)量不斷增長而成為吸引企業(yè)和政府機(jī)構(gòu)有力選擇的一個(gè)原因。

將數(shù)據(jù)和分析轉(zhuǎn)移到云端在管理規(guī)模(Volume)方面發(fā)揮了很好的作用，因?yàn)樗鼮橛脩籼峁┝遂`活性和可擴(kuò)展性，以滿足峰值需求。然而，在云存儲方面，企業(yè)仍應(yīng)謹(jǐn)慎行事，不應(yīng)丟失數(shù)據(jù)包。如果用戶在可能的情況下不使用低成本存儲層，或者在云中放置過多不必要的數(shù)據(jù)，那么成本會迅速增加。

2.多樣性(Variety)

作為數(shù)據(jù)科學(xué)術(shù)語，多樣性(Variety)指的是異構(gòu)來源，例如結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)。

例如，IT部門可能需要分析來自其后臺和SaaS應(yīng)用程序的半結(jié)構(gòu)化數(shù)據(jù)，而會計(jì)部門則希望以報(bào)告的形式分析結(jié)構(gòu)化數(shù)據(jù)。同時(shí)，營銷部門希望分析圖片、視頻、短信和其他不符合傳統(tǒng)數(shù)據(jù)庫行和列的數(shù)據(jù)。

企業(yè)可以使用基于云計(jì)算的數(shù)據(jù)湖來容納所有這些分析類型等。

3.速度(Velocity)

與云中的大數(shù)據(jù)相關(guān)，速度(Velocity)是來自SaaS應(yīng)用程序、云平臺、物聯(lián)網(wǎng)設(shè)備、社交網(wǎng)絡(luò)和任何其他與業(yè)務(wù)相關(guān)的數(shù)據(jù)點(diǎn)的高速信息積累。當(dāng)組織試圖增加足夠的處理能力來處理正在生成的大量且連續(xù)的數(shù)據(jù)流時(shí)，速度(Velocity)變得更加復(fù)雜。

隨著組織系統(tǒng)的發(fā)展，云平臺可以擴(kuò)展以滿足對可操作數(shù)據(jù)的需求。

4.準(zhǔn)確性(Veracity)

無論數(shù)據(jù)駐留在何處，組織的數(shù)據(jù)始終存在不一致和不確定性。但是，云計(jì)算可以為用戶提供更多的空間并變得凌亂，并進(jìn)一步損害信息的質(zhì)量和準(zhǔn)確性。

如果沒有對內(nèi)部數(shù)據(jù)準(zhǔn)備、治理和管理流程進(jìn)行審核和潛在改革，就無法實(shí)現(xiàn)云分析。

5. 價(jià)值(Value)

組織收集的大部分?jǐn)?shù)據(jù)幾乎沒有任何價(jià)值，除非IT團(tuán)隊(duì)能夠?qū)⑵渥優(yōu)榭刹僮鞯臄?shù)據(jù)，并為其業(yè)務(wù)提供優(yōu)勢。

借助基于云計(jì)算的自助服務(wù)分析，企業(yè)的數(shù)據(jù)科學(xué)家可以專注于更具戰(zhàn)略性的項(xiàng)目，而業(yè)務(wù)用戶可以獲得儀表板、報(bào)告以及與數(shù)據(jù)本身交互所需的用戶界面。

云存儲的成本影響

當(dāng)然，如果組織不控制成本，那么所有商業(yè)價(jià)值都可以很快被否定。但是，由于存儲和分析的云計(jì)算成本優(yōu)化與傳統(tǒng)的云計(jì)算成本優(yōu)化實(shí)踐不一致，因此很難獲得成功。云計(jì)算分析和消費(fèi)模型可能無法預(yù)測，用戶通常缺乏他們所需資源的參考框架。此外，云計(jì)算管理工具在管理分析的能力方面仍然是一項(xiàng)正在進(jìn)行的工作。

云計(jì)算服務(wù)提供商有攝取模型和按使用付費(fèi)模式這兩種主要的定價(jià)模式可供最終用戶使用。攝取模型計(jì)算存儲在服務(wù)中的數(shù)據(jù)量。其示例包括Azure Stream Analytics、Google BigQuery。

通過Azure Data Lake Analytics、Amazon Kinesis Data Analytics等按使用付費(fèi)服務(wù)，云計(jì)算服務(wù)提供商根據(jù)應(yīng)用程序運(yùn)行流處理所需的處理單元數(shù)按小時(shí)收費(fèi)。應(yīng)該注意，容量需求可能會增加，具體取決于正在運(yùn)行的查詢的復(fù)雜性。

有關(guān)模型的具體詳細(xì)信息(例如，有效和長期使用的潛在定價(jià)折扣)取決于所選的云計(jì)算服務(wù)提供商。應(yīng)該預(yù)期存儲與分析之間的成本與性能之間的權(quán)衡。

以Amazon S3為例，它具有大規(guī)模可擴(kuò)展性，是數(shù)據(jù)湖泊的理想選擇。但是，當(dāng)用戶將數(shù)據(jù)移動到性能更高且更昂貴的存儲(例如Amazon Elastic Block Store)時(shí)，則必須忍受較慢的訪問速度。

IT團(tuán)隊(duì)?wèi)?yīng)審核并遵循其提供商的文檔，以估算分析工作的經(jīng)濟(jì)性。然后，創(chuàng)建一個(gè)財(cái)務(wù)模型來預(yù)測使用情況并防止發(fā)生意外。

在將分析遷移到云端之前，IT團(tuán)隊(duì)還應(yīng)該了解他們的支出歷史和成本管理實(shí)踐。用戶了解他們的歷史數(shù)據(jù)和基線數(shù)據(jù)越多，他們就越能追蹤超支情況。

雖然自助服務(wù)分析對于組織來說是一種吸引力，但如果用戶過度放縱和限制不到位，它可能會導(dǎo)致更多的意外賬單。云原生和第三方工具可用于監(jiān)控工作負(fù)載的推出。

云中大數(shù)據(jù)的未來

Salesforce公司最近收購了Tableau，谷歌收購了Looker，這表明云計(jì)算領(lǐng)域的分析技術(shù)令人關(guān)注。SaaS供應(yīng)商(如Salesforce)擁有基礎(chǔ)設(shè)施、基于訂閱的定價(jià)專業(yè)知識，以及營銷和銷售渠道，可將云計(jì)算分析引入新賬戶和現(xiàn)有賬戶。主要的云計(jì)算提供商將在內(nèi)部利用他們的技術(shù)、知識產(chǎn)權(quán)、專業(yè)知識與其新的SaaS分析競爭對手展開競爭。

此外，前面提到的兩個(gè)主要定價(jià)模型已經(jīng)成熟，可以進(jìn)行變革。谷歌公司已經(jīng)提供了按使用付費(fèi)和固定費(fèi)率之間的選擇，而像SAP公司這樣的第三方供應(yīng)商提供了更傳統(tǒng)的訂閱模式。主要的公共云提供商可能會更積極地定價(jià)，除了現(xiàn)有的渠道合作伙伴和折扣計(jì)劃之外，他們還會提供更多的替代方案。