2012年11月16日至17日，2012中國技術(shù)商業(yè)領(lǐng)袖峰會在北京舉行。用友華表首席架構(gòu)師華秀章應(yīng)主辦方邀請，參與了“云上的大數(shù)據(jù)”主題討論，與大數(shù)據(jù)和云計(jì)算領(lǐng)域的技術(shù)大佬一起分享對大數(shù)據(jù)的看法。

本次討論主題包括，何為大數(shù)據(jù)？大數(shù)據(jù)是否是謊言？大數(shù)據(jù)的4V對企業(yè)而言哪個最迫切？如何看待大數(shù)據(jù)的隱私？“小馬過河”、“藍(lán)藍(lán)的天上白云飄，白云(云計(jì)算)上面大數(shù)據(jù)跑”，華秀章形象的表述了他對大數(shù)據(jù)的看法：大數(shù)據(jù)不可一概而論，大數(shù)據(jù)的落地更要根據(jù)不同的企業(yè)性質(zhì)和當(dāng)前需求來判斷，讓大數(shù)據(jù)落地因地制宜，分層深入。

用友華表首席架構(gòu)師華秀章

用友華表華秀章認(rèn)為，大數(shù)據(jù)發(fā)展可分為三個階段。第一階段，大數(shù)據(jù)的存儲。這一階段做得已經(jīng)很好了，Hadoop的HDFS等分布式文件系統(tǒng)很好地解決了大數(shù)據(jù)的存儲問題；第二階段，大數(shù)據(jù)的計(jì)算。這一階段將大數(shù)據(jù)與云計(jì)算聯(lián)系起來，可套用一句歌詞形象表達(dá)二者關(guān)系：“藍(lán)藍(lán)的天上白云飄，白云(云計(jì)算)上面大數(shù)據(jù)跑”。如果只是大數(shù)據(jù)的存儲，不需要云計(jì)算。但要讓大數(shù)據(jù)“跑”起來，實(shí)現(xiàn)大數(shù)據(jù)計(jì)算，則需要云計(jì)算這樣超強(qiáng)的、彈性的、廉價(jià)的計(jì)算能力，畢竟Hadoop的MapReduce動輒幾十上百個節(jié)點(diǎn)及配套設(shè)施的投入，不是一般企業(yè)能承受得了的；第三階段，大數(shù)據(jù)的價(jià)值。這是大數(shù)據(jù)發(fā)展的最高階段，“大數(shù)據(jù)大價(jià)值”，從大數(shù)據(jù)中挖掘出企業(yè)經(jīng)營知識，支持企業(yè)精準(zhǔn)決策。這就是數(shù)據(jù)挖掘等BI工具的作用，但傳統(tǒng)BI工具難以勝任大數(shù)據(jù)的挖掘、分析工作，需要一些新的技術(shù)與手段，需要BI for Big Data。

有人預(yù)言，未來數(shù)據(jù)可能取代石油，成為全球最大的交易商品。面對大數(shù)據(jù)，企業(yè)的看法不一，甚至出現(xiàn)大數(shù)據(jù)是謊言的說法，認(rèn)為大數(shù)據(jù)并沒有傳說中那么強(qiáng)大。其實(shí)大數(shù)據(jù)的體量大小、價(jià)值大小，不可一概而論。用友華表華秀章認(rèn)為，大數(shù)據(jù)是否謊言，要看具體對象，如同“小馬過河”，說水深水淺需因“人”而異，不加區(qū)分一概而論有時(shí)就會演變?yōu)橹e言。對于互聯(lián)網(wǎng)公司、電商，大數(shù)據(jù)絕非謊言，大量的用戶行為數(shù)據(jù)，讓數(shù)據(jù)急劇膨脹到PB級。而對傳統(tǒng)企業(yè)，他們絕大部分還沒有到達(dá)“企業(yè)2.0”，沒有企業(yè)SNS，沒有移動應(yīng)用，哪來那么多數(shù)據(jù)？倒來倒去都超不過1TB。對他們談PB級大數(shù)據(jù)，就是謊言。

在企業(yè)做好迎接大數(shù)據(jù)的準(zhǔn)備時(shí)，大數(shù)據(jù)如何落地成為他們思考的問題。大數(shù)據(jù)有四個V，容量、類型、價(jià)值、速度。由于大數(shù)據(jù)涵蓋的內(nèi)容很多，業(yè)務(wù)場景十分豐富，企業(yè)落地大數(shù)據(jù)，要根據(jù)業(yè)務(wù)需求確定實(shí)施優(yōu)先級，不能期望一步到位，因此企業(yè)對這四個V的需求重要性也有所不同。

用友華表華秀章認(rèn)為，對于傳統(tǒng)企業(yè)，容量的重要性可排第一也可排第四，要看如何定義“Volume”這個“V”的標(biāo)準(zhǔn)。如果統(tǒng)一按“PB”定義量大，則對傳統(tǒng)企業(yè)就不太重要，至少現(xiàn)階段不太重要，應(yīng)排第四，因?yàn)樗麄兊臄?shù)據(jù)體量離“PB”還差很遠(yuǎn)。但是，與互聯(lián)網(wǎng)公司、電商不同，傳統(tǒng)企業(yè)的數(shù)據(jù)以結(jié)構(gòu)化數(shù)據(jù)為主，如財(cái)務(wù)數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)等，這些數(shù)據(jù)蘊(yùn)含豐富的業(yè)務(wù)關(guān)系、結(jié)構(gòu)非常復(fù)雜，相同數(shù)據(jù)量的計(jì)算量比圖片、日志等非結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)要大很多。所以，傳統(tǒng)企業(yè)的10TB數(shù)據(jù)量，其需要的計(jì)算資源、處理的復(fù)雜度等并不亞于互聯(lián)網(wǎng)公司的1PB。因此，對傳統(tǒng)企業(yè)，衡量“量大”的標(biāo)準(zhǔn)如果相應(yīng)調(diào)整為“TB”，那么，“容量”對傳統(tǒng)企業(yè)的重要性也是排第一的。

第二，應(yīng)該是價(jià)值，因?yàn)殡S著企業(yè)信息化的發(fā)展，數(shù)據(jù)有了一定積累，雖未達(dá)TB級、PB級，但也是可以挖掘出很多價(jià)值的，對企業(yè)決策產(chǎn)生積極影響。這是很多企業(yè)非常迫切需要的，是他們上BI的原因。

第三，是速度。傳統(tǒng)數(shù)據(jù)倉庫的“T+1”模式，越來越難以讓企業(yè)用戶接受，他們對實(shí)時(shí)或準(zhǔn)實(shí)時(shí)決策的期望越來越大。

最后一個是多樣性。中國的企業(yè)，目前很多都還沒有達(dá)到 “企業(yè)2.0”，沒有企業(yè)SNS，圖片、音頻等類型數(shù)據(jù)并不是很多，數(shù)據(jù)相對而言沒有那么“多樣性”。但假以時(shí)日，他們終將迎來“企業(yè)2.0”，移動應(yīng)用也越來越普及，數(shù)據(jù)的多樣性問題也會越來越重要，未來企業(yè)需要一種能融化結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的技術(shù)或產(chǎn)品。

我們說大數(shù)據(jù)必須有云計(jì)算才能跑起來，這在于大數(shù)據(jù)的運(yùn)算需要強(qiáng)大的計(jì)算能力。當(dāng)然也有人擔(dān)心把數(shù)據(jù)放到云上，它的安全性、隱私性如何保證？數(shù)據(jù)挖掘的邊界在哪里？用友華表華秀章對于這個問題給出來自己的見解。他認(rèn)為數(shù)據(jù)安全是衡量云平臺是否適合作為企業(yè)云平臺的首要因素，必須有一個分級的數(shù)據(jù)安全模型。象上市公司對外披露的數(shù)據(jù)，可公開隨便挖掘；但象財(cái)務(wù)狀況等一些對企業(yè)非常敏感的數(shù)據(jù)，必須放在一個安全度極高的“沙箱”中，對其訪問要嚴(yán)格局限在企業(yè)內(nèi)。