大数据平台的搭建就是企业面临的问题,搭建大数据平台有哪些思路?怎么样的搭建路径可以让企业少走弯路?什么样的架构是业内标准?通过什么手段来分析和展示已有的数据?
或许这些问题会萦绕在您的心头,那么今天就一起来看看如何解答它们吧。
大数据平台的搭建思路
实际上做任何事情都要有目标,然后根据这个目标根据自身的条件和外部的情况制定一个思路,这个思路也可以理解为实现目标的路径。那么大数据的平台搭建也不例外。
1、脚本工具化
在数据收集,存储、分析的初期,通常来说程序员都是根据业务需求,通过一些脚本来完成数据收集,分析的工作。
表面上是完成了一些数据操作的功能,同时也满足了用户的需求,但是在编写脚本的时候,都是“头疼医头脚疼医脚”,只是针对具体的数据问题提出解决方法。
没有一个统一的解决方案,针对一些基础通用的功能也没有做抽象和提取,导致脚本维护的成本增加,后期服用的成本也会增高,有重复造轮子的嫌疑,效率不高。
因此,我们会讲这些脚本组件包装成一个个工具,用命令行或者UI界面的方式提供给客户。
这样一来,脚本的经验得到了总结和提炼,整个工具考虑得会比组件更加周到,效率有所提高。
2、工具服务化
有了工具可以满足一些数据上的需求,但是由于工具运行在本地无法发挥公用的特性。
为了让工具被更加广泛的使用,于是将其以服务的方式发布的云端,此时业务人员可以在有网络的地方访问到大数据工具,从而实现计算和分析工作,打破了地域的限制。
3、服务平台化
既然有了服务上云,那么将这些服务做一些聚合的操作,让相关联的服务互相沟通产生“化学反应”,从而给用户带来更大的价值。
同时可以将多个数据源都接入到平台中,利用这些服务提供给客户更高的价值。
此时,数据源,服务,客户需求都是不同的,那么通过平台进行整合,从而显示出更大的威力。
现在流行的SAAS系统就是一个很好的例子,采用多租用户的方式,整合资源提供优质的数据服务。
4、平台产品化
既然产生了一个大数据的平台,整合了数据、服务、需求(客户)各个方面的资源。
如果继续发展就需要针对不同的用户需求建立不同的业务场景,由于行业不同、企业内部和市场环境不同,大数据的应用场景也千差万别。
此时如果还提供统一的数据服务恐怕就不合时宜了,那么此时需要针对行业以及细分领域进行业务服务的客制化。
针对一些行业底层的业务进行抽象和拆分,给用户更多的客制化空间,针对不同的行业和使用场景退出不同的大数据产品,给到用户。
从脚本到工具,服务、平台、产品的转化不仅是大数据平台发展的进程和步骤,同样也是不同规模企业进行大数据平台搭建的准绳。
为什么这么说呢?技术始终是为业务服务的,大数据平台平台也是如此,只要让数据产生对企业有正向推动力就是正确的方向。
在最开始的时候,就可以通过脚本的方式进行实验和试错,积累数据分析抽取的经验,从而得到一些对业务有价值的数据信息。
后面通过不断迭代和试错,将这些经验从脚本→工具→服务→平台→产品进行转换。
这样以终为始,即减少了开发走的弯路,也提高了效率,最重要的是做出来的东西是有价值的,老板的投入看得见。
每个企业也可以根据自身情况选择对应的切入点,不用做大而全的大数据平台,做适合自己的就好。
大数据平台的搭建思路是怎样的.中琛魔方大数据平台表示从大数据平台搭建思路作为切入点,通过脚本、工具、服务、平台、产品几个递进的阶段,描述了企业在不同的发展阶段可以采取不同的思路。
参与评论
登录后参与讨论 0/1000