大數據應用：理想照進現實

自身業務的創新推動了企業對海量級數據價值挖掘的需求。通用汽車的安吉星（OnStar）服務每年管理的數量早已多達3 PB，該服務為車主提供遠程車輛診斷服務、應對突發事件。在安吉星CIO Jeffrey Liedel看來，這些數據就是金礦。

例如，通用汽車正在測試在雪佛蘭混合動力汽車Volt上使用的一款移動應用程序，該程序可以幫助駕駛員們監測汽車電池和遠程管理充電。事實上，為數眾多的車主都希望汽車制造商們可以緩解“里程焦慮”（擔心電動汽車還沒到開到目的地時已耗盡電量），所以目前，包括日產和福特在內的汽車制造商也已在提供或打算提供監測電動汽車的類似功能。Liedel說：“除此之外，客戶對車輛駕駛情況、駕駛模式和燃油經濟性等分析數據也非常感興趣?！?/p>

并非只有電動汽車的用戶想通過安吉星服務更深入地了解車況，通用汽車內部的業務部門用戶和外部的合作伙伴也需要這些數據。Liedel表示，可靠、安全、靈活地提供數據，這項任務落到了IT部門的肩上。他說：“關鍵在于認識到數據和分析的重要性。”

除了這些掌握PB級信息的CIO要琢磨如何管理數據，那些僅僅收集GB級數據的公司也看好利用自有系統之外的信息。擁有處理“大數據”的能力和有效分析大數據的工具，正成為一種必需的競爭優勢。

埃森哲首席技術創新官Gavin Michael說：“每家企業都在竭力利用自身擁有或可以訪問的數據，希望獲得比以往更有成效的數據支撐。不過，由于許多公司的分析人員數量很少，他們從未把大數據當做一種企業資源來利用。CEO們需要從企業的角度看待數據，了解如何整合和分析數據。”

交易和分析不混搭

隨著硬件和存儲成本不斷下降，有些CIO會認為在現有系統的基礎上添加容量以支持數據分析是經濟高效的舉措。但一些人則認為，分析大數據時，交易系統和分析系統單獨維護是搞好這兩個流程的必要條件。

美國退伍軍人事務部在過去兩年中部署了25個數據倉庫，用于分析大數據。該部門為2200萬名退伍軍人提供健康福利，其CIO Roger Baker表示，分析來自退伍軍人電子健康檔案（EHR）的數據直接影響到臨床醫生能否更有效地使用該系統，隱藏在數PB的臨床和遺傳數據中的寶貴信息有望帶來更有效的醫療方法。退休軍人事務部甚至啟動了征集DNA樣本的一項計劃，補充退伍軍人的健康檔案。

Baker說：“我們有一大堆二三十年間收集起來的寶貴信息，涉及病人的癥狀、治療情況和治療結果?！?/p>

Baker表示，EHR系統包含“面向交易速度的層次數據庫，所以臨床醫生在門診時，需要數據庫快速反應。”另一方面，分析數據庫會根據臨床主題來加以組織：藥劑信息在一個地方，血液數據在另一個地方。“我們希望為研究人員提供重要的關聯數據和計算能力，讓研究人員可以弄清楚需要什么樣的數據?！?/p>

但是，數據分析并不容易，需要將某一病人的檔案和其他病人的檔案進行比較，同時也要和同一病人多年前的檔案進行比較。由于數據量很大，Baker打算在明年添置超級計算機以便更快速地處理數據。他說：“數據訪問速度越快，信息帶來的價值就越大?！?/p>

不過，并非所有對大數據進行分析的公司都決定投資超級計算機，要不要投資于超級計算機取決于用戶對獲得查詢結果的速度的需求。一般情況下同使用超級計算機獲得查詢結果只需幾小時或幾分鐘，使用傳統服務器從龐大數據集獲得結果可能需要幾天。

波士頓兒童醫院的信息學主管兼哈佛醫學院的教授Isaac Kohane表示，獲得數據分析結果的速度也是因人而異的。目前，他負責哈佛醫學院及附屬醫院的研究人員和醫生之間的合作，開發用于處理臨床和研究數據的技術。他表示，需要花這么長時間的查詢所處理的工作并非優先級很高的業務事項，所以沒必要花錢購置更強大的處理能力，來加快獲得結果的速度。

重點在數據

在大數據處理的過程中，CIO們面臨的一個更大的問題是，確保數據本身可用性和可靠性。大數據加大了數據治理、確保數據質量和訪問控制方面的難度，因為它既涉及IT技術，又與業務部門密切相關。埃森哲的Michael說：“共享整個企業的數據未必是件容易的事，很難讓整個企業共同來解決這個問題?！?/p>

2011年，羅得島藍十字藍盾保險公司重組后精簡了業務。在這個過程中，管理人員認真分析了企業自身處理利用這些數據的情況。這家保險公司原CIO現CEO Bill Wray說：“我們的數據資源非常分散，每個部門各行其是，財務分析人員、保險業務受理人和保健分析人員建立各自的數據集，且沒有中央治理機制把數據匯集起來。”

由于受聯邦醫療保健改革的推動，藍十字/藍盾保險公司希望改變原有僅僅處理醫療賠付的方式，通過為醫療服務機構提供經濟激勵以促進病人的健康，同時鼓勵病人與初級保健醫生建立更密切的關系，以降低現在每月處理100萬筆索賠的壓力，當然這需要企業級的分析功能做決策后盾。

Wray說：“如果更好地利用初級保健醫生的資源，在疾病預防上下功夫，會讓病人更健康，醫療賠付的成本也會隨之降低。但是，人們在就醫的過程中需要有大量縱向分析和趨勢分析，這些分析讓這個問題變得錯綜復雜。”

目前，羅得島藍十字藍盾保險公司有一個企業數據庫，但建立數據庫的目的主要是收集數據，報告給用于橫向比較的全美藍十字藍盾商業智能系統，本地分析人員并不使用該數據庫。這樣一來，要完成新業務模式所需的分析工作，該數據庫就缺少來自公司理賠系統的信息，同時也缺乏可整合的外部市場數據。

科羅拉多州教育部在大數據應用方面也有著自己的遭遇，對他們來說，確定新的數據治理做法是開發全州縱向數據系統（SLDS）過程中的一個重要步驟。該項目旨在把來自178個學區和28所公立高等院校的學生數據與福利、收入和勞動力等數據整合起來，建立統一平臺，用于分析學生從幼兒園到大學的成績。

科羅拉多州教育部CIO Daniel Domagala介紹，該項目的25個目標中有9個涉及獲取數據，包括建立一套通用的課程和項目編碼，以及確定整合幼兒園收集的數據的方法等。

該項目的目標是，讓地方行政官員和任課教師都能夠通過該系統了解學生與該州其他學生表現的長期比較結果，并且明晰收入水平、學前教育和中學課程等因素給學生上大學或找工作帶來的影響。這是一項長期性的工作，最終將涉及數TB的數據。

與Domagala之前從事的石油天然氣行業相比，這個項目的范圍小了不少。他說：“它更多地涉及數據廣度，連接不同的數據源?！钡沁@需要科羅拉多州在信息管理和使用方面進行重大改變。

“州政府部門原則上希望共享數據，但單就學區而言現有報告信息的方法和渠道并不統一?！盌omagala說，“一般來講，教育部門和機構都會建立一套系統來監控和跟蹤，該系統有自己的數據要求和訪問控制，同時，每個學區也都有各自的系統和優先事項?！?/p>

如Domagala所說的，像丹佛這些大型城市的學區在為每一所學校提供信息方面做得更好，而小型鄉村學區則“提供信息方面的能力有限或沒有”，這些系統間共享數據很難。

Domagala說：“不同學區間系統的差距讓信息的處理、驗證和核實變得很難，我們引入越多的標準就越能減少不必要的重復。因此，IT部門的工作將更多地放在幫助教職人員使用數據上，而不是收集和監管數據。”

關鍵在控制訪問

處理醫療保健、金融和教育等信息的企業要遵守相關法律法規，嚴格明確不同類型數據的訪問權限，這需要每家公司通過身份管理的方式牢牢控制數據的分發。雖然，從技術上來說這種做法的實現難度不大，但大數據分析本身的需求特點為需要規定誰在何時允許進行哪一種訪問的企業提高了分析門檻。

“例如，允許訪問退休軍人事務部的龐大數據歸檔超出大多數企業在過去所要處理的任務范疇。”Baker說。事實上，一方面，Baker要確保每個退伍軍人都可以通過自己的電子健康檔案訪問該政府部門所擁有的關于自己的所有信息。另一方面，他又要確保個人身份信息沒有公開發布給研究人員。

Baker表示，數據分析要面臨的挑戰是如何提供這些供研究用的大量不含個人身份信息的數據，“在這種情況下，用戶信息泄密的威脅基本已經消除，身份管理的需要就不那么迫切了?！?/p>

如果有效解決了這個問題，CIO就可以讓分析人員放手分析數據，并且不用告訴他們應該運行哪些種類的報告、何時運行，也不用規定應該使用什么樣的工具。IT部門變得更像是顧問和管家，而不是看門人。

為此，退休軍人事務部不僅為研究人員提供了一些“重量級”的工具，同時鼓勵研究人員使用自己開發的分析工具。Baker說：“尤其是在我們研究開發的領域，研究人員會使用專門為所從事的研究項目所設計的分析工具?！?/p>

羅得島藍十字藍盾保險公司的Wray改組了該公司的數據分析人員團隊，設立了一個“實踐社區（community of practice）”，分析人員可以在這里共享工具和技術。“分析人員可以充分利用別人開發的應用程序，工作人員會跟蹤和宣傳這些應用程序，這樣其他分析人員就更容易了解其他人開發的分析工具了?！?/p>

弗雷斯特研究公司的分析師Brian Hopkins表示，數據分析的靈活性至關重要。數據量在飛快增長，隨之需要新的分析技術。如果按照傳統的商業智能方案的做法，首先業務領導人要明確自己需要什么，然后由IT部門建立一個系統來滿足其需要，這種模式對大數據分析來講行不通。

大數據需要一種全新的態度。Hopkins說：“沒有哪一個群體能解決所有問題。不同于傳統的商業智能環境，大數據的分析和應用需要業務分析人員、數據整合專家，以及業務部門走到一起，開展通力合作?！?/p>

為了設定正確的基調，Liedel選擇了一名有業務經驗的經理掌管其數據報告團隊：“這名經理沒有數據庫管理員的背景，過去這個條件是我們在考察IT管理者時必備的一項考量標準。這點對我們來說是個大變化?！?/p>

鏈接

中國聯通借大數據提高服務水平

7月，國內三大電信運營商紛紛披露2012年上半年用戶數據。其中中國聯通6月份凈增3G用戶302.6萬戶，截至6月底，中國聯通3G用戶總數達到5753萬戶。

3G用戶量的增加，除了給中國聯通帶來了大量非語音業務的收入，還帶來了“困擾”。中國聯通研究院副院長黃文良表示：“用戶數量的激增，也帶來了客戶服務的壓力，特別是對于基于3G網絡的數據服務。過去對于語音通話的客戶服務內容，只是通話時間、通話時長幾個方面，現在需要涉及上網時間、地點、訪問了哪些網站等諸多信息。由于此前難以向用戶提供詳盡的上網記錄查詢服務，中國聯通曾一度為3G服務客戶數據流量所引發的計費爭議所困擾?！?/p>

一直以來，在中國聯通自身看來，手中的“3G牌”是“提升其行業地位的惟一出路和必然選擇，是加快經營模式轉型、改善用戶結構，實現增長方式轉變的戰略突破口”?？蛻舴漳芰θ绻荒芨现袊撏?G業務的發展，勢必會影響用戶對中國聯通高速數據網絡和創新內容應用的體驗，“將3G打造成為中國聯通收入增長的第一驅動力”也就成為了空談。

在黃文良看來，大數據不是一個新興事物，過去也有大數據，只是沒有響應的手段和方法來解決集中存儲、集中分析的問題。黃文良透露，目前中國聯通正在通過采用基于至強平臺及英特爾發行版Hadoop的大數據解決方案來構建移動通信用戶上網記錄集中查詢與分析支撐系統。“這一系統可為我們的客戶服務人員提供客戶上網記錄的快速查詢服務，也可為客戶本人提供高效的異常大流量上網記錄自助查詢服務，這將有助于解決流量投訴問題?！秉S文良說。

英特爾亞太研發有限公司總經理、英特爾軟件與服務事業部中國區總經理何京翔表示，大數據處理任務需要倚重開放架構平臺，英特爾首要的任務就是要打造適用于大數據應用的“芯”，而后幫助合作伙伴圍繞這一基礎創新打造可承載大數據應用的基礎設施。

據悉，在英特爾的幫助下，中國聯通將在2012年10月結束整個項目的建設，屆時除了為客戶服務人員提供服務外，系統還可以為中國聯通的業務部門提供分析、決策服務。黃文良表示，未來該系統還有望幫助中國聯通更為準確地把握用戶偏好，從而讓中國聯通能更有效地制定市場策略和開發新業務。（文/湯銘）