今年九月在紐約的O’Reilly媒體會議上大數據技術有兩大呼聲：企業級和敏捷。我們知道企業級的商務智能產品有Oracle Hyperion、SAP BusinessObjects和IBM Cogonos，而敏捷產品有QlikView、Tableau和TIBCO Spotfire。

如果事實證明大數據必須購買企業級的產品，那么就意味著大數據會花大本錢。但這并非絕對，通過使用大數據敏捷技術，各種規模的企業都可以控制成本，從大數據中獲益。至關重要的是盡可能降低成本并***化的了解大數據集，一旦數據被轉化為可用便具有對業務的洞察力，然后以各種方式將問題匯總，并發揮企業技術的優勢解決問題。

企業級 VS 敏捷BI

首先讓我們來看看BI世界里發生了什么。企業級BI設計的意圖是為了滿足大型企業中許多信息孤島的要求。典型場景如下：信息孤島中的數據通過ETL 的過程被清洗和規范化，進入到數據倉庫中，成為一個可用的版本。然后，通過報表和分析技術，數據被切片、切塊，并交付給成千上萬的人。企業級BI是一個復雜的過程，它通過多種應用程序的協同工作，以滿足企業中成千上萬人的需求。企業級BI的問題是它的配置需要花費很長時間，所有大型的復雜系統都十分難以配置和改動。

敏捷BI可以解決企業BI所面對的諸多問題。敏捷BI可以以高度互動的方式為最終用戶排序、篩選和統計數據，而不需要BI專家的指導。企業采用敏捷BI技術，可以更廣泛的享受數據所體現的價值。

企業級 VS 敏捷的大數據

現在是大數據技術出場的時候了，EMC Greenplum、Teradata Aster Data等是企業級的代表，而1010data、Pervasive DataRush等則是敏捷的代表。這兩類廠商都意識到了企業級和敏捷在BI領域的鴻溝，并努力解決這個問題。企業級大數據供應商知道他們需要敏捷，而敏捷的大數據廠商知道他們需要提供高質量的企業級解決方案。

企業級大數據供應商推出了一些靈活性解決方案。Greenplum推出了一個名為Chorus的產品，以提供一個協作環境，支持數據分析和查找的過程。Aster提供了一系列SQL擴展，允許Hadoop類型的查詢使用類似與SQL的語法。在實現敏捷方面，這些產品的擴展是很大的進步，但對 Greenplum和Aster企業級技術所帶來的高昂價格標簽，人們更感興趣的問題是：能否以敏捷的大數據技術彌補企業級技術的不足，以更少的投資獲得更多的回報?

敏捷的大數據解決企業級平臺的難題

回頭看看我們所提到的三種敏捷的大數據技術，首先的問題是：它們為什么被稱作是敏捷的?

答案其實很簡單，它們可以讓用戶獲取非凡的數據洞察力，并削減價格。如下：

• 只需經過些許培訓，用戶就可以使用Splunk進行數據的查詢、篩選和顯示
• 1010data以電子表格的形式為用戶提供大數據的處理界面
• Pervasive DataRush以圖形界面并行、高效地處理數據

一個敏捷的大數據在大批量處理中的案例

David Inbar是Pervasive的市場發展戰略辦公室的***執行官，在價格低廉的做了一個實驗演示，處理了足夠龐大的可稱之為大數據的數據。

DataRush的工具包消除了程序員并行編程的復雜度。即便是科技狂人，相對編寫一個單線程的程序，并行編程也無異于是火箭科學。 DataRush為并行編程提供了一種編程模型，以替代艱難的多核函數編碼。比如，你可以編寫一個基于組件模型的工作流應用程序，該工具包會自動將其轉化為該工作流所允許的并行應用程序。

大數據系統如Hadoop具有橫向擴展性。雖然DataRush可以承擔此類角色，并能在數千臺計算機中安裝，但是它的不同之處在于它一般在一臺計算機中安裝，用以發掘多核系統的潛能。

DataRush最有特色的功能是它并不需要你知道計算機究竟有多少個核，當編寫一個DataRush應用程序時，它會自動感知計算機上核心的數目，并***限度地利用，以進行并行處理。

將敏捷組件集合起來構建企業級系統

敏捷技術在針對大數據創建智能業務系統方面具有極大優勢，但仍然有相當長的路要走。敏捷BI能夠降低成本，面對大數據的挑戰，它將證明它的價值。