就在您認為大數據不可能再變大時，它還在不斷變大。無論其實際大小，大數據正在顯示價值。各個地方的組織都有各種形態與大小的大數據。這些組織意識到其重要性、機遇以及給予關注的迫切需要。很顯然，無論忽略與否，大數據都會不斷發展。

已掌控大數據(在明了其價值前儲存的多結構混亂數據)的組織正在提升組織效率、提高收益，并發展新的業務模式。他們是怎樣做到的?這些機構成功的方法可以總結為七條建議。

1、以短期考慮促進長期考慮

擔心能否跟上大數據的潮流的人，不止您一個。一切都瞬息萬變，因此無從知道今年或明年哪些工具、平臺或方法是最好的。

放寬心。這種快速演變的形勢可以為您服務。

每年，供應商都在大數據使用方面不斷提高。關系與在線交易系統(OLTP)會越來越高效、越來越智能，無論是在內部還是云中運行。技術的發展將會緩和Hadoop及數據倉庫之間的關系。而且，始終會有產品上市，更精準地滿足您的具體需求。

因此，敬請寬心。對采納新產品保持開放心態，只要這些產品能提供足夠價值，就能名正言順地融入您的現有環境。保持能夠直連多種格式的商業智能平臺。您現已準備好應對市場變化。

2、看清錯誤選擇

貴機構需要什么，Hadoop還是數據倉庫?別說，這還真是個有陷阱的問題。不光是Hadoop與數據倉庫能夠很好地協同工作，機構實際上還能從兩者的協作獲益。數據倉庫用來壓縮重要結構化數據再適合不過，還能把數據存儲在商業智能工具和儀表板能夠輕松找到的地方。但其弱勢是，分析過程與某些類型的轉換較弱且慢。

這一點正好由Hadoop補充。此外，盡管Hadoop在交互式查詢與數據管理方面較為弱勢，但其善于快速容納原始、未結構化的復雜數據。這兩者合而構成共生關系。例如，想象一下高層管理用來預測下一年庫存需求的數據。數據集可能很大，幾乎沒有時間給數據建模、重新結構化，也沒有時間以其他方式預處理好數據，供數據倉庫使用。

高層管理人員用完以后，可能僅一周時間，就會丟棄。這就是Hadoop該出來發揮作用，細化數據并把樣本發送到數據倉庫的時候。“大數據并不是數據倉庫的替代品，”ThirdNatureCEOMarkMadsen在其“大數據的真實含義”一文中寫道，“也不是單獨維護的孤島。大數據是新IT環境的一部分。”

不要在選擇Hadoop還是數據倉庫這個問題上不知所從。您可以，也應該使用兩者。

3、濃縮大數據，使之一目了然

結構出色、考慮周全的可視化平臺讓其他系統都黯然失色。這是電子表格無法帶來的。

大數據可視化之后，濃縮到一目了然的程度。AberdeenGroup的一份報告發現：“在使用可視化發現工具的機構中，48%的商業智能用戶，無需IT人員的幫助，即可找到需要的信息。”如果沒有可視化發現工具，這個比例降到了23%。

此外，根據這份研究，使用可視化數據發現的經理較之沒有可視化數據的經理找到及時信息的可能性，要高出28%。

或許，最為重要的是，在涉及到大數據的情況下，報告發現可視化還能促進與大數據的互動。較之其他經理，使用可視化數據的經理與數據廣泛互動的可能性要高出一倍多(33%比15%)。另外，這些經理還更有可能即興提問，往往是受到前一刻洞見啟發的問題。以可視化的方式探索數據，使得數據生動呈現，讓大腦能夠瞬間理解。富國銀行戰略規劃副總裁達納·朱伯稱：“會有一些萌生的想法，這是電子表格無法帶來的。”

借助可視化分析，您還可以隨時做兩件事：

改變正在查看的數據，因為不同的問題往往需要不同的數據。

改變查看數據的方式，因為每種視角都可以回答不同問題。

利用這些簡易步驟，您就進入了名為“可視化分析循環”的狀態：獲取數據、查看數據、提問并回答問題，然后周而復始。每一次，您的問詢都會隨洞見深化。

您可以向下搜索、向上搜索，或者橫向搜索。您可以把新數據添加進來。隨著可視化加速并擴展您的思維，您會創建一個接一個的視圖。

準備就緒后，就可以分享。同時提出并回答自己的問題，加速整個團隊的洞見、行動和業務成果。

4、賦予用戶以深刻洞見

您是否認識迷上了洞見的人?沒有什么能阻止這些人。他們不斷提出新問題并創造新價值，直到完成一切，心滿意足，或者直到需要填寫IT申請。

有了大數據，對洞見就入迷更深了。然后就是熱情澎湃地投入。現在，除了自助式數據分析外，根本沒時間忙別的。

“與其他組織相比，擁有大數據的組織擁有主要由商業部門而非IT組驅動的BI項目的幾率要高出70%多，”AberdeenGroup最近發布的“轉向大數據還是破產倒閉?最大化分析和大數據的價值”中表示。

有了大數據，商業用戶無需再忍受IT部門老舊、緩慢的方法，這種方法發布數據的方式就像一章一章地展開一本書。

在《大數據的價值》(TheValueofbigdata)中，ThirdNature研究分析師馬克·馬德森寫道：“不光是商業智能發布模式已老舊，商業智能模式期望信息在其中使用的環境也同樣過時。”這就好像借著舊時燈光或燭光讀書–也就是以前所謂的“刻苦鉆研”。馬德森繼續寫道：“大數據就像電氣照明，把之前幽暗的角落都照亮了。它提供的不僅有更明亮的光線，還有隨需隨取的能力。無需耗費數月等待數據完好清理并可供使用，現在可以利用大數據技術察覺并發現數據中的價值。如果數據有價值，可以通過更嚴格的流程發送，供數據倉庫使用。”

不要再強迫用戶“刻苦鉆研”，而要給他們賦予能力。

5、把小數據組合成更大的數據

細看之下，大數據的的構成無非是：許許多多的小數據集。每個數據集本身可能提供價值。綜合起來，則能夠提供大價值。

舉例而言，在消費品行業，只有混合了消費者信心數據與購買數據后，高層管理才能全面理解消費行為。

聯合利華分析總監瑞西·庫馬稱：“通過會員卡，能夠獲得豐富的數據。很有必要把所有這些數據混合起來，理解消費者為什么要進入商店購物。”聯合利華可借此預測流行產品和新趨勢。

很有必要把所有這些數據混合起來，理解消費者為什么要進入商店購物。”–聯合利華瑞西·庫馬

價值的大頭歸屬于混合了關系、半結構化與原始數據的機構–盡可能降低了前期成本，而又無需讓商業用戶受技術的困擾。這就可以了，也足夠好了。

無論數據是在電子表格、數據庫、數據倉庫、類似Hadoop的開放式源文件系統中，還是以上都有，您都需要能夠靈活快速地連接到數據并進行整合。

不管您的大數據有多大或者多小，您都可以借此想到就提出并回答問題。

6、確保大數據免遭大麻煩

大數據像沙盒一樣有趣。您可以進去，建立并塑造東西，甚至撿起沙子，放到最好朋友的褲子里。對嗎?對，但需要在成人監視下。

這些數據有價值的部分原因是，它們與現實人物相關。政府就要求，每個人都要注意對這些數據的用法，更不說道德操守了。

目前，80多個國家有數據隱私法。歐盟規定了七個“安全港隱私原則”，用以保護歐盟公民的個人數據。在新加坡，個人數據保護法于2013年1月生效。在美國，《薩班斯·奧克斯利法案》讓所有上市公司均須公開通告，而《健康保險隱私及責任法案》(HIPAA)則設立了醫療隱私的國家標準。

因此，潛入大數據的海洋之前，務必嚴肅看待遵守治理與隱私標準的需要。貴機構是否為需要遵守HIPAA的醫療機構?還是在世界某些地區運營?抑或，您是否意識到，對大數據的關鍵元素采取預防措施，才是明智的?

那么，如果貴機構必須合規，一種顯而易見的解決方案就是主數據管理，這樣可以收緊整個機構的數據使用。如果您有主數據管理，那么一切解決。但是，就定義和商業規則達成一致，對大多數牽涉者都是緩慢而痛苦的過程。

或許確實痛苦，但有實效。Forrester咨詢公司在報告《大數據需要靈活的信息和整合治理》中建議，不要為了靈活和快速出結果略過治理。大數據結果需要治理。

Forrester建議不要遵循“單一的一套標準、政策和做法”，他們發現這樣會“會扼殺可從大數據投資與洞見達成的價值。”

反之，報告建議采取治理，從而將分析能力與目標匹配、顧及數據的來源和類型的情況下建立治理“區”，并在正式實施規則前進行試驗。

7、開始著手

最后一條建議可能最重要：盡管放手去做。只需行動起來，按前面的六個步驟去做。

大數據即使還沒有進門，也已在門口。現在就爭取成果。

現在，我能夠緊隨業務速度，在商務會議中當場對一些事務做出回答，以前，每個問題都要來回討論一兩天。現在我可以拿著我的筆記本電腦坐在會議中，基于幾乎飛速處理的2千萬行數據回答問題。

—巴克萊銀行彼得·吉爾克斯

一旦您有東西要展示，其他人就會注意，因為沒有什么能像結果這樣獲得關注。接著就產生良性循環，把結果快速散播到整個機構中。

最終，會有一名高管產生興趣，于是您立下大功。