企业做移动、大数据需要考虑啥？

DT时代

什么是DT?DT就是Data Technology。从Information到Data，也就是从信息到数据，其实主体并没有变，因为数据承载的就是信息。但马云认为，这是两个完全不同的时代。

什么概念？马云做了解读：“IT时代是让自己更加强大，DT时代是让别人更加强大；IT时代是让别人为自己服务，DT是让你去服务好别人；IT时代是通过对昨天信息的分析来掌控未来，而DT时代是去创造未来。”

换句话说，马云的意思从根本上是思维方式的变化。

那么，什么是数据思维？数据驱动的企业真的和传统的企业信息化有所不同吗？

我们来看一个案例。

传统企业比如一家三甲医院，部署的IT系统可能多达几十个：HIS、EMR、PACS、RIS、LIS、PEIS、CIS等等，但其分属各个科室，供应商也不同，因此系统间的数据交换就是大问题，这也是为什么我们去医院看病，通常需要经过挂号、排队候诊、就诊、付费、验血/拍片、就诊、开药、付费、拿药等等繁复和多次排队缴费和排队候诊的流程。

这样一个流程，可以理解为传统的IT时代的流程。而DT时代则完全不同。

首先，DT时代最关键的就是数据的全面集成。相对而言，个人应用的毕竟相对碎片和单点，只有用户数极大的平台才有可能从大数据中发现规律和价值；而企业应用则不同，企业运营数据不可能外泄不说，而且只有集中管理企业内部数据，才能形成聚合效应，提高效率和价值。

其次，过去的流程驱动转向数据驱动、业务驱动，因为业务领域非常多，比如说前端市场营销、供应商互动管理，使得企业数据的发展已经从以往单一类型的数据，变成了多种类型，而且从企业内部延伸到了企业外部，包括移动端设备采集的数据、机器运营数据、社会化网络数据等等。

举个例子。企业对移动设备采集的业务数据需要进行实时的跟踪和运营分析，这就需要企业将信息的采集、移动和管理三个部分进行整合，并且，从底层网络到数据集成和处理平台，都需要很高的安全保障。

换句话说，DT时代对于企业级业务来说，所有的移动应用、大数据应用等等，都不是孤立的，都是建立在强大的安全可靠的底层平台之上，需要提供给客户更优化的整合体验。这或许就是为什么一个月前，单一做企业移动中间件的数字天堂，作为曾经的市场老大，在一个拥有无限未来的市场中，仅仅以4000万元人民币出售的原因。

企业做移动、大数据需要考虑啥？

企业大数据需要啥？

一般来说，在传统交易型数据量不太大的场景下，通常结构化的关系数据库就可以解决，而在业务分析时，通常列式数据库也可以解决企业需求。但是，一旦企业数据牵涉到更多的半结构化甚至非结构化的数据，那么传统的关系型数据库就很难解决，这时候一定会引用NoSQL，甚至是Hadoop这种生态系统，作为企业可以选择的数据基础架构。

实际上，针对不同企业不同的需求，其对数据处理得实时性，对整个数据基础架构取得的成本，或者数据增长趋势都会影响，甚至某种程度上成为企业选择数据基础架构的一个决定性因素。

从底层数据管理来说，企业通常会经历从一个孤立的系统，到数据集市、数据仓库以及统一元数据仓库几个阶段。如今数据仓库的概念更多是讲LDW（逻辑数据仓库）的概念，已经不全是过去简单的纯结构化数据放在一起。因此，所有的企业能够收集到或者关注到各种各样类型的数据，和更海量的数据都要纳入数据仓库范围。这种数据仓库技术会超越传统数据仓库技术，比如说利用现在类似Hadoop这种生态系统，或者noSQL数据库，来解决数据仓库的问题。

从分析应用的发展路径来说，基本上包括了报表报告、交互分析、挖掘预测、决策自动化四个阶段。而交互分析则把现在流行的即时分析、敏捷BI、自助BI、数据探察等等一并归到这里面，用户自己可以交互性的探察数据。

从企业整体范围内数据管理的角度，它不仅要解决数据存储和计算引擎，实际上还要解决主数据管理和源数据管理问题。比如说大企业集团范围内有很多共享的核心实体数据，这些数据的管理是通过主数据管理来完成的。

实际上，整体平台分为四个大的部分：开发与集成、移动与社交、互联网与云服务，大数据，以及十二大产品。其中用友数据平台的关键特性就包括了企业内外部多数据类型、多数据来源的数据集成和整合；并且具备利用列式数据库技术进行海量数据分析加速的能力；其三是提供了一个基于Hadoop发行版的UDH版本，可以支持结构化、非结构化大型数据处理，支持PB级别数据量分布式并行处理；四是统一建模，分析模型和业务模型统一建立和管理，以及源数据整体的传递；五是挖掘预测，提供了相应的一些工具。