大数据时代竞争焦点：业务分析优化

前言： 放眼当今商业社会，数据爆炸引发的新一轮挑战迫在眉睫，恰如一个放大了的《危险边缘》游戏。Watson所展现的能力是否能够给企业带来启示？在充分探讨Watson技术的“分析 优化 智慧”论坛上，我们找到了答案。

根据IDC的预测，从2009年到2020年，数据总量将增长44倍，达到35ZB(zettabyte)。其中，80%的数据都是非结构化数据。无疑，世界已经进入到了大数据时代。这也可以从用户的数据增长趋势上的得到印证：某省的电信运行商，在前几年的数据总量是数十TB，现在其数据总量已经超过了400TB。因此，如何有效地利用大数据，以及其中所沉淀的信息，成为未来的一大竞争焦点。

如何以最经济的成本获得所需要的信息

“企业可以将100TB的数据都放在数据库当中，这在技术层面上并没有问题。但在实际生活当中，企业还需要考虑，如何以最经济的成本来获得所需要的信息。”IBM大中华区软件部信息管理售前技术经理刘隶放先生说，“在某一次业务应用过程当中，这100TB数据当中可能只有20PB数据与该业务相关。IBM的做法是，从数据库当中通过搜索的方式进行转换，将这20PB的数据进行处理。作为对比，竞争对手是将1TB的所有数据都进行处理。”

这种处理方式上的差别，形成了在业务响应速度上的不同。Watson之所以能够在五秒钟内搜索数据库、筛选相关信息、分析最佳答案，需归功于其高效的处理方式。IBM表示， IBM优化的系统从微处理器到硬件和软件等各个级别均进行了集成，非常适合实时分析大量数据，以及处理数据密集型交易。利用 IBM 优化的系统，客户现在能够更加高效地管理分析和交易工作负载，并以比竞争产品快20倍的速度从数据中析取重要信息，从而改善业绩。这些系统还可利用深度压缩功能压缩磁盘上的数据，最多能够将结构化和非结构化数据的存储空间减少80%，进而能够帮助客户节省大量能源相关成本。

“比较理想的数据仓库或者数据分析模型是一个混合性质的。”刘隶放说，“一些价值高的数据会存放在高端存储设备上，以保证高I/O和SLA水平。IBM未来会提供相关的接口，允许从数据库里发出命令，下转到BigInsights的数据库里。这个工作由Power系统完成，可以很好地规划系统当中的CPU计算能力、各方面的负载等等，能够满足不同的优先级应用和用户。”需要指出的是，IBM的BigInsights技术是基于开放技术，可以搭建在成本更低廉的存设备上，从而降低系统的总拥有成本。

联机事务处理：IBM TCO最低

如果进行解构的话，Watson是一个集中体现IBM工作负载优化的整合系统。运行在Power7上的InfoSphere BigData平台充分涵盖数据仓库和业务分析的多个层面，为其提供了强劲的实力。

“从目前来看，联机业务处理仍旧是客户的投资重点。”IBM大中华区软件部数据管理和数据仓库销售总监何怡静女士说，“IBM在从数据仓库到数据分析和业务优化都有着非常强的实力。例如，目前在市场上最热门的工作负载整合优化概念就是由IBM提出，这可以帮助客户最大程度地节省成本。”有业内人士表示，Oralce ExaData的销售当中，90%都是用于商业智能应用，只有10%是用于联机事务处理。

更重要的是，IBM是一家为客户提供端到端的、整合解决方案的供应商，在产品的销售上采用了一致的策略。据记者了解，在IBM的解决方案当中，都采用了业界默认的规则：其硬件的保修期是3年。作为对比，另一家供应商的硬件设备只提供了1年保修，这就给客户带来了一些困扰，也增加了投资。“硬件只提供1年保修，意味着客户需要在硬件上追加投资。”

在采访中，IBM还一再强调，IBM构建的是一个开放平台。“IBM所有的产品都是模块化、开放化的。”何怡静说，“针对不同的用户群，IBM提供了不同的解决方案。对高端用户，IBM会提供跟软硬件结合的、集成的解决方案。对于特殊需求的用户，IBM的软件也可以在System X系列的平台上运行。”不过，IBM也补充说，从总体来说，应用Power架构的集成、优化解决方案的综合指标最好，也最受客户欢迎。

行业经验为支撑，做好业务分析优化

“半结构化和非结构化信息管理技术需要一种新的方法来了解它们的模式和洞察力。Hadoop是迎接这一挑战的理想选择，它能够处理这些类型的信息，并能够按照所需的海量规模来运行算法和基于机器学习 (machine learning) 的方法。”IBM的“沃森”在与人类的智力竞赛当中获胜，已说明IBM利用机器处理非结构化数据方面的领先地位。不过，当数据量不足够大的时候，IBM如何保证机器判断的正确性？IBM表示，IBM在各个行业都有非常深厚的知识积累，形成了很多行业模型，这可以帮助企业做出正确的判断。

“业务负载优化法方法的秘诀在于其采用了目的性极强的设计，而该设计本身就是各种业务负载的独特系统需求所推动的结果。进一步讲，‘万能型’的方法并不能满足这些业务负载的需求。”IBM软件部信息管理软件高级售前技术支持工程师陈威先生说。

IBM的这种行业经验已经在多个行业当中充分发挥了作用。例如，当新加坡陆路交通管理局想创建交通付费系统时，它与IBM携手对支持该业务的系统平台组合进行了优化。现在，一个系统用于事务处理和数据库存储、实时计算和乘客需求预测，另一个系统用作Web 和零售渠道基础架构。结果，新加坡陆路交通管理局安装了多台发卡机，在提高旅客便利的同时，还降低了成本。

另一个示例是位于芝加哥的美国蓝十字蓝盾医保联合会(BCBSA)，他们与IBM合作，利用集成了软件和硬件的智能分析系统构建一个数据仓库，这些硬件和软件经过优化，组合在一起以实现最大的可扩展性、均衡的性能、安全性和高可用性。由于采用了该优化方案，BCBSA 现在能够更好地了解和探测人口统计趋势，帮助它改善员工的劳动力健康与成本管理。

总结

随着世界迅速走向物联化、互连化和智能化，人们通过智能设备即可获得海量数据，而高级分析应用程序的成熟将有助于企业作出更好的业务决策。但这一切的前提是，在需要时可获得这些信息，且这些信息能够得到及时处理。从Watson到更多的智慧解决方案，IBM已经为大数据时代做好了充分的准备。作为用户的您，准备好应对大数据时代所带来的业务挑战了吗？