主持人：各位会员大家好，感谢关注我们本期的畅想对话，今天我们也是非常荣幸邀请到了Informatica核心技术部资深产品管理总监郑玮女士，那就请郑总给大家打一个招呼。

郑玮：大家好。很高兴来到这里。

主持人：我们今天话题主要是集中在大数据这一块，因为对于大家来说，可能大数据也是在IT业界谈论比较多的话题，对于大家来说大数据到底是一个噱头还是一个真实发展的事情，对于企业将带来什么样的影响和挑战?这是我们大家都比较困惑的问题。我们也希望通过今天的对话能为大家带来一些解答。

第一个问题，首先想问的是说大数据就突出在大上面，对于很多企业来说，它的数据可能都没有在TB级，我不知道对于这个大是如何定义的，请Informatica的郑女士谈一下Informatica是如何定义和看待大数据的，就是数据的量和价值是否一定会存在关系，还是说只有量大才会有价值?还是说有什么样的关系?

郑玮：这个问题其实是很好的问题，我们有很多顾客也经常问我们，到底是多少数据算是大数据，从我们这一边看大数据不仅是数据量，其实我们经常说到大数据有三个V，就是实际数量只是一部分，还有数据的种类，比如说现在很多数据都不是在数据库里面的数据，是平常的不同的数据，数据的结构也是跟以前不一样，不是很容易可以解析的，有很多数据是双模型的，各种各样分析的办法都可作为大数据。

最后说到大数据，说到数据的速度，大数据不仅是数据的数量，也是说可以不可以给你的顾客，在应该得到的时候得到数据的意义。刚才还问到数据的数量跟数据的价值有关系吗?这也是挺有意思的问题，不应该说数据一定是有很大的数量才可以得到价值，我们刚才说数据的种类，或者是其他不同的大数据问题，现在看到只是怎么样能够从你有的数据里面不管是TB，还是GB，还是MB，到底是怎么样从那些数据得到更大的价值，所以应该说大价值是大数据一部分。不能光说数量，其他这些都应该考虑进去的。

主持人：那Informatica是否也是认可这三V的定义呢?

郑玮：对，我们是这样觉得，我们现在比喻大数据是大红人，在大数据没有成大红人之前，Informatica已一直在跟我们的顾客讲到很多现在说的大价值问题，这绝对是我们Informatica的看法。

主持人：看来被业界普遍公认的了，就是在这种大数据的时代，如果是有价值的数据会存在，同时在大家不断产生数据这种过程中，垃圾数据也会存在很多，包括你的这个数据是否是准确的，我后期怎么样去维护他。企业有怎样的流程和方法在判断这种数据的质量，价值，怎么样管理?因为我之前就是采访到其他CIO的时候，提到说信息化是需要全面参与的事情，就是对于公司所有的员工都需要来参与这个事情。都对他们进行培训，因为觉得上系统之前如果一开始录入的数据就是有问题的，这后面做的事情就毫无意义。

郑玮：这是很重要的一部分，实际上数据的质量是一直是我们Informatica在做的很专一的一件事，早在没有大数据的时候，还是小数据的时候，Informatica就开始说到数据的质量，所以我们大概是从7、8年前，我们就有了一个软件平台，专门是帮助顾客增加他们的数据质量，即帮助他们解决质量上的问题。现在用大数据来看，数据质量是更加严重的问题了。因为当你的数量增加的时候，如果有不好的数据，垃圾数据，那最后会变成大的垃圾数据，所以它的规模从大数据角度来说，现在是更加糟糕了。所以就像你刚才说的例子，如果顾客觉得你输进去数据质量不行，那你要再做分析都没有什么用，因为你拿出来的结果不会是好的。所以我们看大数据平台的时候，一定要看到数据质量是一部分，不管是在购选不同的软件平台，或者是找一些人帮助你解决大数据问题，一定要从数据的质量上看，这是很重要的部分。

主持人：那么在这个数据过程中，有没有存在不同的系统之间的数据编码，标准，这种不同。

郑玮：从数据质量这一方面说，大数据不是一个新的概论，也不是一个新的问题。以前比如说不同的数据仓库拿出来的数据，在一个系统上是正确的，当你把不同的系统放在一起的时候，一个数据正确不一定是整个数据上都是正确的。所以说数据质量不只是正确，也是看是不是能够跟其他的数据源加在一起统一的看，是不是有数据质量的问题。

主持人：现在比较活跃的微博，社交媒体，这个数据应该是算非常大级别的数据了，大家也是每一天，每时每刻都在产生这样的数据，每一个人都会有。包括现在有很多公司会做这种微博的营销，帮助企业也好，个人也好，来分析你的粉丝，用户等等这样的问题，包括淘宝也会做这种分析。我不知道这种是否也算大数据的应用?或者说和我们企业级应用会存在一些什么样的差别?

郑玮：我觉得肯定是有相同的地方也有差别。我们先说相同的地方，相同的地方用大数据量来说，像微博，还有淘宝或者是在美国的Facebook、Twitter，他们的数据量肯定是不得了的，不要说TB了，甚至是PB。一般企业的数据量是差别很大的。刚才我说过大数据不仅是数据量，除了数据量还要看在数据上的分析和数据上的访问，这些在大数据上就是你的微博，那些公司做的事跟你企业上做的事也是有相同的地方。尽管你的数据量不一定是同样的，但是你可以从他那儿得到一些办法分析你的数据。所以从这方面来说，也还是可以得到很多很有用的秘密，要看他们公司怎么样分析。我给你另外一个例子，上午我是从美国飞到北京来，我要去买一张机票，有很多网站上都可以卖机票给你，现在美国有一些机票网站聪明到可以根据天气的好坏，根据汽油的价钱，根据以前从哪里飞到哪里，不仅是三个月，四个月，一整年的数据。那不像微博，但也还是有很大的数据量，可以从那些数据里面告诉你现在是该买的时候还是不该买。是不是要再等两天价钱会慢慢掉下来。我觉得从这里看，可以学到很多，微博要做的数据分析，一般企业也可以有。

主持人：就是他们之间还是有共通之处。那有差别吗?

郑玮：差别也很大。从微博来说，最主要是可以知道从消费者和顾客的眼光里面看出产品的好坏。比如说像美国，就是可以从Twitter得到这个产品很烂，这个产品很好，这个产品很棒等信息。你如果说这个货很烂，或者是很糟糕，可以从这个字里面得到数据，这是在微博和网站来说是最大的不同的地方。一般企业家来说，不会做这种从文字里面找到数据的事情。

主持人：那么就是说现在我们提大数据，对于企业来说可能对于这种BI、数据仓库有的甚至没有做，有的刚刚来做，我们没有开始之前也进行了这方面的沟通，说BI和大数据到底是什么样的关系，企业应该是先做BI，还是先做大数据，我们刚才也讨论了这样的问题。

郑玮：很多人这样问，我们公司是不是不做BI的话，那大数据是不是对我来说就没有意义了。其实我觉得这也不对，因为BI尽管是发展最快的，也发展了很久，但是很多公司并没有觉得BI是一个特别重要的事情。像我刚刚给你的例子，那不是一个一般性BI的问题，平时做那些报道，或者是给你的公司人看那些公司到底是做的好，做的坏，那些报道来说是比较正常的BI的用法。比如说给顾客一些推荐或者是给你一些更加有意思的服务，比如说可以在网站上听到一个音乐，下一次再听的时候会给你一些推荐，如果你喜欢这个肯定也会喜欢那个。就是那些推荐的办法，这种不是一般的BI的用处。大数据有一个有意思的地方是，会让你以前会做的事情变得更加困难去做，要有一定的软件或者是一定的办法去解决。但是有一些以前根本没有想到过的事情，跟BI没有关系的事情，现在作为大数据的话肯定会关注，因为这是你公司里面或者是你企业里面很重要的一点。所以我觉得不仅是BI，就算以前没有做过BI，大数据还是有价值，还是有氛围的。

主持人：就是说和企业做不做BI完全没有关系。

郑玮：不是说完全没有关系，不应该说你做了BI现在一定要看大数据，也不是说你没有做BI，就不用看大数据，他们是相关的，但是还是有不一样的用法。应该这么说。

主持人：其实对于企业来说，我们现在说大数据或者之前说云计算，比如说厂商是有一些他自己的说法，企业肯定也有他的一些用处，对于他来说这个东西到底是不是有用。我们就会问，是不是对于所有企业来说，都会用到大数据的东西，如果他想用的话在这个投入方面，会不会也是有一个比较大的投入?

郑玮：我觉得，为什么大数据那么红是因为在投入方面来说，因为很多平台都是开源的，不是跟以前一样，要花那么多钱去投入到作为数据分析的平台中，现在因为很多像Hadoop、NOSQL，HBASE的技术，很多不同的科技都是开源的科技，其实可以很容易地给那么多人用，大家都可以去网站下载，然后就可以用了。这在大数据这一块来说，是有很大的普通性。你说到底要花多少投入，我觉得从企业方面来说，当然不是只需要3、4个人在公司里面随便玩玩，做一些大事情的话，还是要有一定的投入，可能跟以前不太一样。还有另外一件事情，说起来就是现在在云那里，很多企业把自己的数据本来是放在自己那里，现在搬到云上面去，也是想做低价的数据分析。所以从做大数据方面来说，如果你看一下，比如说像美国Amazon EMR，他们就说你不要在一开始就买很多很多的软件，或者是买很多很多的硬件，你买一点用一点，买一点用一点。如果你要买25个小时，40个GB的数据处理时间，你可以就买那一段时间。所以我觉得云跟大数据加在一起的时候，有一些云的数据服务，对公司，特别是小的企业，不是投入很大，或者说如果他们没有很多钱去投入到数据方面，这是很有帮助的。

主持人：比如说对于国有的企业，对这种数据分析都有需求吗?还是说在一些特定的行业，他们才有这种需求?

郑玮：对于行业来说，从Informatica来看还是跟以前挺像的，比如说像金融方面来说，其中有很多在用大数据的平台做事。我从美国加州过来，就一个科技中心来说，还有你刚刚提到的微博，是有很大部分人在用这个东西。我最近看到一个很有意思的事情，就是在家里面控制的空调的机器，空调机现在会变得很聪明，会知道如果天气不好，你早上四点钟走，晚上四点钟回来，会自己做一些温度的调整。那些是你平时不会想到的公司，他们现在也用大数据的平台给你提供更好的产品。所以我觉得世界是在变。

主持人：那个空调就是跟物联网是有比较大的关系。

郑玮：对。

主持人：其实刚才您也提到了云的东西，比如说现在云和大数据也是会让人们经常联系在一起讨论，大家会说云和大数据是有什么样的关系吗?之前是云计算一直在被大家讨论，非常火。现在又出现了大数据，他们两者之间是不是有什么联系?或者是有什么样的关系存在?

郑玮：他们一定是有联系的，我刚才说帮你把大数据做数据分析的服务放到云上面去，这是很好的连结办法。但也不要搞错，这两个是很不同的平台，不管你是小数据，还是大数据，云都是有帮助的，这与你的数据到底放在哪里有关系。以前数据如果放在自己公司里面的话，当然会比较安全，从数据安全上说比较好。但是不可能让更多的人享用到数据的价值，所以云有一些不同的方面，大数据跟云在一起的时候也有一些不同的产品。不同的公司现在都在看，怎么样把云跟大数据合在一起，使数据拥有更加大的价值。这两个应该是不同的方面。

主持人：其实就是您刚才说的云上的数据分析，这可能也会是未来的发展趋势，有一些厂商也在提供类似的服务。

郑玮：其实有很多云，比如说像是Salesforce 专门为你提供一个CRM服务，CRM的数据不是那么大，但是现在除了给你很一般的服务，会给你更加高档的服务，在高档服务里面，那些数据分析会变成一部分。现在是一个机会，可以让很多不同的软件公司来为顾客服务，做一些很有意思的产品。

主持人：这对中小企业来说应该也是非常有利的事情吧?

郑玮：当然。我觉得云从一开始对中小企业而言，就是一个很好的帮助，但是现在因为有了数据分析产品或服务，对中小企业就有了更大的帮助。

主持人：其实刚才您谈话中几次提到了Hadoop，这也算是一个红人，各大IT厂商都有Hadoop支持计划，包括推出相关的产品和服务，Hadoop这种开源的技术是可以大幅降低成本的，刚才您也提到了这样一些产品。所以Hadoop对大数据的发展来说是一个非常重要的技术或者是首选的技术。

郑玮：我觉得Hadoop是大数据里面最重要一个科技部分，因为与其他不同的科技来看， Hadoop在很多方面是发展最快的，有更大的公司帮助其成长。因为就像你说，它是一个开源的科技，Informatica大概是一年半前就开始专门在Hadoop方面有所研究，我们最近发布的Informatica 9.5版本就要出专门为Hadoop做计算的软件。有一件事情很多人觉得其实挺难学的，因为主要是两个部分。一个是文献的收藏率HDFS，还有一个是MapReduce数据分析的工程。一般认为对从来没有做过数据分析的人来说，这是挺难学的，比如说要会JAVA或者是写一些不同数据的程序。Informatica现在觉得有很好的机会，可以让大众都来学Hadoop，不需要知道JAVA，如果现在你是Informatica的顾客，你就可以去做大数据的数据访问，也可以做大数据的数据处理，就跟以前做ETL，即做数据仓库的时候有很大一部分是T，那T部分可以在Hadoop上面做，不需要很专门的技术去支持这个软件。现在对大数据来说，很多人觉得大数据就是Hadoop，已经到这种程度了。但是我们都知道大数据不只是Hadoop，但Hadoop绝对是大数据很大的一个部分。

主持人：我好象也听到，比如说互联网的公司更倾向于用Hadoop，那企业来说是有能力或者是有精力做Hadoop这样的东西吗?

郑玮：就像我刚才说很多人有一点怕，以前比如说做数据仓库或者是数据分析都是用SQL，但是大家都知道怎么用，因为已经有十年，二十年这样做过了，现在来了一个Hadoop，有很多新的分析，有很多不同，有一些企业觉得我没有那些支持不知道怎么去用，也没有钱去训练相关人员。因此我觉得Informatica现在有一些企业的软件可以有很大的帮助。因为我们唯一的希望，就是你现在不用学那些特别的针对Hadoop方面的支持，我可以给你一个很容易使用的，而且跟你以前一模一样的，以前如果会做一般的ETL，现在就知道怎么用Hadoop，这是我们的一种希望，可能这产品出来之后，现在已经得到一些顾客的认同，顾客觉得挺高兴的，可以有这样的机会。

主持人：我不知道Informatica是否可以把在大数据方面的一些比较成功的东西，给大家分享，比如说有一些客户在用这样的东西。

郑玮：因为我们也是比较早在做，我们一般做数据分析或者是数据仓库，我们有一两千个顾客，在Hadoop上面，在大数据方面是比较少。但是最近有一个挺好的例子，我们有一个网站，是专门在线帮大家介绍婚姻或者是可以在一起交往的事情，这个网站是很有名的网站，其实从来都没有想过婚姻介绍会用到大数据，但是实际上也是有很多数据在里面的。他会分析你跟另外一个人的相配程度，他们用了Informatica的大数据平台，可以把他们的成本降30%，这是一个很大的成功。

主持人：对于他们来说，有一些什么样的对于业务或者是带来什么样的价值，这是怎么来评估的呢?

郑玮：因为就像我刚才说的，在以前没有Hadoop之前，或者是Informatica用Hadoop之前，他们只能看一堆很小的数据，比如说顾客已经三年里，每一次访问网站的时候都会做一些事情，又比如说你会做一些不同的事，每一次访问一样东西都会做成一个记录，以前没有大数据的时候，只能够解析一部分，比如说一个礼拜七天只能选三天，或只是看三个月的。但是现在可以看三年，每一天记录都可以拿进来，应该说数据的准确量和数据分析的准确量比以前提高了很多，从价值上说增加了很多。

还有一个就是成本，你所要花的钱降低了很多，所以一个是增加价值，还有一个是减少成本，这对Informatica来说，都是很好的一点。

主持人：这也是最终企业想要的东西所在。那我也知道郑玮是定居在美国，所以对美国的市场是不是有一些了解，也想知道在这种欧美用户和中国的用户在数据的需求，应用方面有没有一些差异和区别?

郑玮：我不应该说是专家，因为我对亚洲这边的用户还不是很了解，我这一次到中国来就是希望可以了解更多。但是从我现在看来，大数据还是在起步阶段。在美国。特别是在南加州，比如说有Facebook，谷歌，他们对大数据科技的影响很大。所以我觉得在美国的金融行业，是跑得比中国或者是亚洲快一点，在中国的顾客更多还是试试看，或者是学一下，知道一下。我们差的只不过是一个跑得快一点，一个跑得慢一点，基本做的事情是一样的。

主持人：现在在中国，包括云计算都是比较类似的东西，大家可能还是在它发展初期，都是试探性地看一看。最后一个问题问一下郑总，对于企业的CIO信息化负责人而言，他们如何看待大数据，如果他们想做这一件事情应该怎么去做，您可以根据您的经验给大家分享一些。

郑玮：我觉得如果你现在是一个CIO，如果企业想对大数据做一些了解的话，现在不要等，就应该开始。人家说十年，二十年，就像从云刚出来的时候有人说同样的话，这是很大的变化，对于我们这个企业来说是一个很大的变化。就算你现在的数量没有很大，或者是没有想到这一件事，从现在开始就起码要得到一些支持，得到一些经验，所以我的意思就是说，你如果有一些小的工程，就可以开始用这个科技去试一试，看你是不是能得到数据的价值。我觉得这是现在应该做的一件事情。

还有刚才说过很多不同的部分，比如说像数据的质量，这些是不能忽略的，不管是做大数据还是小数据，对不同数据方面来说，这一部分都一定要记住。

主持人：还有其他的吗?

郑玮：应该就是这些。

主持人：我们非常感谢郑玮女士给我们带来非常精彩的观点分享，也希望对我们的会员有所帮助。当然也希望通过我们这些谈话，希望对大数据有更加多的了解，我们也真的希望数据能为企业最终带来一些价值，这才是我们最终想要的东西。

我们也非常感谢大家的收看，谢谢。

郑玮：谢谢。