大数据的管理（二）

我们该如何管理数据呢？接下来的章节提出的问题，值得你去深思。

Data Management

大数据是为了解决复杂的企业优化问题。为了充分利用大数据，我们必须认识到，数据是一个重要的企业资产，因为数据是互联网经济的命脉。今天的组织依靠数据科学可以做出更明智和更有效的决策，通过创新产品和运营效率创造竞争优势。

然而，数据首先是债务。数据采集，硬件，软件，操作和人才的成本非常高。没有正确的管理，我们就不可能有效地从数据中提取价值。为了使大数据成功，我们必须有所有的规则来管理作为宝贵资源的数据。数据管理比数据库管理更广泛。这是一个以成本有效的方式捕获，交付，操作，保护，增强和处置数据的系统过程，需要不断加强计划，政策，计划和实践。

数据管理的最终目标是增加数据的价值主张。它需要认真仔细地考虑，并应从一个数据策略开始，定义一个路线图，以数据驱动的方式满足业务需求。要创建数据策略，请仔细考虑以下问题：

•我们试图解决什么问题？大数据能带来什么价值？大数据很火热，因此许多公司都选择拥抱它。然而，大数据为大数据显然是错误的。其他的案例不一定是你想要的东西。要收集大数据的价值，深入了解您的业务和解决的问题是至关重要的。

•谁掌握数据，谁拥有数据，谁可以访问数据？数据管理是一组过程，是确保重要的数据资产在整个企业中可以得到正式管理。通过数据管理，我们期望数据管理员和数据托管人对数据进行积极的控制。数据托管人负责数据的安全保管，运输和存储，而数据托管人负责数据元素（内容和元数据）的管理。

•我们需要什么数据？这可能看起来很明显，但它通常只是回答“我不知道”或“一切”，这表明此时缺乏理解商业实践。每当这种情况发生，我们应该回去回答第一个问题。如何获取数据？数据可以从记录，日志文件，调查或第三方的内部系统收集。可以修改事务系统以收集用于分析的必要数据。

•在哪里存储数据和保存它们多长时间？由于各种数据，今天的数据可能存储在各种数据库（关系或NoSQL），数据仓库，Hadoop等。今天，数据库管理超越了关系数据库管理。因为大数据也是快速数据，所以永远保存所有数据是不切实际的。需要仔细思考来确定数据的寿命。

•如何保证数据质量？垃圾进入，垃圾离开。在没有确保数据质量的情况下，大数据不会给业务带来任何价值。随着大数据的出现，数据质量管理比以往任何时候都更重要，更具挑战性。

•如何分析和可视化数据？大量的数学模型可用于分析数据。简单地应用数学模型不一定会产生可行的见解。在谈论你的数学模型之前，先了解你的业务和问题。引导模型与你的见解（或机器学习的先验），而不是由无法解释的黑箱模型的数量领先。此外，可视化非常有助于探索数据和呈现分析结果，一图千字。

•如何管理复杂性？大数据非常复杂。为了管理复杂性和改进数据管理实践，我们需要制定问责框架，以鼓励符合组织的业务战略，优势和优先事项的期望行为。

我们相信，在思考和回答上述问题后，将会拥有一个良好的数据策略。