隨著生活的豐富，產生數據的設備也是愈來愈多，同樣需要處理的數據體積也是日益激增，各個機構也紛紛把眼光投向“大數據”這個術語。在這場數據的淘金中許多公司滿載而歸，然而“大數據”投資失敗的公司也不可謂不多，所以就有了之前的一篇文章“ Why Big Data Projects Fail”。對此，商業智能工具研發總監、esProc、esCalc高級顧問Jim King否認了這個看法，并以Google為例給大數據投資者提出了一些警示。

以下為譯文：

首先看一下大數據成功典范Google，看看他們是如何玩轉大數據的：

1. 收集數據，捕捉每個網站、電子郵件、Cookie內容，并提取關鍵信息。

2. 為信息創建復合索引。不用說，廣告相關索引是必不可少的。

3. 將目錄和內容儲存在分布式服務器中。

4. 當用戶瀏覽網站以及搜索或訪問電子郵件時，Google會對這些請求做復雜的轉換處理，同時幾個索引項會隨之確定。

5. 根據索引在服務器中查詢數據，返回搜索結果或者廣告。

在這里不難發現，與Hadoop有關的只有3和5，也就是數據儲存和查詢。而這兩項也是最容易實現的兩項，比如Hadoop就是個具有良好擴展性及低成本的解決方案。

那么實現3和5就可以像Google一樣發玩轉大數據了?很顯然不行，因為關鍵選項2和4并沒有實現，而2和4就是所謂的業務分析算法。這些算法由業務專家根據數據、業務知識、市場趨勢精心打造，是許多企業商業策略制定的重要手段及核心。這才是4V理論中的“Value”。

這也是現下許多大數據投資失敗的原因，因為當下的大數據只提供了數據存儲和查詢的策略，缺乏了提高企業競爭力的業務分析解決方案，而恰恰這才是最重要的。事實上，現在的大數據工具都是為IT專家打造的，他們可以通過C++或者Java實現MapReduce功能，但是卻無法提供有價值的商業算法。

因此大數據成功的關鍵不在于Hadoop是否部署成功，而在于對業務有幫助算法的制定，而在人才嚴重缺乏的當下，不妨從數據工具入手。降低工具使用的門檻，讓業務專家可以參與其中，才能發揮大數據真正的作用，對業務起到立竿見影的改善。

總結

工具的部署誰都可以，關鍵在于業務算法的制定，讓業務專家無縫的參與數據的分析才是成功之始。