数据准备是大数据分析的无名英雄

随着企业花越来越多的时间来分析数据，清理和准备数据的解决方案将会变得更有价值

现在大数据是热门话题，你在任何地方与任何人交谈很难不提到大数据。事实上，大数据的术语有点被过度使用，它对不同的人意味着不同的东西，但所有这些定义都有一个共同点，那就是数据!

上面我们说大数据依赖于数据，这似乎很明显，但大数据分析的成功需要的不仅仅是原始数据，还需要好的高质量数据。所以，更准确的说法应该是，大数据的成功需要准备好的数据。对于分析，有句古老的格言，“进来是垃圾，出去也是垃圾”，这意味着如果你把大量参差不齐的数据放到分析解决方案，你将会得到不好的结果。

数据的清理和准备历来都是漫长的艰巨的耗时的过程。当笔者还在Yankee Group公司时，他们迁移CRM系统，在迁移工作之前，该公司花了一年时间来清理现有系统中的记录数据，以确保不会迁移不好的数据。虽然他们做了这么多工作，仍然有很多不良信息被迁移过去。

最近，笔者看到一家被称为Paxata的公司，该公司提供的解决方案可以进行所谓的“自助服务自适应数据准备”。在分析或运营报告工作之前，该技术可以整合、清理和形成数据。市面上很多现有的商业智能产品声称可以简化分析过程，但事实是，大多数数据科学家和数据分析师花费大量时间来为分析准备数据。鉴于此，笔者认为，大多数企业宁愿聘请高薪人才找出数据的含义(+微信关注网络世界)，而不是清理数据。

Paxata提供数据整个生命周期的准备，包括探索、清理、更换、形成和发布数据以进行分析。该产品还允许不同的数据团队共享相同的数据集，让不同的团队可以同时编辑和访问多个设备的信息。该产品还是一个管理解决方案，它会追踪项目内的每个步骤，并有完全的重放功能来审查已经完成的更改。

Paxata的用户可以提高对大型数据集的分析生产率，同时最小化数据蔓延的危险。该产品既可作为云服务—确保数据准备的灵活性，也可以作为内部部署的解决方案，它可以整合到hadoop以更快获取价值。

正如上文所述，大数据现在是一个热门话题，但企业和IT领导者需要明白，分析糟糕的数据意味着糟糕的分析结果，可能会造成错误的商业决策。正因为如此，笔者希望看到数据准备技术会开始像大数据一样热门。

via：网界网 作者：邹铮编译