大数据技术对于数据挖掘的未来究竟意味着什么

谨慎行事

大数据技术正在迅速发展。正在使用大数据技术的一些企业自己就拥有非常精通技术的IT专业人员，可以很好地适应大数据技术的进步以及企业的需求。

“假如企业尚未具备部署大数据的条件，也可考虑选择一家服务提供商——可能是一家云服务商，或者可以等待大数据技术成熟到了某个时点，有了大量成熟的软件产品和有支持的服务时再采用，”Olofson说。

毫无疑问，数据挖掘领域已经发生了彻底的变化。但是分析师们认为，大数据技术不会完全取代今天的数据仓库和数据挖掘工具。

“现有的数据挖掘实际上因为并没有非常大的数据，所以需要构建相对复杂的分析模型，”Gartner的Collins说。“而现在，大数据为企业提供了非常巨量的数据，这就意味着企业不再需要构建复杂的分析模型了。因此，数据挖掘的分析方式将会发生重大变化。”

Olofson说，“我得观点是，大数据实际上会扩展数据仓库的市场容量。企业会使用诸如MapReduce的技术，无论是Hadoop还是其他一些商业扩展产品，生成一些很有意思的商业智能数据，而这些数据是之前根本无法获得的。然后，为了重复使用这些数据，跟踪历史数据，企业将会把这些数据放入数据仓库，这实际上就是在扩展其数据仓库的使用。”

大数据的规模代表着另一个挑战，Collins说，“其实目前尚未有部署和使用大数据技术的成熟的体系架构模式，所以我们必须边干边学习。”

不过Collins认为，大数据技术本身的一些风险正在消除，因为已经有不少预包装的工具可供选择，但是该项技术仍然非常像一个编程接口——这对商业智能来说可以说是一种倒退。举例来说，“Hadoop就是一个技术性相当强的系统，不过在商业智能的推动下，已经逐渐进入企业和桌面，有着非常有好的用户界面。虽然使用Hadoop会在普及上后退一步买单时一些新兴的厂商将会帮助我们把它推向需要它的用户社区。”

“大数据技术还需要出现一些质的飞跃，我们必须把这些工具给到业务单位的用户手中，但目前还做不到这一点，”Collins补充道。

关于大数据技术的三大误区

业界对于大数据是什么和它能够做什么还存在着非常多的混淆。以下就是有关大数据的三大常见的误区：

1、关系数据库不可能扩展到非常庞大的体量，因此它也不需要考虑大数据技术。(这不是真的)

2、Hadoop或者其扩展，如任何MapReduce环境是大数据的最佳之选，而不必去考虑实际的工作负载或者使用环境。(这也不是真的)

3、关系型数据库管理系统的时代已经结束。真正关系的开发只能在大数据的部署中获得。