EMC变奏大数据三步曲

答案是，EMC的大数据“三步曲”：

第一个阶段，构建云基础架构。海量的结构化和非结构化数据需要存储能力来支撑，避过传统存储和管理方法的瓶颈。第一个阶段EMC有两大利器，一个是EMC在2010年收购Isilon获得的横向扩展能力，可以很好地解决数据量爆炸而存储容量增长跟不上的问题。而另一个Atmos云存储基础架构提供了高效存储和管理分布式大数据的方法。

这里蔡汉辉也向记者介绍Isilon和Atmos产品在中国的一些案例。现在Isilon在中国已经有80多家企业级用户，其中华大基因利用Isilon分析基因数据信息，数据量超过7PB；另一个用户浙江省图书馆的数据量也超过1PB。蔡汉辉还透露，一个多月前Atmo刚刚被三大电信运营商之一所采用，用于搭建公共云平台。

当然除了存储能力之外，大数据更重要的是能够分析PB级数据的分析引擎。原先的业务分析方法是具有局限性和预定义的，缓慢被动且洞察力有限，现在大数据的分析要求能够扩展和迭代，敏捷且主动，洞察力和关联性增强。

Greenplum在这个阶段扮演了关键的角色，不仅有用于结构化数据分析的MPP数据库——Greenplum Database，还有针对企业级非结构化数据的Hadoop平台——Greenplum HD，结合开放的设计给大数据提供所需的高性能分析技术。

据了解，EMC Greenplum今年在中国市场有潜在的一些超大型客户，除了金融和电信，李宁和劲霸男装这样的中小企业市场对Greenplum一体化解决方案有一定的需求，有三家Tier 1电商客户正在与Greenplum合作。

第二阶段，数据科学协作和自助服务，也就是社交化的阶段。采访中EMC提出了一个新的角色概念——“数据科学家”，随后这个话题也在笔者的微博上引起了热烈的讨论。在EMC看来，大数据的出现触发了IT角色的转型，“数据科学家”的出现是一种必然，Ta应该是具备数据计算，深厚的BI经验，了解企业业务的人。

大数据让数据科学家与IT、业务部门之间的界面被打破，创造一个可以分享信息和数据分析结果的社交平台，于是Greenplum Chorus应需而生。Chorus的中文意思是“合唱团”，生动地说明Greenplum Chorus是一个统一协作的社交工具，不仅包括结构化和非结构化数据的处理，而且还有数据平台管理员、数据库管理员、数据库学家、分析师、工程师等等这样一个团队的协作与分工。

第三阶段，支持大数据的应用程序，实时决策让数据“货币化”。在EMC看来，现有的打包应用和定制应用这两种模式各有利弊，前者虽成本较低，但灵活性较差，需要精确的模型才能取得成功；而后者虽是按照用户需求量身定制，但缺点是流程缓慢且昂贵，增长和营收难度较大。

为了权衡这两种应用模式，EMC提出了以应用为重点，通过应用让企业具有预测分析能力的观点。“敏捷开发”即针对客户需求，避免定制化可能存在的不足之处，而且是基于迭代的渐进式软件开发模式，同时用户需求和解决方案都是在逐步演进的。
在3月刚刚收购的Pivotal Labs帮助EMC完成了第三阶段版图的拼接。它为敏捷开发提供服务和软件，Salesforce.com、Twitter、BestBuy和Groupon都是Pivotal Labs的客户。

总的来看，EMC的大数据就是这样一个统一的分析平台。大数据之旅第一步是如何对平台进行改造。第二步是如何通过数据科学让生产力提高，第三步是怎么把数据分析的结果更好的运用到实时决策，指导业务部门做出更好的流程改进。