僅僅在五年之前,諸如美國國家安全局(National Security Agency,NSA)這樣的政府機構要想通過關鍵詞的方式高效率地分析數百萬份電話、文本消息和在線聊天記錄,簡直是不可能完成的任務。但是一系列新技術的應用讓NSA擁有相對充分的人力和財力做到這一點。
哈佛商學院客座教授、數據分析專家湯姆?達文波特(Tom Davenport)指出:“這些新技術為政府部門節省了巨額開支,同時還極大地提高了政府部門分析此類數據的能力。雖然需要配套的數據中心支持才能完成數據分析任務,但這些技術的成本要遠比幾年前低得多。”
NSA斥資十二億美元在猶他州打造大型數據中心將于今年秋季投入使用。目前尚不明確的是,到底NSA在覆蓋全美的數據中心使用的是何種計算技術。但總體來說,這些技術被分為三大類型:
數據庫系統
大多數使用SQL編程語言的傳統數據庫是把數據存儲在由行與列組成的表格中。然而,當遇到存儲包括電子郵件或文本信息等字符串時,傳統數據庫就暴露了能力有限的弊端。而且它們還無法處理圖片或視頻。而于2009年年底開始出現的新型數據庫NoSQL(Not Only SQL,不僅僅是SQL)則突破了傳統數據庫的能力限制,可以允許數據分析專家針對所有類型的數據創建信息要求。這些新型數據庫包括MongoDB、Cassandra和Simple DB等。在幫助公司分析超大型數據組方面,NoSQL數據庫體現出了非凡的能力。比如,美國保險數據供應商Verisk Analytics Inc.的分析師就在針對數十億客戶資料不斷運行各種不同的數據模式和分析方法,以從中發現虛假保險索賠記錄。Verisk 副總裁兼首席信息官佩里?羅泰拉(Perry Rotella)表示,使用IBM提供的傳統DB2數據庫“需要通宵達旦地工作6個小時才能完成工作”。此后,分析師還得投入大量時間研究得出的數據結 果,并提出新的信息要求,而這恐怕還得再熬一個晚上。他指出,分析師每次都需要花費幾周時間才能創建出新的數據模型。Verisk最近剛剛開始使用更換后的NoSQL數據庫,分析師僅用30秒就能完成相同類型要求的運行。羅泰拉表示:“突然之間,你的模型建構告別了幾天才更行一次的傳統,變成了實時更新狀態。通過使用NoSQL數據庫,你可以在一天內多次進行數據運行,這極大地縮短了獲得數據結果的時間。這項功能簡直太強大了。”
機器學習
傳統分析要求分析師對數據有充分的了解,然后才能創建假設問題,進而針對數據庫提出復雜的問題。以機器學習和自然語言處理為核心的編程技術則依靠計算機程序來發現數據類型,甚至還可以根據上下文闡明模糊詞匯的意義。達文波特指出:“你可以把機器學習程序植入多個數據之中,然后你就會看到該程序會給你提供什么樣的分析結果。通過使用自然語言處理技術,你還可以分辨出‘炸彈’這個詞是百老匯舞臺劇的劇名,還是恐怖分子將會使用的武器。”權威市場研究機構Gartner Inc.的分析師道格拉斯?萊尼(Douglas Laney)指出,機器學習又被稱之為“認知分析”,它能夠讓分析師提出的問題不斷進行“自我修正”。比如,在新信息出現時,零售商就可以使用該技術來實 時自動更新計價算法。這些新信息包括天氣、時間、甚至是消費者在其零售店里的行為視頻。
Hadoop基礎架構
直到最近,還是只有造價昂貴的硬件設備才能夠運行特別復雜的計算機程序,比如超大型計算機設備。現在Hadoop開源軟件分布式系統基礎架構已經能夠讓從資料庫提取信息的過程進行分布實施。在這一過程中,不同的分析任務被分配給大量造價低廉的服務器進行分析,每個服務器只負責分析其中的一部分內容,然后這些內容又會在任務結束后被匯總在一起。達文波特表示:“這非常省錢,而且運行速度特別快。”這種將復雜的問題分配給大量造價低廉的計算機處理的能力有助于人們獲得問題的及時反饋,而且人們還會獲得大量的數據變量。比如,美國汽車信息網站Edmunds.com可以幫助汽車經銷商預測一輛車在他們自己的停車場里停留的平均時間。這種預測能夠最大限度地縮短一輛車售出的時長。Edmunds.com的首席信息官菲利普•波特洛夫(Philip Potloff)指出:“對于汽車經銷商來說,這可是衡量銷售業績最為重要的指標之一。”
原文來自WSJ,騰訊科技翻譯
本站內容除特別聲明的原創文章之外,轉載內容只為傳遞更多信息,并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創文章及圖片等內容無法一一聯系確認版權者。如涉及作品內容、版權和其它問題,請及時通過電子郵件或電話通知我們,以便迅速采取適當措施,避免給雙方造成不必要的經濟損失。聯系電話:010-82306118;郵箱:aet@chinaaet.com。