遵循数据落地模型 “大数据操作系统”亮剑

原创
作者：王鹏 2015-09-15 11:53:08

云计算 企业在面对海量、实时、多源异构的大数据时，往往因为缺少平台、技术团队和经验而束手无策。其难度不亚于历史中任何一次企业转型。而目前的大数据技术和应用提供商中真正能够做到落地的少之又少。并非这些公司不愿意帮助实体企业落地大数据，而是因为面临的困难太艰巨，缺乏经验或者可以借鉴的案例，正所谓知易而行难。

    大数据发展行动纲要中提出了：企业“+大数据”，无论互联网企业还是实体企业都在思考和探索如何“+大数据”。

大数据挑战 依然存在！
    企业在面对海量、实时、多源异构的大数据时，往往因为缺少平台、技术团队和经验而束手无策。其难度不亚于历史中任何一次企业转型。而目前的大数据技术和应用提供商中真正能够做到落地的少之又少。并非这些公司不愿意帮助实体企业落地大数据，而是因为面临的困难太艰巨，缺乏经验或者可以借鉴的案例，正所谓知易而行难。

百思可（BASIC）模型 应运而生
    在为众多行业和企业提供大数据技术与应用的过程中，百分点总结了让大数据落地的五大要素：百思可（BASIC）模型。顾名思义，这个模型由BASIC五个字母组成。
    首先是核心信念（Belief）。数据是企业的“核心资产”，这必须成为企业***层决策者的核心信念。未来，数据=生产资料；数据技术=生产力；数据+数据技术=核心竞争力。如果企业的***决策者没有这样的核心理念和战略，企业的“+大数据”之路必将失败。
    第二个要素是是架构设计（Architecture）。对数据价值的信念只有通过设计和调整相应的组织架构才能得以渗透和传递到企业的各个层级。数据驱动的管理和运营的思想应该充分体现在面向数据业务的组织架构中。这并不是说要把原有的组织架构完全推倒，需要的只是局部的精心设计和调整。政府成立大数据管理局或大数据办，企业开始设立***数据官。很多企业的未来接班人将来自这些能够带来新思想和新架构设计的数据业务管理者。
    第三个要素是专业团队（Staff）。搭建专业的数据团队不难做到，但问题往往发生在团队建起来后。一个常见的错误就是把数据团队孤立起来，或者与业务完全隔离，或者仅仅让他们被动地提供数据。业务决策者往往因为不懂数据的处理过程或作用而不重视与数据团队的协作，导致数据价值无法发挥。只有让数据团队直接与其他业务团队沟通，主动思考业务机会，参与和支持业务决策，才能增加整个公司的数据利用效率。
    第四，基础设施（Infrastructure）。为了实现 “+大数据”战略，企业需要建设从数据的采集、存储和处理到分析和应用的软硬件设施。整套基础设施对人力财力和物力投入的要求是较高的，由于技术的进化，还需要持续的投入。不论出于节约成本还是专业化管理的原因，基础设施云化，交予专业的云平台公司全部或部分代管代运营，是大趋势，只是不同企业实现云化的程度有所不同。无论是本地化还是云端，基础设施的缺失将导致“+大数据”成为空中楼阁。

    企业常常问到的一个问题是：如何快速获得数据资产和进行数据变现。百思点公司表示：临渊羡鱼不如退而结网。没有一个容器，如何能承载和存留下来水呢？

    ***，机构能力（Capability）。对于实体企业而言，大数据能力是一种新型的综合能力。如果只有少数的高管和数据团队能够理解和运用，它还不能成为一种机构能力；只有数据核心信念从组织架构的顶层渗透和传递到了底层、且专业的数据团队嵌入式地参与和支持了各业务团队和决策流程，机构能力才有可能形成。一个企业是否具备了大数据这项机构能力，取决于它是否持续地运用大数据创造的新的商业价值。在百分点服务过的企业中，把数据能力融入到整体机构能力，并创造额外价值的成功企业典范是华为公司。数据驱动与技术驱动已进入华为的血液中，无时无刻不在通过数据发挥出巨大的商业价值。
    我们发现，BASIC模型的五大要素缺一不可，缺乏其中任何一环的企业，总是需要花费更多的成本和时间将该要素补上，才能达到预期的效果。对企业来说，如何高效落地执行“+大数据”这一战略，将成为与虚拟经济企业颠覆之战的胜负关键。

时代需要：大数据操作系统
    在大数据时代，我们面临的是难以想象的数据量及其复杂的程度，以及全社会对数据的极度依赖以及对数据技术的高度渴望，各路高手从自己的实践业务出发创造了很多的技术，但这些技术点往往解决一种问题，因为是他从自己的业务角度出发的，而不能解决面上的问题，但实际上我们却遇到很多的业务场景和业务问题，它不是单一的技术就能解决的，不是一个点一种技术可以解决的，往往需要多种技术的协同工作才可以，市场及业界都需要：全流程的大数据的解决方案。
    在这样的契机下，百分点根据自己的实践摸索出一套科学的解决方案，也是一套理论加上实践***结合的方案：BD-OS，大数据操作系统。
    如同计算机操作系统的概念，我们认为标准的大数据操作系统必须具备5个基础要素。存储管理，主要解决系统内部的数据存储问题；资源管理，主要解决资源的分配、调度的问题；任务调度管理，主要解决在系统里海量的调度，如何生成，然后协调、执行这样的问题；人机交互主要解决的是给用户提供一个什么样的方便的交互界面和工作环境；数据生命周期管理，这是非常重要的一点，如果没有它，就没有办法真正成为一款数据操作系统，这也是数据操作系统里最重要的一个特点之一。
    BD-OS从它的设计和开发基于这五个要素出发，很好的满足了这五个要素，其设计思想和产品亮点包括三个方面。首先，它开创了面向数据流程的架构（DPOA）这一方法论。基于既定的业务逻辑，DPOA定义相应的数据处理流程，并自动生成底层技术架构，将业务语言转化为大数据处理语言。其次，BD-OS还是一个高效的数据作业平台，它融入了数据流程管理（DPM）的思想,将业务链条中的各个环节和相互之间的关系,映射成对数据集、数据关系和处理逻辑的管理，通过对数据流程的创建、组合、调度和监控，将业务流程管理转化为数据流程管理。***，BD-OS采用了企业级服务总线（ESB）的理念，支持以热插拔的方式灵活集成各种异构系统及数据服务。即使是企业的传统IT系统，也能便捷并低成本地融入主流大数据架构。

[[149045]]
百分点研发总监兼BD-OS总架构师 刘国栋

    百分点研发总监兼BD-OS总架构师刘国栋表示：在数据2.0时代，传统结构型数据存储与计算已不能满足企业对海量与非结构化数据使用的需求。BD-OS为企业提供了端到端的大数据管理解决方案和可视化服务，其意义类似于PC时代从DOS向WINDOWS的革命性进化。