大数据时代，传统商业智能hold住？？

时至今日，大数据时代（海量数据)的来临已经毋庸置疑，尤其是在电信、金融等行业，几乎已经到了"数据就是业务本身"的地步。据IDC最新报告预测，到2015年大数据技术与服务市场将达169亿美元，2010年为32亿美元。年增长率达40%，是整个IT与通信产业增长率的7倍。

从论坛到游戏社区再到微博，从互联网到移动网再到物联网，已经产生而且还将继续产生越来越多的大数据。这些大数据量蕴藏着极其丰富的商业价值。谁能更好地分析这些数据，及时发现商业异常、共性、捕捉市场变化，谁就把握了企业经营决策的命脉。

在大数据环境下，如何利用大数据为企业服务，并通过商业智能将其价值发挥到最大，已成为企业寻找商业价值的根基所在。传统商业智能工具在面对大数据量存在的情况下可谓是疲惫不堪，很多企业正在为大数据处理揪心不已。 笔者认为：

传统商业智能在面对大数据量存在的问题：

1. 巨大投入

传统商业智能解决方案寄希望于强大的服务器来进行大数据量存储和大数据量数据处理。这种大主机思路能够解决一时的问题，但在财力和人力上，意味着巨大的投入。令人沮丧的是，这种投入不是一时的，而是长期的、持续的。

2. 无法应对大数据量的增长

不断增长的大数据量，有时候是指数级增长，这就意味着需要有比以前强大数倍甚至数十倍的服务器来支持这样的大数据量的数据增长。

3. 无法实现大数据量下的数据分析的需求

部署这种复杂的商业智能方案，往往需要半年到一年的周期，而其部署的数据模型复杂性，难以承受商业运作的变化。风云变幻的市场环境，最需要敏捷商业智能平台的强力支撑。

为解决此问题，业界出现了很多成熟的分布式存储框架，可以很好地解决非结构化下的大数据量的存储和高效的大数据量下的数据计算所带来的问题。基于这些架构虽然能够较好的解决传统商业智能在大数量下的数据存储方面的问题，但他们对于实时大数据量数据计算和分析的商业智能应用支持较差。他们往往是通过批处理(Batch Job)的方式来分析大数据量的数据。这样的处理在一定时间的延时，可能是几小时，也可能是几分钟。

如果您的信息处理、数据分析需求能够容忍这种延迟，那么分布式存储框架能够解决您的燃眉之急。但对那些需要实时大数据量的数据分析，及时发现商业异常、共性、捕捉市场变化来帮助企业经营决策的企业是无法容忍延时这一点。

思达商业智能平台 Style Intelligence 中的云智能分布式数据处理架构迎合了对大数据量的敏捷性分析需求，能够快速捕捉大数据变动，动态把握市场动向的灵活要求， 帮助企业实现决策的敏捷性以及高效性。

文章转自：http://www.inetsoft.com.cn/services/KnowledgeBase/analysts/MV_vs_intelligence/