为何需要引入大数据？

一、引言

最近各种客户咨询项目中，往往涉及大数据引入必要性和价值意义的深层次挖掘，客户有数据，有平台，但是不知到底要不要上大数据，为何要上大数据和大数据可以带来哪些价值和意义。本文关于大数据的必要性进行阐述，来源实际项目，算是分享吧。

二、突破技术瓶颈

互联网技术催生了大数据时代的来临，大数据时代的数据形态有四大特点：首先数据体量巨大，非结构化数据的超大规模和增长占总数据量的80％至90％，比结构化数据增长快10到50倍；其次、大数据的异构和多样性，比如图片、新闻、博客、微博、微信等，比大更重要的是数据的复杂性，有时甚至大数据中的小数据如一条微博就具有颠覆性的价值；第三，价值密度低，大量的不相关信息，需要沙里淘金；第四，传播速度快，因此，需要实时分析而非批量式分析。

在大数据时代，面对如此海量快速的信息，纯人工监测互联网已经不可行了。自动化舆情软件成为大数据环境下舆情监测和分析的引擎。监测舆情可以设立一些关键词，首先要与自己机构相关，可以包括竞争者或者是合作伙伴，然后要放在特定网络媒体进行搜集。所有“信息碎片”搜集完之后，我们开始聚合信息，判断哪些和产品相关，哪些跟区域相关，哪些跟自己相关。把这些信息进行精确地采集和过滤、炼化分析，包括传播统计和分析(媒介分析、主体传播分布、传播路径分析、传播源头追踪)、敏感(负面)舆情、舆情信息传播趋势分析，预判所收集到舆情信息的未来走势。在此基础上生成舆情简报，舆情简报由系统自动生成，以日或周为单位，对本阶段监测到的舆情进行统计和分析，包括舆情分布、热点舆情排行、负面舆情分析、正面舆情排行等情况。

大数据时代自身的特点决定了我们既面临数据体量巨大的存储压力，同时面临海量数据信息过滤，数据加工、数据分析和平台运算瓶颈。要想突破传统技术瓶颈的约束，我们必须引入大数据技术。

三、摆脱成本枷锁

基于传统模式的舆情分析和历史数据存储，是建立在高性能服务器硬件和昂贵的关系型数据基础之上的。一方面硬件技术掌握在几大IT巨头手中，服务器的性能是以高昂的成本为支撑的；另外一方面硬件基础之上操作系统、应用软件和关系型数据库同样掌握在几大巨头手中，其价格同样不菲。此外规模的扩展、软件的升级和每年的服务费用也是非常昂贵。

基于互联网技术发展起来的大数据，以开源框架Hadoop、HBase为基础，以Hive、Sqoop、Pig、Flume等软件为工具，建立在X86-PC服务器和开源Linux操作系统之上。一方面硬件成本得以降低、另外一方面再无须为操作系统和应用软件支付高昂的Licence费用。可以说大数据技术将使我所在很大程度上摆脱传统IT厂商巨额的成本依赖。

四、促进业务创新

这部分涉及具体应用，视行业而定。在此制作一个方向说明：大数据的应用可以衍生新的服务，新的产品。

作者：张子良