企业大数据的三种解决方案

　　企业在开展大数据战略时，往往面临多种实施解决方案的路径可供选择。由于企业需求、背景和环境的不同，所适用的解决方案和实现方式也会有所差异。对大多数企业而言，适合企业的解决方案才是最好的，而非是那些价格最贵、功能最全的。

　　企业大数据解决方案实现方式

　　工欲善其事必先利其器，企业大数据解决方案既包括大数据产品和工具层面，又包括服务层面。企业大数据解决方案根据实现方式的不同可分为完全独立研发、直接购买第三方解决方案和借助第三方的力量进行联合开发三种。

　　一。 独立研发

　　独立研发指的是企业内部通过组建大数据中心或部门，独立进行大数据项目的研发。企业独立研发大数据平台，在数据安全、技术可控、后期扩展等方面具有重要意义。

　　数据安全：独立研发过程中的所有数据从输入端到输出端的整个流通都在企业内部进行，数据不会因为平台的开发以及外部人员的介入而产生数据安全性问题。

　　技术可控：大数据平台的所有技术、组件、功能、代码等均由企业完全控制，这对于后期架构重构、代码优化、接口扩展、系统解耦等非常重要。

　　后期扩展：独立研发的大数据方案在应对业务需求更变、数据源增加、数据环境异构、系统部署升级、硬件平行扩展等运维过程中，会表现出更好的适应性、灵活性和扩展性。

　　但是，这种方式并不适合所有企业，它对企业来讲具有以下几个方面的要求和限制：

　　技术要求：要进行完全的独立开发，对于大数据解决方案的所有环节，例如架构、运维、开发、部署等具有非常高的技术要求。

　　解决问题的能力：在大数据解决方案的开发和落地过程中，会面临各种挑战与问题。

　　有些问题来自于客观运行环境，也有些来自于技术能力和业务对接过程中。这就要求大数据项目的策划者和推动者具有较高的分析问题、解决问题的能力。

　　时间投入：大数据技术的开发往往需要一定的人力和时间投入作为保障。与此同时，外部市场环境的瞬息万变导致大数据项目的价值需求也会与这种时间限定之间产生矛盾，因此企业也需要有效协调二者的关系。

　　资源精力：由于大数据解决方案是服务于企业所有体系和部门的，因此在实践过程中需要投入很大的资源和精力进行资源协调和利益平衡等；再加上企业初次实施大数据项目时的经验有限，因此在处理这些问题时需要投入的资源更多。

　　行业专家：大数据解决方案不是纯技术性的工作，而是结合了技术、数据和业务的全视角方案，这就在客观上要求企业内部需要有一批了解技术、数据和业务的复合型专家以及各个细分领域的资深带头人，这样才能保证方案落地的可靠性、有效性和价值性。

　　综上，独立自主研发的方式更适合具有下列特点的企业：企业内部有一批专家、具有非常强的解决问题的能力、较强的技术实力、充足的资源保障、对大数据没有较强的时间紧迫性要求。除此以外，企业对于数据安全、技术可控、后期运维方面的需求较为明显。

　　二。 第三方解决方案

　　由于国外市场的开发性、企业运营的成熟性以及法律法规保障的完善性，很多国外的大型企业尤其是上市公司通常更愿意直接购买成熟的大数据解决方案。直接购买第三方成熟的解决方案具有如下优势：

　　标准解决方案：利于在内部各个办事处、子公司、子体系内的推广应用，整个部署、管理和应用都是相对标准化、流程化、规范化的，符合现代企业运营的要求。

　　弹性付费方式：第三方解决方案尤其是云服务都允许客户根据自身需求进行资源的弹性配置，然后再做弹性付费，这是一种非常灵活的付费方式。

　　动态资源配置：对于企业大多数需求的变更，都可以通过灵活的资源设置来匹配，这是一种简易且高效的资源配置与供需匹配方式。

　　行业经验积累：很多第三方解决方案都会根据行业做聚焦和细分，并推出行业性的垂直解决方案，提供比较成熟的环境配套、组件搭配、框架优化和应用模型等，这对于企业快速将大数据进行成果转化具有极其重要的指导意义。从一定程度上看，不同的大数据技术方案在技术本身差异不大的前提下，成熟的行业应用和价值落地模型则是企业大数据价值差异化的关键。

　　自动化运维服务：基于云平台的解决方案，服务供应商将提供自动化运维管理能力，这将大幅度降低企业日后的运维成本。

　　可靠的防护体系：安全一直都是IT关心的焦点之一，云平台的解决方案服务提供商都会提供全面的安全解决方案，并通过全方位纵深防御体系来保障云服务的安全，企业无需为安全担忧。

　　第三方解决方案在提供了一定的安全性、便利性、可靠性的同时，也会带来一定的不足：

　　无法提供定制化服务：即使能进行弹性配置，前提也是标准化的组件或服务，其中都是将行业内的通用应用规则进行固化，因此无法根据不同企业的需求进行定制开发，这在客观上会限制企业内部个性化需求的实现。

　　关键技术的不可见：第三方解决方案都会对关键技术、组件等进行封装或加密处理，使得其中的关键技术不可见，这将不利于企业的技术积累和创新。

　　云服务的可靠性：大多数的云服务在正常情况下都会提供相对稳定的可靠性，但在某些极端条件下，云服务的可靠性会面临巨大考验。比如，在双11这样的大型活动中，某云服务商会调用所有可用资源来保障其自身的可靠性，进而会对其他客户对云平台服务的可靠性造成威胁。

　　很难进行二次开发：第三方解决方案由于对关键技术的封装将严重限制企业根据自身需求进行二次开发，即使提供了一定的API或REST服务，也只能在既有功能下进行二次调用。

　　云数据的安全性：基于云端的大数据解决方案应用的前提是将数据放到云端（通常是第三方服务平台），这对于企业意味着数据存在安全隐患和泄露风险。对很多大型企业来讲数据即企业机密，尤其是有关企业核心竞争力的数据将不被允许在企业外部流通。

　　综上，直接采用第三方解决方案更适合希望借助第三方的平台快速进入大数据工作状态，借助其成熟经验将大数据的价值迅速落地，并在后期运维过程中不想投入太多的企业；但对于技术完全可控、二次开发需求大、数据安全要求高的企业将不适用。

　　三。 联合开发

　　联合开发是一种介于上述两种解决方案的折中方式，它是企业与第三方服务商一起进行大数据解决方案开发的方式。这种方式能融合二者的优点，并对缺点进行有效补足：

　　技术可控性强。联合开发过程中所有的源代码都是对企业开放的，有利于企业自身技术积累和技术创新；另外，基于对产品的完全可控性，企业也可以借此申请技术和产品专利，这对于增强企业核心竞争力、增加行业进入壁垒、提高市场覆盖规模、提高企业技术高度具有非常高的战略价值。

　　数据安全性高。联合开发都是完全在企业内部封闭进行的，这将有效保障企业数据安全。

　　开发周期较短。借助于第三方服务商的成熟经验，可以在架构设计、代码开发、测试上线、后期运维中提供非常多的宝贵经验，甚至很多大型第三方服务商还提供了可供二次开发的“半成品”类的大数据产品、组件和服务，这些都能够极大地缩短开发周期。

　　二次开发灵活。正是由于所有的代码完全由企业掌控，企业在后期二次开发、升级和个性化定制过程中具有了完全自主性。

　　价值落地较快。第三方服务商可提供成熟的价值落地场景和数据应用模型，并且可以根据企业数据规划和需求提供更新、更个性化的价值落地应用，极大地促进了大数据价值落地。

　　综上，联合开发方式更适合那些想要对数据、技术完全可控，并且将大数据战略作为重要发展战略和核心竞争力的企业，这些企业通常内部已经具有一定的技术实力、较多的行业专家、相对明确的数据规划和预期。