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(gòu)要想通過關鍵詞的方式高效率地分析數(shù)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(shù)據(jù)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(jié)省了巨額開支，同時還極大地提高了政府部門分析此類數(shù)據(jù)的能力。雖然需要配套的數(shù)據(jù)中心支持才能完成數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)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(shù)據(jù)庫系統(tǒng)
大多數(shù)使用SQL編程語言的傳統(tǒng)數(shù)據(jù)庫是把數(shù)據(jù)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(tǒng)數(shù)據(jù)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(xiàn)的新型數(shù)據(jù)庫NoSQL(Not Only SQL，不僅僅是SQL)則突破了傳統(tǒng)數(shù)據(jù)庫的能力限制，可以允許數(shù)據(jù)分析專家針對所有類型的數(shù)據(jù)創(chuàng)建信息要求。這些新型數(shù)據(jù)庫包括MongoDB、Cassandra和Simple DB等。在幫助公司分析超大型數(shù)據(jù)組方面，NoSQL數(shù)據(jù)庫體現(xiàn)出了非凡的能力。比如，美國保險數(shù)據(jù)供應商Verisk Analytics Inc.的分析師就在針對數(shù)十億客戶資料不斷運行各種不同的數(shù)據(jù)模式和分析方法，以從中發(fā)現(xiàn)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(tǒng)DB2數(shù)據(jù)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(shù)據(jù)結(jié) 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(chuàng)建出新的數(shù)據(jù)模型。Verisk最近剛剛開始使用更換后的NoSQL數(shù)據(jù)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(gòu)告別了幾天才更行一次的傳統(tǒng)，變成了實時更新狀態(tài)。通過使用NoSQL數(shù)據(jù)庫，你可以在一天內(nèi)多次進行數(shù)據(jù)運行，這極大地縮短了獲得數(shù)據(jù)結(jié)果的時間。這項功能簡直太強大了。”
機器學習
傳統(tǒng)分析要求分析師對數(shù)據(jù)有充分的了解，然后才能創(chuàng)建假設問題，進而針對數(shù)據(jù)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(fā)現(xiàn)數(shù)據(jù)類型，甚至還可以根據(jù)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(shù)據(jù)之中，然后你就會看到該程序會給你提供什么樣的分析結(jié)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(quán)威市場研究機構(gòu)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(xiàn)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(gòu)
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(xiàn)在Hadoop開源軟件分布式系統(tǒng)基礎架構(gòu)已經(jīng)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(nèi)容，然后這些內(nèi)容又會在任務結(jié)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(shù)據(jù)變量。比如，美國汽車信息網(wǎng)站Edmunds.com可以幫助汽車經(jīng)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(jīng)銷商來說，這可是衡量銷售業(yè)績最為重要的指標之一。”
原文來自WSJ，騰訊科技翻譯
本站內(nèi)容除特別聲明的原創(chuàng)文章之外，轉(zhuǎn)載內(nèi)容只為傳遞更多信息，并不代表本網(wǎng)站贊同其觀點。轉(zhuǎn)載的所有的文章、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權(quán)者。如涉及作品內(nèi)容、版權(quán)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(jīng)濟損失。聯(lián)系電話：010-82306118；郵箱：aet@chinaaet.com。