大数据

数据仓库研究所（TDWI）报告称，随着技术问题的解决，大数据已经成为至关重要的资产。

进行海量数据挖掘的企业在进行分析的时候，传统数据仓库和商业智能工具应对已经力不从心，大数据分析技术和方法被证明对提升业务洞察力非常有帮助。

“当企业想方设法管理海量数据的时候，大数据通常都会带来技术问题，”TDWI分析师及报告作者PhilipRussom说到。“现在，如果你使用分析的方法来处理这个问题，你就能从大数据中汲取到以前未能享受到的很多好处”——传统商业智能和数据仓库技术中带来的好处。

IBM还宣布全球将启动一项1亿美元的用于技术和服务研究的持续研究计划。这些技术和服务用于帮助客户管理和开发那些多变、快速和容量持续膨胀的数据。

对于NetApp来说，所理解的大数据包括A、B、C三个要素：分析（Analytic）,带宽（Bandwidth）和内容（Content）。

运行SQLServer的微软客户将通过Hadoop的引入获得真正的大数据处理能力。

尽管传统基于事实的BI分析模型也能够为企业带来价值，但是大数据分析为企业从多种数据源中挖掘分析铺平了道路，找出对未来企业战略具有影响的位置因素，能够大大提升效率并降低成本。

Informatica公司日前宣布，根据AberdeenGroup最新公布的名为《未来的集成需求：拥抱复杂数据》的研究报告，复杂大数据集成非常必要。

面对全球数据量的成倍增长，传统的数据运算模式将不再能胜任需要，运算效率和资源优化将再次成为影响业务发展和人们日常生活的瓶颈问题。

随着数据中心和云环境中的大型数据不断增长，如何管理同时传输数百万条记录的网络成为前所未有亟待解决的问题。

著名机构IDC对大数据技术的定位为：通过高速捕捉、发现和/或分析，从大容量数据中获取价值的一种新的技术架构。

PlatformMapReduce已经成为企业面对“大数据”挑战最值得信赖的基石。

大数据在结构化数据或是数据库来讲，对BI的管理能力非常重要。大数据对非结构化数据来讲，尤其是对服务媒体行业来讲，它是能提高效率降低整个IT成本的一个比较好的举措。

BenjaminWoo在演讲中谈论到，大数据将挑战企业的存储架构及数据中心基础设施等，也会引发数据仓库、数据挖掘、商业智能、云计算等应用的连锁反应。

关于大数据的最重要的特点是，传统的数据处理工具或存储管理技术不能充分处理它。因此，在竞争激烈的行业划分中，所有这些数据是如何转为可利用的知识产权，已成为行业领导者和落伍者之间的关键区分。