越來越多的人開始重視“數(shù)據(jù)技術(shù)(DT )”， 也就是從傳統(tǒng)IT的以事務處理技術(shù)為核心，逐步轉(zhuǎn)向?qū)Ｗ⒂跀?shù)據(jù)本身。“數(shù)字化”，“物聯(lián)網(wǎng)”和“云計算”讓一切皆可“量化”，所有的系統(tǒng)和設(shè)備每時每刻都在產(chǎn)生大量的、不同格式的、混雜的數(shù)據(jù)。利用好這些數(shù)據(jù)，可以讓我們更全面的了解我們身處的世界。

　　甲骨文公司副總裁及企業(yè)績效、商務智能和大數(shù)據(jù)業(yè)務中國區(qū)總經(jīng)理 高禮強

利用大數(shù)據(jù)的關(guān)鍵在于縮短業(yè)務人員和數(shù)據(jù)之間的距離。我觀察到國內(nèi)越來越多的客戶在計劃實施大數(shù)據(jù)項目，他們其中大多數(shù)都有在“小”數(shù)據(jù)時代建設(shè)傳統(tǒng)數(shù)據(jù)倉庫(Data Warehouse)、數(shù)據(jù)挖掘(Data Mining)和商業(yè)智能(Business Intelligence)的經(jīng)驗，但由于缺少對大數(shù)據(jù)思維變革的理解，往往事倍功半。究其原因，主要是忽略了大數(shù)據(jù)所要處理的，不僅有傳統(tǒng)結(jié)構(gòu)化的高價值密度的業(yè)務數(shù)據(jù)，還包括規(guī)模巨大且結(jié)構(gòu)多樣化的低價值密度數(shù)據(jù)。因此，做大數(shù)據(jù)分析所采用的分析策略和技術(shù)手段，必然有所不同。打個比方，如果我們傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)分析項目主要做的是1+1=2的因果關(guān)系分析，那么大數(shù)據(jù)其實更需要做的是A+B+C+D=?的關(guān)聯(lián)度分析。換言之，傳統(tǒng)的數(shù)據(jù)分析項目做的通常是可以預知的事情，提高的是業(yè)務管理效率，而大數(shù)據(jù)探索是要尋找潛在的業(yè)務規(guī)律，和可能帶來的業(yè)務創(chuàng)新。

　　因果關(guān)系示意圖 關(guān)聯(lián)關(guān)系示意圖

可視化探索+關(guān)聯(lián)性分析 =“全數(shù)據(jù)”洞察

在“小”數(shù)據(jù)時代，做好數(shù)據(jù)關(guān)聯(lián)關(guān)系分析和因果分析已屬不易。數(shù)據(jù)很難得到，收集整理過程也往往耗費巨大。從了解需求、建立假設(shè)、創(chuàng)建模型，再通過實驗來驗證假設(shè)。由于一切都始于假設(shè)，這些分析就都有受偏見影響的可能，而且極易導致錯誤。

如果用這樣的方法去做大數(shù)據(jù)項目，通過數(shù)據(jù)整合、治理、清洗、建模、挖掘分析和展現(xiàn)的過程，業(yè)務用戶距離數(shù)據(jù)仍然是比較遙 遠的。而一旦人們依賴主觀的經(jīng)驗對低價值大數(shù)據(jù)進行清洗，必然客觀上會導致數(shù)據(jù)價值的無辜流失。所以，對于大數(shù)據(jù)項目來說，如果你能對大數(shù)據(jù)有基于全數(shù)據(jù) (而不是清洗后的數(shù)據(jù))的可視化探索洞察，就能在理解數(shù)據(jù)關(guān)聯(lián)基礎(chǔ)上，更好地進行高效的數(shù)據(jù)價值發(fā)現(xiàn)。甲骨文作為數(shù)據(jù)管理與業(yè)務分析軟件領(lǐng)域的市場領(lǐng)導 者，為客戶提供最全面、集成度最高的大數(shù)據(jù)解決方案，幫助各種規(guī)模的企業(yè)組織發(fā)現(xiàn)大數(shù)據(jù)的關(guān)聯(lián)價值，幫助更好制定和調(diào)整業(yè)務戰(zhàn)略、優(yōu)化運營、抓住新的市場機遇。甲骨文的大數(shù)據(jù)信息探索工具Endeca和新一代的面向Hadoop技術(shù)的甲骨文大數(shù)據(jù)發(fā)現(xiàn)(Oracle Big Data Discovery, Oracle BDD)是強大的可視化大數(shù)據(jù)探索工具，是集發(fā)現(xiàn)、探索、轉(zhuǎn)變、挖掘、展現(xiàn)和共享為一體的端到端大數(shù)據(jù)關(guān)聯(lián)分析平臺。

汽車行業(yè)大數(shù)據(jù)應用：實現(xiàn)高效售后服務

為了方便大家理解，我這里與大家分享兩個生動的Oracle BDD的應用案例。我們有一個汽車集團的用戶，這個企業(yè)的大數(shù)據(jù)系統(tǒng)非常復雜，匯集了包括零部件采購數(shù)據(jù)、產(chǎn)成品數(shù)據(jù)、庫存數(shù)據(jù)、銷售數(shù)據(jù)、售后維修維護數(shù)據(jù)、售后T&M開銷數(shù)據(jù)、客服中心受理數(shù)據(jù)、客戶網(wǎng)上投訴數(shù)據(jù)、多個汽車論壇的互聯(lián)網(wǎng)輿情數(shù)據(jù)等等。

我們的客戶通過Oracle BDD進行大數(shù)據(jù)探索，可以成功地了解到哪些問題和哪些部件的關(guān)聯(lián)性高、哪些問題和維修量關(guān)聯(lián)性高等有價值的信息。當客戶的業(yè)務分析師進入BDD的應用界面，首先可以看到所有220個數(shù)據(jù)屬性(維度)的面貌，包括生產(chǎn)了多少車、有多少車在庫、有多少車在修、花費多少人工在修、各種產(chǎn)成是多少等等。在這些基本信息之外，也會看到各種從非結(jié)構(gòu)化數(shù)據(jù)中提煉出的“云標簽”屬性，即客戶哪些抱怨比較多、哪些車存在哪些問題，而且是通過不同大大小小的標簽文字來直觀地表達出來，那些大一些的標簽代表發(fā)生概率比較高的數(shù)據(jù)對象。

其中有一個典型的場景，客戶發(fā)現(xiàn)一些用戶常常抱怨汽車冒煙的問題，于是就在BDD的搜索框中輸入“冒煙”，BDD實時搜索關(guān)聯(lián)出所有與冒煙有關(guān)的信息，包括冒黑煙冒白煙、哪些車冒煙、哪些用戶投訴汽車冒煙、已有汽車維修記錄中有多少是和冒煙有關(guān)的、冒煙車集中在哪個時間段、冒煙和哪些部件有關(guān)、導致冒煙的部件是哪些供應商的、維修冒煙車的成本是多少等等一系列關(guān)聯(lián)的信息結(jié)果。通過這些數(shù)據(jù)，他們可以馬上發(fā)現(xiàn)關(guān)聯(lián)最多的是兩家配件供應商，在過去一個月左右的時間里，幾個型號的零件，以及類似的客戶抱怨數(shù)據(jù)。這就讓業(yè)務人員迅速將客戶的投訴和配件供應商以及相關(guān)零件批次關(guān)聯(lián)起來。像BDD這種用戶自助式的靈活的關(guān)聯(lián)探索分析，用其它的大數(shù)據(jù)分析工具是很難做到的。

醫(yī)療大數(shù)據(jù)應用應用：用大數(shù)據(jù)破解疑難病癥

我要和大家分享的另外一個Oracle BDD案例，是個醫(yī)院大數(shù)據(jù)項目。這個醫(yī)院的大數(shù)據(jù)系統(tǒng)涵蓋了醫(yī)院信息系統(tǒng)HIS和臨床信息系統(tǒng)CIS兩大系統(tǒng)，具體包括了門診管理、收費與帳務管理、醫(yī)囑管理、門診電子病歷、臨床記錄與文檔、醫(yī)療質(zhì)量控制、病案管理等二十多個應用子系統(tǒng)，也是包括了結(jié)構(gòu)化、半結(jié)構(gòu)化與非結(jié)構(gòu)化的200多個數(shù)據(jù)屬性(維度)。我們可以在下面圖片中看到當前消化道科的患者人數(shù)為3830人，這些患者住院人次為4160、平均住院天數(shù)7.97天、31天再住院人數(shù)80、再住院率1.92%。

　　Oracle BDD案例——醫(yī)院大數(shù)據(jù)系統(tǒng)截屏

醫(yī)院各科室的業(yè)務用戶可以根據(jù)訪問權(quán)限，方便靈活地以自助的探索形式，通過搜索，關(guān)聯(lián)、篩選、鉆取等操作來發(fā)現(xiàn)自己所關(guān)心 的數(shù)據(jù)結(jié)果，并實時地形成各種分析圖表。譬如某個醫(yī)生遇到了一個罕見 病例，患者可能得了克羅恩病，但這名醫(yī)生卻沒有關(guān)聯(lián)的醫(yī)治經(jīng)驗，BDD可以怎么幫助他呢?醫(yī)生只要在BDD的搜索框里輸入克羅恩病，BDD就會搜索尋找出 有關(guān)聯(lián)的所有信息，包括醫(yī)院曾經(jīng)接診過哪些克羅恩病患者、哪些醫(yī)生診治過克羅恩病患者、克羅恩病患者做了哪些化驗、醫(yī)生都開了什么藥、是否有病情嚴重者住院或手術(shù)、這些患者中是否有回診等等。從下圖中你會發(fā)現(xiàn)醫(yī)院過去曾經(jīng)接知過31位克羅恩病患者，83%是男性，40歲以上的患者占了87%，100%住院治療，平均14天，住院而且克羅恩病患者的再住院率是2.78%。

　　醫(yī)院大數(shù)據(jù)系統(tǒng)病例探析分析界面截屏

這些關(guān)聯(lián)的信息恰恰給了醫(yī)生最好的參考，也輔助醫(yī)生做出判斷的預測。醫(yī)生可以瀏覽所有患者的電子病例和用藥情況做為參考和借鑒。可以說，Oracle BDD正在大大地提高了大數(shù)據(jù)在醫(yī)院門診醫(yī)治、醫(yī)療質(zhì)量控制、醫(yī)療科研、流行病防治、資源使用效率和醫(yī)院的管理水平和效率。

Oracle BDD能夠使大數(shù)據(jù)關(guān)聯(lián)性分析化繁為簡，同時還能加快數(shù)據(jù)價值的獲取速度。BDD還支持地理位置服務和語言情感分析，讓信息的關(guān)聯(lián)進一步拓展到空間和情感。通過Oracle BDD可讓包括分析團隊和業(yè)務用戶在內(nèi)的更多人員輕松訪問，實現(xiàn)大數(shù)據(jù)關(guān)聯(lián)分析的普及化。

如果您正在實施的大數(shù)據(jù)項目還沒有獲得成效，或是正在計劃實施一個大數(shù)據(jù)項目，相信您可以從甲骨文大數(shù)據(jù)解決方案中找到一種便捷有效的方式，從龐雜的大數(shù)據(jù)系統(tǒng)中獲取有價值的商業(yè)洞察。