1085人阅读
数据仓库（5）
摘要：笔者在前段时间受邀参加了某省会公安部门的大数据项目规划调研，在阅读完《纲要》和了解完相关政府对大数据项目的规划和设计背景后，认为从项目的规划和设计完整且严谨，看似无可挑剔。但在实际的调研过程中发现了很多与大数据项目规划和执行不相符合的情况，这些问题切实存在不可避免，执行过程又困难重重。
2015年经李克强总理签批，国务院印发《促进大数据发展行动纲要》，中国政府已经开始系统部署大数据发展工作。
《纲要》明确，推动大数据发展和应用，在未来5至10年打造精准治理、多方协作的社会治理新模式，建立运行平稳、安全高效的经济运行新机制，构建以人为本、惠及全民的民生服务新体系，开启大众创业、万众创新的创新驱动新格局，培育高端智能、新兴繁荣的产业发展新生态...
政府大数据从狭义的角度理解就是政府所拥有和管理的数据，如典型的公安、交通、医疗、卫生、就业、社保、地理、文化、教育、科技、环境、金融、统计、气象等数据。
摘选笔者所撰写的有关数据采集体系和可行性方案分析部分内容，分享给读者朋友们，仅供参考和探讨。（原内容有删减，以下涉及到相关的政府单位或部门略作处理）
关于某部大数据采集体系调研
与可行性方案分析
项目背景简介&
某市公安局作为公安部数据建设的试点单位，推进市局与社会化数据资源整合的标准化建设，和实现数据资源共享推进市局和相关单位的信息共享为目标，对数据化项目建设进行立项。&
项目旨在解决以下两个方面的问题：&
1. 实现社会化数据资源整合&
1) 某市公安局以及下属分局、各支队的各个应用系统数据作为市局的基础核心数据资源，例如基础的人口管理、信访、犯罪信息、情报等，以及作为数据监控所涉及到的铁路、网吧、民航购票、民航进出港、ETC 卡口、住宿等基本数据信息。&
2) 在此基础上，为了纳入更多的社会化数据资源，实现全行业的数据覆盖，拟接入交通、服务、科技信息化、教育、社保、民政、户政、工商、网络通讯等各个行业的 数据。&
2. 数据统一接口和规范化建设&
1) 公安部下发了有关公安数据标准化建设的数据规范格式，各级部门需要按照标准化格式规范建设数据资产。对数据字段的描述、格式和录入规范定义都有一定的详细描述和定义。&
在相关可以直接管控的领域和下属单位，数据资产需要按照这些数据格式进行管理， 需要建设统一的数据接口以确保各下属单位数据上传质量。&
2) 在涉及到第三方的社会化数据资源，需要制定标准的可执行的数据标准，包括：数据接口的定义、格式的约束、数据交换的方式和渠道等。&
3) 以上所有的数据接口定义都有据可行，能够形成统一和清晰的数据管理规范。&
在未来旨在规划以下两个方面的数据建设方向&
1. 数据资产整合、数据分发和应用平台建设&
1) 打通市局内部数据和社会化数据资源，形成统一的可管理、可追溯的数据资产管理中心。&
2) 基于市局的数据资产中心，对平台上的数据使用者提供统一的数据接口，形成数据分发，各数据用户可以基于自己的业务需求对数据进行使用，包括：数据分析与挖掘、业务系统和应用平台建设等。&
2. 大数据&
1) 基于大量的内部数据和社会化数据资源，推进大数据项目的建设和发展，增强数据标签属性、用户画像，可广泛的应用于人口管理、犯罪管理、社会化信息管理等。
项目现状调研与存在的问题&
1. 业务系统现状&
1) 业务系统数量多、系统复杂。目前市局各个单位以及下属的分局、支队等各个业务系统、数据源系统共计近 200 多个，覆盖范围广，业务系统复杂。&
2) 业务系统管理和维护缺失。大多数业务系统由不同的第三方 IT 公司开发和维护， 历史周期长、服务更迭和系统维护断档，造成业务系统数据字典信息缺失和不全。
&3) 旧的业务系统对同样的数据信息描述不一致。不同的业务系统对同样的数据描述、 定义、数据录入规范不一致，造成在数据抽取和基本清洗阶段无法追溯实际数据字段的业务含义。长期以来的无人维护，部分数据的理解无法从业务系统管理方得到有力的支持。&
2. 业务系统管理方 IT 支持力量不够&
1) 大多数业务系统由第三方 IT 公司建设，分局和支队 IT 人员缺失，在整个数据项目建设的推进过程中沟通成本比较高。&
2) 对由分局、支队提供的数据，由于缺乏专业的 IT 经验，在数据的录入和采集过程中无法做到高质量的数据录入，数据规范意识不强。&
3) 前端数据采集质量不高也对现有的数据管理体系建设增加了很大的数据处理负担， 目前很多的数据基础验证工作都是在数据处理后方完成。&
3. 部分上报渠道缺失、数据来源和数据质量参差不齐 &
1) 数据采集和上报渠道缺失。特别是对于一些基层单位，由于在工作中缺乏相应的数据收集上报终端，造成数据收集困难、数据收集质量不高。比如在派出所级别，一 方面比较缺乏对数据建设意识，另外一方面缺乏配套的数据采集终端，不能够很好 的完成采集相应的业务数据的任务和工作。&
2) 数据来源格式繁多，数据渠道不规范不统一。 在已有的数据来源中，涉及到了 FTP、 EXCEL、DMP 文件、Oracle 数据库、XML 文件、CSV 文件、SQL SERVER 数据库等，需要不同的处理方案和接入方式处理。目前已经逐步在推进数据接口和上报渠道规范化建设，但是仍然需要比较长的周期。&
3) 上报的数据质量参次不齐。有大量未经验证和规范化处理的数据上报到数据处理中 心，包括大量需要手工检查和处理的数据，极大的降低了数据中心对数据处理的效 率。&
4. 社会化数据资源采集方式不合理、难度大 。&
1) 部分数据资源采集分配方式重复和单一。例如各个辖区采集辖区内的教育单位的数据，这些数据实质上会进入市级的数据系统。市级单位和下属单位的数据采集形成 重复，各单位数据上报方式和途径各异，增加各级辖区下属单位数据采集的成本， 同时也增加数据处理团队的数据处理成本。&
2) 社会化数据资产单位的配合程度不积极。对社会化数据资产管理方，例如教育、银行、金融等单位对于与市公安局的数据上报标准、数据定义、传送方式理解不一， 配合程度不一，也造成了对社会化数据抽取和管理的难度比较高。&
需解决的问题和方案&
数据采集是一个庞大的项目工程，涉及到已有和以后规划的业务系统的方方面面，需要站在整个数据体系建设的高度去考虑这个问题。同时，数据质量的保证也为以后的数据采集、 数据治理、数据中心建设、数据分析与挖掘、大数据平台的建设起到非常重要的作用。根据上述的问题，我们需要从以下这些方面入手来考虑。&
1. 内部已有业务系统的字段梳理&
1) 由于历史原因，内部已有业务系统的字段梳理目前已经没有非常合适的可行方案。 这是由于旧系统的相关维护人员缺失，没有规范的数据文档管理造成的，因此特别 需要注意在新系统的建设上加强交付标准建设，和形成项目报备机制避免类似问题 出现。&
2) 唯一可尝试的方式就是熟悉业务系统，通过试用业务系统观察数据流向来理解数据 含义。但缺点是投入大、产出小，建议考虑只抓业务系统的核心业务流程和核心数 据。&
2. 新的业务系统建设遵循现有数据规范和标准&
1) 已有业务系统保持现状，在遵守已制定的数据接口定义规范通过技术手段完善数据 字段的转换与定义。&
2) 在市局领导范围内的业务系统，对于新规划和新建设的项目应该主动向市局数据中 心建设部门进行项目报备。对业务系统中所涉及到的数据库设计、字段设计规范应 该遵循市局数据中心所提供的标准数据定义和规范进行开发。&
3) 新规划和新建设的项目应该包括：WEB 端应用开发、移动端应用开发、CS 应用开 发等一切需要录入数据的项目。&
3. 梳理和明确数据采集的范围、数据边界、对象和目标&
1) 数据采集的范围包括内部数据和外部数据。&
2) 内部数据涵盖市局以及市局领导下的所有事业单位的各个大小业务系统和子系统， 需要对这些业务系统进行梳理。确定业务系统中所涉及到的数据构成，例如：人口 基本信息、户政信息、犯罪管理等，对以上信息进行分类，明确在内部系统中拥有 哪些或者哪一类的数据资源。&
3) 外部数据包括两个方面：
第一，市局因当前工作需要所要监控的社会化数据资源， 例如：住宿、出入境记录、网吧、交通管理等。
第二，市局所需要打通的非重点当 前需要和非监控管理的社会化数据资源，例如：教育行业、金融行业、通讯行业、 工商等。这些数据需要有一个明确的采集范围定义，不能片面求全求大，而应该先 明确所需要采集的行业范围，采集边界。同时，对主管这些数据资源的事业单位进行梳理和明确，以及需要明确数据采集的目标，例如数据字段的构成。&
4) 对于外部数据中涉及到的社会化资源需要从上往下推进。在目前的社会化数据收集的过程中，部分行业的子事业单位向他们的上级主管单位进行数据上报。数据采集的对象应该集中在这些上级主管单位，而不应该由市局所领导的辖区单位与这些行业的子事业单位进行数据采集再集中上报给市局。这样可以避免市局所领导的辖区单位重复采集数据，同时可以避免各子事业单位采集的数据不规范而导致的重复数据清洗工作。&
4. 确定数据上报的渠道、数据接口定义和数据交换方式。&
1) 对于目前已有的市局范围内各业务系统继续保留已有的数据采集方式。通过源数据库向标准数据库的数据验证、审核和加载，确保标准数据库的数据接口定义。&
2) 对于市局目前所要求的各辖区分局、支队等数据采集，需要明确数据采集的范围、 数据采集的渠道、数据采集的方式和数据接口定义。通过对数据采集范围和数据采集渠道分析，可以针对性提供数据采集的方案。例如移动端数据采集所需要的移动设备、相关的硬件和软件设施。如果没有明确的数据采集范围和采集渠道定义，将无法明确数据采集的方案和相关采集软硬件设施的构成。&
3) 对于社会化数据采集资源，在梳理和明确数据采集的范围、数据边界、对象和目标之后，应该对相关数据的主管单位进行洽谈合作：&
i. 合作中需要明确双方对于数据资源合作的数据接口定义，需要对方确定可以提供的数据资源。&
ii. 数据上报的渠道建议使用 FTP 文件传送形式，在明确的数据接口定义下确定数据文件传输的网络目标地址，传送周期。例如在央行与各个银行、美国保险行业与相关协会组织、某汽车金融公司与国外总部的数据传统都是通过这种文件传输形式进行数据上报。&
iii. 在前期需要对上报的数据进行数据准确性、数据传达邮件通知等验证，验证测试通过后可正式形成数据上报机制。&
iv. 考虑对等的、互惠互利的数据共享合作。由于涉及到数据合作双方的利益，需要双方建立数据共享机制来形成数据开放的互惠互利。对于合作不积极的数据主管的单位建议由市局上一级单位协助推进和协调。&
5. 内部数据采集所涉及到的工具和技术应建立培训体系&
1) 内部数据采集所涉及到的数据验证、工具使用和相应的技术使用应该建立培训体系， 定期召集相应的各市局和属下信息中心数据维护人员进行培训，培训的方向不仅仅要包括上述的技术相关的内容，还应该包括对数据质量的认知、数据思维方面来提升对数据管理控制的重视程度。&
2) 可以从一个单位的应用系统来切入，待整个流程成熟和成型之后再扩大到整个市局体系。同时可以考虑完善相关文档、视频课程的方式来节约人力和时间成本。&
以上所提到的一些方案需要与市局共同探讨，明确可行的思路和方案，问题处理的优先 级。可以由点及面，找出最容易实现和推进的方案点进行验证，如果验证成果则证明以上方案具备一定的可行性，再推进其它相关方案的执行和验证。&
在相关资源协调上，市局需要牵头切入与协调，供应商作为数据建设方配合方案的执行、与数据标准规范的定义和推进。&
（调研分析报告完）
大数据项目落地的第一步核心在数据源头，所有的数据项目从数据最终的出口来看，本质上来讲都是要将不规范、非格式化的或者规范的不可分析的数据变成规范的、格式化的可分析的数据。还有一点特别要注意的是，大数据并不是片面追求数据越多越好、越全越好，最重要的是数据质量，业务场景。大数据的业务场景在哪些地方，需要补充到哪些数据，质量如何都是需要特别考虑的。我们在国内看到的几乎所有大数据公司从来不会声称自己的大数据业务能够跨全行业，大数据有大数据落地的业务场景，这是它的特殊性。每个大数据公司都有自己的行业重心，在某一个细分或者多个细分领域里面深耕细作比如金融、电信、政务、公安、制造业等等。
政府大数据面临的问题和阻力
除了在案例中提到的基础数据治理之外，还有以下几个问题直接或者间接的形成了无形的阻力。
1. 政府部门、特别是一些职权部门的数据意识、数据开放的意识。意识这个词可能会比较虚、看不见抓不着，但是实际上在很多项目规划和落地、协作和推进的过程中，具备数据意识的职权部门会积极引导大数据项目的规划和推进是朝着一个合理的、正确的方向上前进。该开放的开放，该听取专家建议的就听取专家建议。相反，不具备良好数据意识的决策者和推进者，也有可能好心办坏事，拍脑袋决策，将大数据项目引入歧途，最终以失败而告终。
2. 政府部门应该看重长期利益、长期规划，避免为做大数据而做大数据。政府大数据有别于企业大数据项目，政府大数据的数据种类繁多、跨行业、跨部门。业务数据质量层次不齐，很多数据是需要从源头重塑，涉及到很多旧业务系统的数据治理、新业务系统的规范化，这个注定是需要很长的一段时间通过制度来健全信息化建设。为了短期上大数据项目，只能是根基不稳，数据质量无法验证和参考，也就无法产生真正有价值的结果。同时，决策部门决策者的变化不应该影响大数据项目的规划，只要经过验证的方案，就应该继续持续的坚持下去。临时换方向、换技术方案、换想法，大数据项目经不起折腾。
3. 政府大数据应该遵循大数据发展的规律，不应片面求全求大，可以整体规划，但要阶段性的划分项目边界，阶段性的出成果。在笔者上面提到的这个案例中，决策者的想法和意识都是非常正确的，但是基层部门在执行上就违背了这种规律，片面的求全求大，导致数据量上有增，但是数据质量上却无法保证。同时，政府大数据涉及到的行业方方面面，应该明确确定阶段性的目标，在哪个阶段追求哪些社会资源数据，解决什么问题，业务场景是什么需要确定下来。
4. 政府大数据应该认真对待各个服务商和合作伙伴。
第一，政府大数据涉及到政府多部门配合、跨行业配合，作为政府外包出去的项目服务商和合作伙伴，他们是没有这种资源能力在各个部门和行业之间协调和沟通，这种跨行业跨部门的合作需要相关决策部门进行引导和协调。
第二，按市场规则和合作流程该结算就结算。大数据项目周期长，投入大，这对各个服务商和合作伙伴的人力、物力的投入也是很大的压力。与政府部门的合作有别于传统市场合作，本质上不管我们承认还是不承认，政府与第三方合作伙伴双方地位是不对等的。这些情况在如今已经有了很大的改善，但是实际上在很多地方依然存在，最终导致项目交付进度和质量无法保障、项目交接上给下家留坑埋雷都会导致项目越做越差麻烦不断。
诸如此类的问题很多，不在此一一总结。
政府大数据是不是一个伪命题？&
最后再来谈这个问题，政府大数据是不是一个伪命题？ 坦率来讲，从文章最开始的《纲要》内容和上面的案例中可以看出一些政府是完全具备数据开放思维意识的，从实际的项目规划和实际的落地过程中也做出了很多的努力。但是大数据项目的落地不是一蹴而就的，由于历史原因数据源头的梳理困难重重，政府各部门之间的数据打通需要政府高层站在大的格局下来积极引导和推进，新业务新数据的规范化运作尚需时间和很强的执行力，知易行难。
从长远来看，政府大数据不应该是一个伪命题。但是在实际的操作过程中如果只是流于形式、各部门数据各自为政、协同合作效率低下、过于追求部门利益个人利益而忽略公共利益，所谓的政府大数据就是一个伪命题。
政府作为施政的决策者和领导者，无论从财力、人力、物力、资源协调能力、政策执行和推动能力上来说，在大数据项目的规划和落地过程中本应该拥有得天独厚的优势，也可以很强势。但关键在于怎么利用好这种优势和强势，利用的好，对大数据项目是一种保障。利用的不好，对大数据项目也会起到非常负面的作用，多走弯路或者彻底失败。
总之，政府大数据不会一蹴而就，也一定会总结很多经验和教训。但无论如何，只要开始就好，现在就是最好的时机。
（全文完）
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：426390次
积分：5069
积分：5069
排名：第5448名
原创：85篇
转载：91篇
评论：46条
(1)(1)(23)(2)(4)(4)(1)(7)(1)(3)(2)(6)(5)(1)(1)(4)(7)(12)(1)(2)(1)(1)(5)(1)(1)(2)(1)(1)(1)(11)(15)(1)(1)(1)(1)(6)(9)(1)(1)(5)(22)用大数据破解社会治理难题
原标题：用大数据破解社会治理难题
&&&&本报讯（黄思易&记者任勇）7月4日上午，贵阳市“万物互联”警务战略合作协议签约仪式在贵阳市公安局举行。接下来，贵阳市公安局将与贵州省广播电视信息网络股份有限公司共同打造好这一项目。
&&&&据介绍，2016年以来，贵阳市各级公安机关按照“两严一降”升级版建设的部署安排，坚持以大数据理念破解社会治理难题，成效明显。2016年，全市刑事发案在连续三年环比两位数下降的基础上，再次下降了5.99%。尤其可喜的是，盗窃类案件同比下降了5.35%。
&&&&但盗窃电动自行车案件居高不下。今年以来，全市共发生盗窃电动自行车类案件343起，同比上升了128.67%，严重影响了人民群众的安全感和满意度。为此，贵阳市公安局于2016年12月底成立了“物联网+电动自行车物联感知防盗网”工作领导小组。伴随着工作的推进，这一项目已上升到“大数据破解社会难题‘万物互联’”的高度。
&&&&据贵阳市公安局治安支队一负责人介绍，“万物互联、智慧警务”简单地讲，即通过互联化、物联化、智能化促进公安系统高度集成、协调运作，实现警务信息强度整合，高度共享、深度应用，形成以大数据整合、分析、应用为标志的智慧警务模式。此次与贵州省广播电视信息网络股份有限公司携手，以广电融合网为基础，立体化打、防、管、控作战体系，进一步提升全市公安机关的应急处置能力等。
&&&&目前，项目一期应用主要有：根据被盗车辆运动轨迹，实时指挥民警展开搜寻，同时联动“天网”工程的摄像头等设备，对车辆进行抓拍，为侦查破案提供手段和依据。未来将拓展到出租屋、门禁、门牌、机动车等更多信息采集和监控系统，落实协同、高效、创新的新型警务模式及警力资源的优化配置，打造智慧警务，促进“平安城市”建设。中国领先的IT技术网站
51CTO旗下网站
如何破解大数据、分析与云安全难题？
要想让大数据方面的投资收到成效，我们必须保证由分析工具生成的信息以可视化形式呈现在工作人员面前。过去，利宝互助国际保险集团每个季度会收到一份长达80页的运营报告，高管团队则需要花费数小时时间来阅读并了解其中的内容，该集团高级副总裁兼CIO Mojgan Lefebvre表示。
作者：核子可乐译来源：51CTO| 09:32
CIO一职的角色定位一直处于变化之中。而随着大数据、分析以及云计算的迅速兴起，加之数据本身的规模日趋庞大，IT创新压力与持续走高和技术复杂性无疑给CIO们赋予了新的职责定义。企业希望IT部门能以更少支出处理更多事务，CIO则需要尽力在财政预算与IT服务开销之间找到平衡点，所有问题似乎都在这一时刻爆发了出来。
在这样的紧要关头，杰出CIO与CEO们纷纷挺身而出、在上周于麻省理工学院召开的Sloan
CIO研讨会上做出发言，希望能以自己的视角帮助众位IT高层与业务主管们数据分析与云计算技术领域找到使用途径，进而改善企业的运营理念。当然，这一切的前提是不给本已捉襟见肘的IT资源带来额外压力。
数据要灵活、数据要迅速
Guess拥有多条产品线，但如何在众多服装产品之中选定主推款式或者配件风格却是左右销售走势的关键性因素。为了做出正确的决策，数据分析机制需要对电子表格中的所有数据进行查询。整个过程花费了数百小时，公司高级副总裁兼CIO
Relich也由于大量查询失败而不得不面对着响个没完的电话。在了解到Guess如何处理主数据之后，Relich与他的技术团队开发出一套二维码方案，顾客可以利用iPad对其扫描并在屏幕中查看关于对应服装的详细信息。
这个项目并非什么策略规划或者长期移动措施的一部分。恰恰相反，它完全源自顾客们的实际需求。事实上目前大多数大数据分析项目都直接受到客户的推动。
在半导体芯片制造商博通公司高级副总裁兼CIO William Miller
Jr.看来，这意味着技术人员应该将眼光放在需求之前而不能仅仅一路追赶需求的脚步。
在博通公司，IT与工程团队在同一套运营环境下携手并进。为了满足双方的交互需求，公司部署了Jabber与Yammer等企业社交网络技术，旨在帮助工程师们在任务出现时自发组织临时团队、任务完成后再随即解散。&这使工程师们得以最大程度提升生产效率，因为他们不必花费时间慢慢组织工作环境并进行协调，&Miller解释道。&这是一种非常高效的处理或者组织方案。&
博通公司的工程师们还组建了私有云环境，这保证工作人员能够在一天的任何时段(包括夜晚)灵活开展工作。博通公司日前刚刚收购了一家新公司，外来员工们在周一上班时赫然发现自己熟悉的方案与工具仅仅用了一个周末就完全整合入博通的工作环境当中&&这正是灵活性的突出体现。&这令我们确信之前的投资绝对物有所值，&Miller告诉我们。
数据可视化满足切实需求
要想让大数据方面的投资收到成效，我们必须保证由分析工具生成的信息以可视化形式呈现在工作人员面前。过去，利宝互助国际保险集团每个季度会收到一份长达80页的运营报告，高管团队则需要花费数小时时间来阅读并了解其中的内容，该集团高级副总裁兼CIO
Mojgan Lefebvre表示。
将这份长篇大论转化为一张包含关键性绩效指标的列表需要分步进行，Lefebvre解释称。首先，决定需要为哪些关键性问题找出答案。然后，创建一系列分组报告。最后，进行数据可视化处理。整个过程意在&通过整理让数据满足切实需求。&Lefebvre还补充称，为了让报告真正能够指导工作、转化过程往往要花一个季度以上的时间。
&让人们使用数据仓库是个巨大的难题，&Relich指出。尤其是在零售行业这一问题就显得尤为突出，因为买家往往拥有非常强烈的直觉判断。Guess公司的解决方案会首先将有价值数据经过格式转换后交付给黑莓平台，接着由以Flash支持的信息面板对其进行可视化处理，最终再将结果传递至iPad应用程序。Relich指出，将每家零售店的销售数据汇总起来能效提高决策制定的速度、同时减少规划会议的次数。
实时数据可视化则并不局限于数字本身。利宝保险公司的现场风险工程师们能够将实际情况拍成照片并上传至数据库端。在这里，图片会再次接受保险费率工程师的检查。根据Lefebvre的说法，这种机制能让保费赔付工作的审核周期由过去的几天缩短为现在的几小时。
私有云、混合云可能成为安全及延迟问题的答案
员工们用于拍摄现场照片的设备可能给IT领导者带来诸多难题，尤其是在BYOD浪潮刚刚结束与企业的蜜月期的现在，云服务自身的安全性引发了人们对于移动设备普及的广泛质疑。
在云计算发展议程讨论中，众多与会专家纷纷表示除了安全性之外、云计算的复杂性也应该受到企业用户的充分重视。
多年以来，云服务供应商往往能够轻易将自己的产品兜售给人力资源、销售以及其它业务部门，但这一点却令IT部门感到不满。与之相对，IT领导者一直在努力严格控制企业资产并提高用户管理力度。
如今，普华永道法律服务管理负责人Richard
Dorough认为，我们有理由在决定将任何事物迁移至云环境之前，认真对数据本身、服务水平协议以及云服务安全性等要素做出评估。
对于先锋健康系统公司信息与技术服务部门高级副总裁Scott
Blanchette而言，混合云与私有云部署才是解决问题的最佳途径，对于医疗卫生及其它受到严格监管的行业更是如此。
Blanchette认为，云服务的价值主张比起先锋公司自身能力在效果、速度、成本、灵活性以及安全性方面都有显著优势。很显然，安全性与隐私性考量是企业用户牵手云服务供应商的最大障碍;谷歌根本没打算关注这些，他解释道。就算是目前市场占有率最高的Amazon
Web Service，也足足花了四年时间才拿到FedRAMP(即联邦风险及授权管理项目)认证并符合美国健康与人类服务部的云安全标准。
此外，我们最好从工作负载的角度看待云计算，EMC公司高级副总裁兼CTO John
Roese表示。&最冷门的冷门加密存储&可能会成为公共云的好搭档，他告诉我们。但对于需要实时分析的数据而言(例如由Amazon服务器传输至企业环境、而后才到达移动设备)，低延迟恐怕是需要最优先考量的因素
Roese指出，要想解决这个问题，我们可以利用虚拟桌面基础设施将移动设备转化成纯粹的数据表示层，这样能够有效改善延迟状况。
做好IT人才培训
当然，如果一家企业没有足以推进数据分析与云计算规划的人才与IT领导者，那么满足用户需求之类的口号将只能是空谈。
由于先锋公司总部位于纳什维尔这座&美国的音乐之城而非科技之城&，该公司的数据中心只能舍近求远选址于波士顿与硅谷，Blanchette介绍道。先锋公司还从其它垂直行业招聘了多位技术人员，因为IT专业人士学习医疗保健知识比普通员工学习高科技知识要快得多。
专业人才入职之后，培养就成了当务之急。这意味着向IT人士传达工作内容的价值主张，博通公司的Miller指出。这还意味着我们不仅需要单纯响应用户需求，还必须找出改变核心业务流程的方法。Miller总结道，软件与基础设施等一系列建设投入的回报都要借此实现。
或者，正如Relich所说：&我告诉我的团队，&别给员工他们想要的方案;把他们真正需要的拿出来才行。&&
原文链接：
/news/-how-top-cios-tackle-big-270226.html
原文标题：How Top CIOs Tackle Big Data, Analytics and Cloud Security【编辑推荐】【责任编辑： TEL：（010）】
大家都在看猜你喜欢
头条头条热点
24H热文一周话题本月最赞
讲师：19人学习过
讲师：792人学习过
讲师：289人学习过
精选博文论坛热帖下载排行
网络和计算机安全问题已经成为政府、企业必须面对的现实问题。应对安全威胁的途径之一就是采用渗透测试的方法模拟黑客的攻击，找出网络和计...
订阅51CTO邮刊