每天，我们都在创建难以估算的海量数据。现在全球90%的数据都是过去两年间产生的，这些数据来源广泛，包括气象信息收集传感器、社交媒体内容、在线数码照片和视频、在线交易记录及手机GPS信号等。这种类型的数据被称为多结构化数据，也就是通常所指的大数据。值得注意的是，大数据可以根据其结构的复杂性和多样性来定义。

每天，各种网站都能产生大量TB数量级复杂的原始数据，收集了消费者的浏览及购买习惯，因此也被称为交互数据。在分析准备中，将这些网络日志转化和提炼，将最终分析出客户偏好。通过整合及应用数量庞大、类型复杂的数据，将实现客户信息的深度洞察。此外，通过整合客户的交易信息数据，将获得支持营销活动的观点，确保在正确的时间，将适当的促销信息提供给需要的消费者。

显而易见，数据的绝大部分是多结构化数据，或者是多种不同格式的数据。我们大量的工作时间用于阅读或者回复邮件，撰写报告或文章，进行交谈，收听直播或者录音资料。显然，这些都是产生多结构化数据的情形。这种数据不仅带来挑战，同时也是通过新兴类型数据形成洞察力的机会，确保业务更加灵活，解决过去和未来存在的挑战。

此外，多结构化数据环境将带来新的挑战和机遇，利于分析、管理和控制现有系统和新渠道产生的大容量、高增长、易变化且复杂的数据信息。多年以来，企业已经身处这种环境，应对来自网络互动、移动设备、社会媒体、机器数据及其他来源的新型信息。

目前，只有最大规模及专注于数据分析的公司拥有时间、资源和工具进行大数据分析。但是，更多的公司将能够顺利应用可担负的数据仓库系统，从新信息源中获取珍贵的战略性观点，以前所未有的速度支持业务创新。

海量数据带来极致痛苦？

随着数据源呈现指数级增长，信息的数量及复杂程度快速扩大，从海量数据中提取信息的能力正快速成为战略性的强制要求。2011年4月，Gartner集团发布了《大数据仅仅是海量信息管理的开端》报告。报告称："对大数据的关注展现了最主要的挑战，这些挑战将重构现有的信息管理实践和技术。管理海量数据的能力将成为企业的核心竞争力，确保企业能够持续使用新型信息（文本、社交网络、环境）发掘支撑业务决策的模式（基于模式的战略）。"

释放创新能力

为站在不断发展的信息浪潮之尖，企业必须寻求大数据分析方案，扩展从集成数据仓库获得的知识资产。但是，大部分集成数据仓库尚未纳入来自网络日志及社交媒体高达80%的多结构化数据。

其实，大数据的挖掘和分析并非仅应用在营销领域。部分高精度加工企业，如半导体和医药领域企业，也正面临着海量数据压力，期望通过存储并分析这种数据，制定出更佳的业务决策。而且，更大的期待是通过理解运营和制造中的问题，以及提供更好的用户体验。通过收集、存储和分析所有的多结构化数据，将有助于轻松实现这些宏伟愿望。