最近，我有幸与一些专注于大数据和预测分析业务和技术方面的企业领导们进行交流。我们谈到了企业现在应该做好怎样的准备，以便迎接未来大数据的挑战的话题。
　　
　　如下，是我从这些谈论中所总结出的一些观点：
　　
　　关于大数据：首先是炒作，随之而来的是恐惧、不确定性和怀疑
　　
　　Teradata公司首席执行官ScottKnau说，大数据市场现在所存在的一个大问题是面临着首先是整体性的炒作，随之而来的是恐惧、不确定性和怀疑的挑战。这一系列反应会带来混杂的信息，使得企业的决策者曲解了大数据项目，其使得不少企业真正从大数据项目中获得价值的需求变得复杂化，同时还要避免其发展成为另一个问题集。
　　
　　大数据公司Globys的高级副总裁OllyDowns总结了过去以来市场唯一所面临的挑战：“这是其实已经进入了一个大数据项目不再涉及的领域。”他阐述说：“在某些方面，大数据与商业智能的发展其实是在同一路径上的。”可能企业过去对商业智能的了解能够有助于他们未来在大数据项目方面的成功。
　　
　　人才稀缺
　　
　　在讨论的过程中，一个经常被提及的话题是关于大数据人才的短缺问题。好消息是，在美国，越来越多的大学已经开始开设相关的专业和证书课程，而这方面的数据科学本科生、研究生正在陆续毕业。
　　
　　企业与高等教育机构的合作才是这种方案成功的关键。Globys公司就正与本地区的高等教育机构合作建立一个大数据认证课程。OllyDowns还补充道，“数据科学教育也在改变，其已经出现了多个不同的专业的课程，特别是商业课程。”他强调说，企业必须与教育机构通力合作。让你企业的数据科学专家和其他大数据项目团队成员参与到本地数据科学教育机构的活动中去，可以视为企业对自己未来大数据项目的投资。
　　
　　基于企业模型所培养的大数据人才，能够大大帮助缓解企业人才稀缺的问题，可以成为更为快捷人才培养的路线。据Knau介绍：“Teradata公司正是通过一系列的混合工具和教育来构建他们的大数据人才库的。Teradata的也有通用的数据架构作为参考设计蓝图，提供给我们的专业服务团队和客户。”
　　
　　Teradata的模型，或类似的方式可能是克服人才稀缺挑战的关键。作为一家企业，他们一直在通过如下的方式来努力发现和培养合适的人才：
　　
　　为专业服务团队构建工具集。
　　
　　就员工关于大数据业务和技术方面现有的知识进行构建。
　　
　　在需要一个数据科学家才能解决的工作任务与凭借现有员工已经具备的知识技能就能解决的工作任务之间存在一个临界点。企业找到该临界点，将成为其设置大数据作为一个商业平台的最佳位置。然而，寻找这一临界点的工作现在就必须开始了，以便找到适合您企业员工和大数据项目的最佳切合点。Teradata公司为他们的团队部署“发现平台”便是这方面的一个例子。
　　
　　Teradata已经在寻找他们的“发现平台”以便在数据科学家和其他普通团队员工成员之间建立起桥梁投入了大量的努力。其允许数据科学家创建模块，其他团队成员可以在一个既定的项目中使用该模块。Knau告诉我说，他们的“发现平台”将大数据工具交到具有SQL经验的普通员工手中，帮助他们大大节省了时间。而数据科学专家们则可以专注于高端的任务，不只是常规的任务。

　　数据的增长
　　
　　Cleversafe公司的战略营销副总裁RussKennedy总结了过去几年数据的增长：“随着大数据扩展到捕捉社交媒体、移动设备、和其他数据密集型领域，显然会出现信息泛滥的局面。”他补充说，“这将带来如何最好地捕捉更经济，可靠的数据的问题。”管理您的企业迅速增长的数据，需要围绕设计、管理、复制和保护数据做大量的工作。规划大数据存储策略，绝对是应对未来大数据挑战的准备工作的一部分。
　　
　　作为一家存储提供商，Cleversafe公司正看到来自海量大数据增长所带来的另一个挑战。“关于大数据存储的法律方面的问题：尤其是什么样的数据可以存储在企业内，其会影响到企业所存储地方大数据。”根据RussKennedy介绍：“如果你有国际性的数据存储计划，就必须坚持严格遵守相关的程序，并掌握好你企业所存储的不断增长的来自不同地理位置（特别是国际边界）的数据的潜在法律问题。”
　　
　　FICO是一家大数据项目商，也认识到即将到来的数据存储挑战的问题，该公司的一位发言人将其形容为“军备竞赛”。FICO的调研显示，随着企业创建和存储数据的能力不断扩大，企业必须在分析方面有所创新，以便将数据转化为有用的（且安全的）信息。FICO的发言人指出，信用卡便是这方面的一个例子，现如今的技术使得信贷变得更容易，更好地为借款人服务，但也容易带来信用欺诈问题，同时也提供了更多的机会让不法分子进行诈骗。
　　
　　数据的不同用途
　　
　　虽然许多关于大数据的头条报道都是跨多个行业的跟踪客户行为，但数据在诸如采矿业，建筑业，工业制造等重型机械行业起着重要的作用。日立数据系统公司（HDS）的产品规划副总裁MichaelHay、软件产品营销高级总监SaraGardner、全球营销高级副总裁AsimZaheer谈到了他们如何在企业使用大数据的。
　　
　　他们将数据流的分析工作机制还原至机械设备的经营条件和进度下。由于数据科学家不负责使用设备挖掘数据，这意味着机器操作员在分析表面决策方面会有更多的自动化设备。
　　
　　反过来，机器数据的增长将需要不同的工具和技术，因为一种尺寸规格的工具不不适合所有的机器数据。”HDS的MichaelHay建议。“虽然机器数据会引发数据量的增长，但这将引发软件和应用方面的两大创新。”事实上，HDS内部在大数据工作上有许多创新。
　　
　　面对大数据未来的挑战
　　
　　尽管大数据所带来的挑战仍在不断上升，但企业现在就可以通过工具、基础设施、工作流程、人员编制方面的投资，以应对未来蓬勃发展的大数据世界。