随着企业中存储的数据量向TB甚至PB级别进发，越来越多的组织开始关注“大数据”这一话题。然而，存储这些数据已经是极具挑战性，更不要说去利用大数据进行分析了。如何将结构化与非结构化混杂的原始数据转换为可用的数据，并利用到实时商业智能系统中，可以帮助企业做出更加明智的决策。

　　传统的关系型数据仓库和BI系统有着一系列明确的实践以及成熟的产品，它们能够将高度结构化的数据充分利用起来，并允许业务用户将数据进行切分以便创建成报表供管理者进行分析与决策，它基本上回答了“正在发生什么”以及“为何会发生”这两个问题。举个例子：“在指定区域里，这一段时间内都售出了哪些商品?”

　　将分析运用到大数据的概念颠覆了我们所熟知的情况，为企业打开了一扇通往信息的大门，能够提出更多平时考虑不到的问题，最终可以帮助企业制定提升竞争优势的战略。

　　Forrester研究机构的分析师Brian Hopkins表示：“在过去的20-25年里，企业用于决策的信息最多只占到5%。在竞争如此激烈的商业环境下，企业不得不继续探索那剩余95%的数据，能够更好利用这些数据的企业必将更具竞争力。”

　　传统关系型数据库管理系统正努力跟上

　　与大多数RDBMS管理的结构化交易数据不同，“大数据”系统中充满了来自不同数据源的数据，包括社交媒体中的数据流、日常Web日志活动、全球定位系统的方位数据以及各种传感器生成的数据。

　　权威研究机构Gartner估计，目前全世界的信息量正在以每年59%的速度增长，而速度将逐年递增，然而处理数据的能力却远远跟不上数据增长的速度。除了数据种类之外，数据变化的速度也是需要关注的内容，企业如不能快速地处理数据，那这些信息有可能将变得没有任何意义。

　　极限数据管理的概念让传统的数据仓库以及BI系统遭受了前所未有的挑战，在应对更新速度极快的海量数据时，传统关系型数据库显得力不从心。而同新技术相比，RDBMS无论是在成本方面还是性能方面都不存在明显的优势。

　　来自Ventana研究机构的分析师总监David Menninger指出：“在数据分析方面，目前已经出现了思维模式的变迁，我们现在应该考虑如何利用细粒度数据得出更加准确或者说新型的分析结果。”

      点击继续阅读：大数据新技术中Hadoop关注度最高