数据如今对企业来说可谓是头等大事。使用欺诈检测来降低财务风险或是建设推荐系统来改善用户体验，都需要数据来为企业解决这些日益复杂的问题提供支撑。

既然数据已成为企业的重要元素，那我们这几年在数据这个领域都学到了什么？市面上有多种不同的软件模式，包括私有专属软件、云端SAAS软件和开源软件，因此，现在开展大数据分析项目时，开发者、架构师及数据科学家要在众多软件中进行选型，某些软件可能需要昂贵的前期投资或需要投入庞大资源，当然也有一些工具恰到好处，既容易部署又为构建原型提供了广泛的支持。

从简单的小规模起步

企业构建数据分析项目常见的最大错误往往是贪大求全。特别是如果项目是从上往下推，执行团队很有可能会被要求构建一套既没有明确成效却又十分复杂的解决方案，造成项目成本高昂且工期很长。

企业不如从规模较小的项目起步，让决策者很快可以看到成效，提升他们对同类项目的信心。利用现代化开源技术，企业不但不用作大量的前期投资，更可以让开发者迅速投入工作，在几天或几周内就能构建出所需的应用程序或是原型。

及早考虑可扩展性

即使只是构建一个框架，也应尽早测试其可扩展性。很多项目之所以失败，全因应用程序在构建时并没有测试其扩展性，也可能是因为其所选技术并不是为处理大数据而设计的。

确保性能测试不是事后的事。先预计在这段时间内将会产生多少数据，并进行测试和评估，构建合适的架构，同时确保当数据量增加并需要横向扩展时，也不会影响业务。

数据实时性很重要

我们都经历过应用程序或网站没反应或是缓慢的那种痛苦，时至今日，任何不能实时响应的事情我们都不能接受。如果有一个请求没有被及时处理，用户可能很快就会因缺乏耐性而离开该网站或程序，从而导致客户流失及营收下降。

企业要确保所用的软件不但能处理大量数据，还要有能力实时响应这些请求。建议使用具备聚和与地理位置分析功能且能与实时搜索相结合的数据分析软件。

采用灵活的数据模式

现今的系统主要包括结构化和非结构化数据。但不要被那些为结构化图表及数据而设计的关系型数据库所限制。这类数据库很难被加上索引，解析、搜索及分析这些日积月累的大量数据往往很难。

企业应采用具备通用数据结构的软件。很多用于数据分析的软件包括NoSQL数据库及Elasticsearch等均采用JSON作为数据格式，支持文字、数字、字符串、布尔值、数组和哈希等结构化和非结构化数据类型。

挑选开发者易于使用的工具

现今数据流量之多让企业或开发者在应对大数据分析项目时，很难去使用不包含开放API接口的软件。 API接口被用作数据录入、索引及数据分析，这些数据一般来自不同的数据源或是业务系统本身的数据。

企业应提供给开发者一套拥有丰富、开放及资料完整的应用程序API接口，让他们更快速有效地解决问题。久而久之，当项目壮大时，开发者亦能不断创新及改进这套应用程序。

选型评估的6个要素

这块具体来讲就是结合产品性能、产品功能、过往的经验、咨询能力以及产品价格来进行：

1.产品性能

产品性能重点考察最大节点数量、吞吐能力、并发能力、运算速度、相应时间、安全性等。系统性能简单归纳为RASIS模型，即可靠性、可用心、可维护行和完整性、安全性这5个方面。

2.产品功能

以数据治理为例，主要分为5个方面：

（1）系统集成能力：是否支持主流的数据源（如关系型数据、非关系型数据、手工上传数据、爬虫数据等）；是否支持离线数据和实时数据的对接。企业内有强AIoT需求时，需着重关注对实时数据的处理能力。如汽车主机厂的车联网；家电厂商的智能家电产品等；

（2）系统开发能力：对离线任务和实时任务的支持；开发调度配置等。；

（3）数据资产管理能力：

①数据标准管理：标准维护、标准变更、数据目录、版本管理、标准分布、标准跟踪等；

②元数据管理：元数据采集、元数据维护、元数据分析、元数据查询等；

③数据质量管理：规则管理、监控告警、数据质量报告等；

（4）数据科学能力：数据科学平台是否具备数据上传、数据预处理、特征工程、模型训练、模型评估、模型发布等全套功能；是否支持notebook开发；是否支持TensorFlow、R等主流的算法框架和语言等；

（5）数据应用能力：

①API中心：是否具备API创建、生成、发布、执行、审批、鉴权、限流等全套功能；

②标签中心：是否具备标签开发、标签分类、标签目录管理、业务确权、标签发布、标签下线等基本功能。标签只是工具，如何让标签发挥最大化实用价值应是企业关注的重点。

3.公司规模

方案商公司规模和发展状况直接决定了其能否为企业提供长效服务。

4.咨询能力

方案定制依托于垂直行业的knowhow积累，当数据一团糟、业务需求不明确时，咨询能力突出的方案商能如领航员带领海舰成功抵达港湾。而咨询能力应重点关注：数据治理能力、数据体系搭建能力、业务咨询能力、场景规划能力、项目实施能力等。

5.服务案例

方案商是否具备同行业客户服务经验；服务案例数量；优秀/经典标杆案例等等。

6.市场价格

项目的价格一般包括产品费用、项目实施费用和维护服务费用。企业应在产品与价格之间做好权衡，做到“买对不买贵”。

除此之外，选型的过程中，还应对方案商的企业资质、源代码是否开放、服务支持等其他因素进行综合考量。这里我们举一个例子，如图所示，大家可以详细的看下：

那么，企业级大数据平台应具备什么样的基本能力以及如何进行相关技术选型呢?

亿信ABI数据分析平台

亿信ABI是亿信华辰历经15年打造的国产化BI工具，覆盖数据接入、数据整合、数据分析、数据挖掘的全流程，打通数据全生命周期各环节，能满足政企用户各类复杂的分析需求，帮助政企用户实现高效的数字化转型。

基于以上六点为大数据分析项目挑选最适合的工具，将有助改善项目的价值时间，并确保企业已为长远的成功作好准备。