产品简介

许多负责领导数据项目的高管面临着关于通用数据术语的困惑。 大数据，数据湖，数据仓库和数据集市之间有什么区别？ 大数据什么时候“足够大”？ 为什么这有关系？

在本文中，我们将分解不同术语之间的区别，以便您在任何与数据相关的会议，项目简介或人员配备计划中听起来都更加聪明。

首先-什么是数据？

数据的核心是定量和定性信息的存储。 在您的企业中，这可能是有关以下信息：

•  您的内部员工
•  您的顾客
• 您的内部流程
• 您的财务数据
• 服务台票号

还有更多的东西是不可能在单个文档中跨维度和度量列出的。 您的数据分散在组织内外的许多系统，数据库和组中。

您的数据也处于相关性，准确性，及时性和可访问性的各种状态。 其中一些与其他数据保持一致，而另一些则与之不符。

如果您的组织像超过95％的公司一样，那么您将面临大量非结构化，不干净的数据。 该状态通常被我们称为“数据湖”。

什么是数据湖

数据湖是收集数据并处于自然状态的地方。 这可能意味着数据没有结构化，清晰或无法在管道中使用。 数据湖始终存储您拥有的所有数据，包括数十年的历史数据。

您的数据湖的存储通常很便宜，而且大多不受管理。

数据什么时候成为“大数据”？

另一个经常使用的术语是大数据，这是有充分理由的。 由于数据存储的可用性，存储的可承受性以及每天生成数据的系统和设备的数量，大数据正在成为一种日益增长的现象。

根据一个共同的定义，大数据是“包含更多种类的数据，它们以越来越大的速度和越来越高的速度到达。 “

您的数据是您最大的资产，也是您最大的风险……但是，只有在您能真正理解它的情况下，它才有用。

这就是为什么数据集市如此有帮助的原因。

什么是数据集市？

数据集市是数据仓库中以主题为中心的部分，可以回答特定问题，通常是有关特定业务领域或关键业务问题的信息。 甚至更好的是，数据集市的构建是为了能够按需回答问题并使数据受信任，这与可能是不干净且结构化的数据湖相反。

数据仓库通常是许多不同数据集市的组合。

什么是数据仓库

根据Wikipedia所述，数据仓库是“…来自一个或多个不同来源的集成数据的中央存储库。 它们存储当前和历史数据，并用于为高级管理报告创建趋势报告，例如年度和季度比较。”

与数据湖不同，数据仓库是结构化数据的有意来源。 更进一步，它是一个由多个来源组成的单一存储库，其中许多本身就是数据湖。

我们的仪表板服务建立在强大的数据仓库和管道开发之上，因此您的团队可以轻松地查看，分析和可视化数据。

如何确定下一步

在大多数情况下，从数据湖移入数据仓库或数据集市涉及许多数据工程活动，例如数据清理，ETL流程和数据管道。

在决定雇用任何人进行下一个数据项目之前，了解您现在的位置非常重要。

以下是一些要问您的团队的问题：

• 我们的数据有多孤立？
• 我们的数据有多干净？
• 我们是否有足够大的数据集可用于该计划？
• 我们有明确的用例吗？
• 我们的内部团队现在可以处理项目的哪些部分？
• 我们正在寻找什么样的投资回报率？
• 我们是否比其他地方更迫切需要我们一个地方？
• 在尝试ML之前，我们真的真的首先需要可视化吗？

如果您需要一些专家帮助您确定从哪里开始以及在数据，人力，工具和预算方面需要什么，我们可以为您提供帮助。 我们的许多项目都涉及与数据相关的计划，尤其是因为我们现在在墨西哥的墨西哥城拥有Python卓越中心。

拥有20多年经验的Aptude数据团队可以帮助您确定所需的功能，制定项目路线图，并由经验丰富的团队成员来为您的项目配备人员。 我们的流程始于对话和NDA，因此您可以确定，即使您决定不与我们合作，您的信息也是安全的。

与我们联系以开始对话。