本文探讨了大数据项目架构的重要性和成功实现的挑战。作者指出，许多大数据项目失败是因为技术人员缺乏对业务需求和架构调整的理解。成功的大数据架构需要考虑企业背景、驱动力、架构原则和框架。文章提出了大数据项目包括数据来源、ETL、数据服务API、应用和用户界面服务五个关键层。强调了数据来源的结构化和非结构化数据处理，以及大数据ETL过程中选择适合的工具和技术，如Hadoop生态系统。最后，作者强调商务应用程序和用户界面服务对于项目成功至关重要，需要与商业愿景相结合，确保数据为业务创造价值。
本文作者Armel Nene是大数据公司ETAPIX Global创始人，在软件开发和数据架构领域有多年经验，熟悉Java、SOA、BI、企业搜索和数据仓库，同时也是开源贡献者，曾在诺基亚、Tata等多家公司工作。
软件供应商的营销部门在大数据方面做得很好，并使之成为了主流。这意味着什么?如果使用大数据，那么我们可以实现任何承诺;实现充分的商业洞察力并打败竞争对手。然而，目前并没有像之前被广泛宣传的那样，存在大数据的成功实现。现在的问题是：为什么没有呢?显然，这些银弹企业已经看到了数十亿美元的投资，可是至今投资并没有回报。是谁的错?毕竟，企业不必宣传自己的内部流程或项目。在这一点上，我觉得这是由IT部门导致的。多数大数据项目的问题是由于技术人员(而不是业务人员)缺乏对于架构调整的理解和对未来商业的憧憬而造成的。
大数据项目的初步阶段与其他任何IT项目没有什么不同。项目都是由业务需求/要求所驱动的。这里不像黑客帝国那样，我们无法回答那些还没有被提出来的问题。在开始任何工作或讨论应该使用何种技术之前，所有的利益相关者都应该了解以下几方面：
►企业的背景
►企业的主要驱动力和组成部分
►对于架构工作的要求
►该架构的原则
►所使
最低0.47元/天 解锁文章
1727
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
