[VALUE]
[VALUE]
所涉及行业:
政府、公安、政法、人社、审
计、水务、医疗、 教育、电
力、保险、银行等。
没有数据
因为业务系统没有对数据加以保存,或者因
为行政原因不能开放,即使上了大数据平台
,那也只是有了“壳”而并不能发挥大数据
的作用和价值。
数据采集影响源端业务系统
大多数厂商通过各种开源工具从业务系统抽
取数据,侵入式的工具不但影响了源端业务
系统的正常使用,而且稳定性极差,经常出
现各种丢数据的情况。人员消耗大,服务成
本高,不仅没有发挥大数据的价值,而且变
成一种负担。
缺乏数据治理、不准确、周期长
缺乏数据治理,对数据中存在的数据缺失、
数据散乱、数据不一致,元数据频繁变更,
元数据类型多样的问题并没有真正的处理和
解决,即使有了大数据平台其分析结果也不
准确。导致错误的决策,大数据分析失去可
信度。
智能应用并不智能
通过对大数据与人工智能的营销,声称可以
通过机器学习和深度学习的算法等,开发各
种类型的智能应用,然而这些智能应用因为
数据缺失、数据不准确并不能真正的落地,
最后变成一个”噱头”。
数据孤岛,信息不一致,数据难以整合
由于在不同时期、应用不同技术、与不同厂商合作,建设了不同规
模的业务应用系统,导致大量数据孤岛问题,系统间信息不一致且
难以整合,希望通过数据治理和大数据的建设对数据加以融合,解
决数据中存在的各种问题并让各系统间数据能够互联互通。
Demo≠结果,可视化≠大数据分析
只关注到数据可视化中数据展示的效果,并以Demo和数据展示的
效果来作为依据判断大数据建设的预期效果,忽略了数据采集、数
据治理、数据存储和数据计算的重要性。
大数据建设现状:周期长(问题、协调……)