“我想给大家的首个建议是尽量把所有数据和应用迁移上云，原因就是云计算更便宜。”2014年图灵奖获得者、全球知名数据库专家迈克尔·斯通布雷克围绕“如何从数据资产中获取最大价值”发表了主旨演讲。他从云技术、机器学习、数据迁移、云迁移四个方面，分享了如何从数据资产中获得最大价值的有效方法。

       迈克尔·斯通布雷克在分享云技术时举例说，微软给亚马逊云计算服务数据中心提供了一项技术，他们往停车场放了一批集装箱（即数据中心），这些集装箱基本上是密封的，只设计了通电、通冷水和联网的开口，它们不一定需要放置在有屋顶和围墙的环境中，除非考虑安保问题，甚至可以放在电价便宜的地方。

        现在的数据中心可能位于高层建筑中，放在像上海或北京这样的大城市的市中心，这种集装箱式的“数据中心”会让云服务更便宜。这种新型数据中心的成本效益要好得多，可以连接数百万个设备节点，而传统数据中心只能连接几千个设备节点，如果你今天要连接100个设备节点，明天要连接300个设备节点，就可以按需购买，这样就实现了灵活性。

       迈克尔·斯通布雷克分享的第二点是机器学习。在他看来，大家都应该投资和使用机器学习，它是智能分析的趋势。如自动驾驶汽车、自助无人收银机等设备的应用，几乎在能想到的每一个行业中，机器学习都会造成颠覆性的深度冲击。

       网约车公司正彻底颠覆出租车行业。现在既存在传统技术，也存在新兴技术，更优秀的新兴技术会取代传统技术，大家都应该投资和使用新兴技术，否则可能会陷入类似传统出租车企业现在所处的窘境。

       对于机器学习，需要训练现有的业务分析师成为机器学习专家，而这一过程可能非常艰辛，所以一部分业务分析师可能得退休，已聘用的业务分析人员可能需要“大换血”。即便如此，也必须全面启用机器学习。

       那么需要做什么呢？迈克尔·斯通布雷克说，首先得花钱请一些机器学习专家。机器学习专家的费用很高，但不得不这么做，要做好准备迎接即将到来的人才和知识竞争。因为未来很可能出现赢家“通吃”整个行业的现象，未来机器学习专家会越来越多，现在大学的计算机科学系越来越专注于培养更多的机器学习人才，这会成为关键商业机密。因此，要全面学习和接受机器学习。

       在谈到数据迁移时，迈克尔·斯通布雷克说，数据科学家要么在研究数据分析，要么在研究机器学习，要么在研究其他技术，而数据科学的关键更多在于数据迁移。因为，一个数据科学家在工作中，至少耗费90%的时间在寻找自己要分析的数据，以连贯的方式迁移数据，并清理迁移结果。

        iRobot公司（一家生产扫地机器人的公司）的首席数据科学家说，她90%的工作时间都在做数据挖掘、数据整合和数据清理，而作为她专业的“数据分析”却只占了约10%的时间。在这10%的数据分析时间中，她把90%的时间用来改正她在数据清理时犯的错误。因此，不做数据清理，机器学习就毫无价值，得意识到一点，数据科学中最重要的部分是数据整合。

        迈克尔·斯通布雷克说，数据整合很难，因为必然会遇到要集成多个数据源的情况。假设你的员工数据库设在巴黎，而我的员工数据库设在纽约；你的员工拿的是定期薪水，我的员工拿的是计时计件工资。这两种数据库模式不一样，所以得付出精力，把双方数据进行统一协调，还得想办法处理无效数据。如果有一名员工部分时间在巴黎工作，部分时间在纽约工作，那么就必须删掉重复数据，避免重复计算。

       “当然，其中没有任何捷径，得将数据进行模糊匹配。比如，我是在巴黎工作的斯通布雷克，而另一个人是在纽约上班的斯通布雷克，两者只有姓氏不一样，所有这样的混乱都必须解决，而这一过程很复杂，也很难，但如果不这么做，数据分析就没有意义，机器学习模型就会失效，这一切也就丧失了价值意义。所以现在的数据科学家大部分工作时间都在做数据整合。”迈克尔·斯通布雷克说。

       那么该怎么办呢？迈克尔·斯通布雷克说，重要数据资产通常包括客户、项目、供应商和零件，而他们通常在数据孤岛中保存在公司内部的多个地方，从整理数据资产开始，定位所有重要的数据资产，建立一个数据目录以便能找到它们，确保手上有所有需要的存取代码，这样才能知道如何读取数据，还要确保重要数据可被读取，然后制定数据整合策略来整合这些重要数据资产。

       他提醒，不要临时做数据整合，要一个项目接着一个项目地来做，交给数据科学家来做，授权首席数据官来制定数据整合计划，授权首席数据官读取所有公司数据的权限，并且要派最优秀的员工来执行数据整合计划。如果不这么做，那建立的每个公用数据存储库，它又被叫做“数据湖”，就会沦为一个数据泥沼。

       最后，迈克尔·斯通布雷克建议通过制定云迁移策略，把大部分乃至全部数据都迁移上云。他表示，在这个难得的机会里，去做你平时不愿意做的事。比如，在迁移上云的过程中纠正上一任负责人犯下的错误，不要浪费这个颠覆的机会，因为你正在颠覆现有的行事方法。

        那应该怎么做呢？迈克尔·斯通布雷克说，在迁移上云的过程中应该清理和整合数据，另外也要重构应用程序，云计算服务将达到最高效率。使用“无服务器环境”，这是按需支付云计算费用的一种方法，它会要求重构应用程序，让它们能在云上高效运行。

       “如果做云迁移一定要外包所有能外包的业务，我身为一名数据库专家，希望各位在进行这一颠覆性举动时，一定要尽可能地把所有数据都放在一个数据库系统中，10年后，你的继任者一定会感谢你强制做了数据清理，做了数据维护，这使数据一致性问题变得更加容易。”迈克尔·斯通布雷克说。

来源：贵阳日报

记者：刘辉 彭刚刚