據IDC剛剛公布的《數據時代2015》預測報告數據顯示，到2025年全球數據量有望達到163ZB，將是目前全球數據量的十倍。由萬物互聯引發的數據大爆炸，對任何企業和個人而言，既是挑戰，也是機遇。

如何在大數據時代利用大數據挖掘來獲得財富和機遇？傳統行業如何引入大數據技術為己所用？AI在大數據分析中有何作用和價值？圍繞業界普遍關心的熱點問題，近日，《老尚看科技》采訪了聯想企業級大數據分析平臺LEAP（下文統一簡稱為LEAP）的相關負責人和技術專家，通過他們的專業回答，我們可以逐步看清大數據挖掘的實現路徑。

大數據平臺要有什么絕招，才能應對數據大爆炸？

有專家曾經預言，大數據將成為未來最重要的生產資料，大數據的挖掘、歸類、分析和利用能力的高低，很有可能會成為未來決定商業成敗的關鍵因素。就像石油驅動著現代工業不斷向前，用計算驅動數據，正在成為驅動科技和社會進步的重要力量。

聯想是中國最早倡導和踐行中國智造的科技企業之一，而LEAP平臺則是聯想全球化運營和智能制造轉型的關鍵支點。據悉，目前聯想擁有大數據平臺開發與運維人員超過500名，大數據專家、 數據科學家、與業務專家人數超過了50名；在全球部署了 9個數據中心, 擁有超過2000臺服務器，目前存儲總容量規模已達15PB, 數據實際總量達到 12PB以上，日新增數據量約30TB，日處理涉及數據超過150億條，是國內最大的制造企業數據集群。聯想的大數據處理能力僅次于BAT三大互聯網巨頭，其LEAP平臺目前已實現99.9%的全球高可用性。

在聯想大數據高級經理張建偉看來，簡單的把數據收集上來做統計與整合，即使效率再高也很難給客戶帶來價值，真正能給客戶帶來價值的是海量數據的高效計算能力。通過人工智能、深度學習、知識圖譜以及包括數據分析等在內的高端建模，來使這些數據和實際業務產生關聯，從而對業務的運營、營銷產生推動、指導，這樣才會產生所謂的“智”。

未來數據的激增，不只是企業數據中心產生的大量核心數據，企業級計算機和設備產生的邊緣數據，以及數以千億計的終端數據同樣也增長迅猛，那么如何應對大數據動輒七八年就要暴增10倍的挑戰？

張建偉認為，大數據時代真正來臨，有四大挑戰必須面臨和應對：

第一，海量數據的存儲。如何采集并存儲這些海量數據？這是聯想LEAP平臺、以及其他所有大數據平臺都面臨的問題。從平臺層面來看，要看平臺的橫向擴展應用是否可以無縫銜接。假如達到100個節點，擴展將非常復雜，很可能會遇到由于數據翻倍增長而帶來的處理時間不夠用等問題。 聯想企業級大數據分析平臺的優勢則體現在，LEAP Manager可以實現數據整個計算節點的動態擴展，包括數據的動態分發，這種方式不需要停機，不需要停止現有的業務就可將原來10個節點的數據集群擴展到100個，甚至更多，整體數據量會自動更新，客戶無需花費精力關注數據如何更新。

第二，基于技術的演進，如何讓用戶無感地進行更新。大數據是源于社區相關的技術，其演進迭代快速，基本上每年會有一個大版本的更新。基于不同大版本的演進，解決了包括產品自身的豐富性等問題。很多平臺在版本迭代時很難做更新，尤其是一些開源技術，在做大版本迭代的過程中，對底層日志或數據的存儲結構都做了很多優化或修改，基于現有正在運行的業務系統，很難將其業務及組件進行升級，而聯想LEAP平臺支持組件的滾動升級，通過LEAP Manager，用戶即可實現此項操作。

第三，海量數據的管理。物聯網的數據來自于多種終端，數據類型大多是是異構多元的數據，如何管理？聯想LEAP平臺的DataHub，能夠提供標準接口和標準可配置的模板，可以快速地對接口進行擴展。如果是標準接口，不需要做額外工作，就可以快速對數據進行擴展，來滿足數據增長的新需求。

第四，新舊數據如何融合。聯想LEAP平臺上有自己的數據資產管理工具，能夠對整體數據進行分類和標準化，對數據質量和生命周期進行管理。海量數據進來后如何使用，一定是需要依靠企業內部的業務人員、管理人員和相關的行業專家、數據專家等，共同解決海量數據進來后對客戶業務產生的影響、對業務優化產生的新方向等問題。

為了應對數據大爆炸的挑戰，聯想LEAP平臺還有一個秘密武器，即LEAP AI。LEAP AI可以通過深度學習相關的算法和行業應用，把聯想之前的成功案例和算法全部集中起來，幫助客戶快速認知新數據所帶來的業務價值，以及快速挖掘新數據所帶來的影響。

大數據挖掘，聯想有七種武器

大數據是一座公認的金礦，而如何挖掘各家各有套路。據張建偉介紹，聯想大數據的核心就是聯想LEAP平臺，圍繞LEAP平臺的核心計算能力、存儲能力以及數據采集能力，聯想構建了七種服務，也成為大數據分析的七種武器。

第一種服務，規劃和設計的服務。很多企業在做大數據或應用大數據的過程中走了一些彎路，究其原因，往往源于頂層設計不夠清晰，先從底層技術變革去推動，然后慢慢用敏捷迭代的形式去完善。所以，聯想在總結經驗之后，把咨詢服務放在所有項目實施之前，聯想的大數據專家會基于聯想大數據LEAP平臺幫助客戶提供規劃設計服務。

第二種服務，平臺搭建服務。對于那些已經很清楚數據來源及如何使用的行業客戶，他們缺少的是包括數據計算、收集等在內的基礎承載平臺。聯想的渠道伙伴中不乏一些行業應用經驗豐富的ISV，但這些ISV缺乏底層的基礎平臺對大數據進行深度的挖掘和支撐。同時從大數據平臺的研發成本和時間周期上來看，很多ISV又無法把更多的精力側重于基礎平臺的研究。他們更多的是側重于行業，包括某一個領域縱向的深入挖掘。這時，他們就需要一個強大的服務商或供應商，來幫助他們提供平臺，包括基于其業務場景的一些平臺大數據技術的深度優化和服務。

第三，是數據質量、數據管理服務。數據往往具有海量、多元、異構的特征，針對這些數據，如何在企業層面對數據的標準、質量、安全及整個數據生命周期進行管理很關鍵。這一套數據治理，不是一個工具可以解決的，更多的是通過咨詢、服務去幫助客戶梳理構建業務流程和體系，將整個數據資產梳理清楚，以便于其對數據資產更好地掌控及應用。

第四，是定制化的服務。在中國不同的行業，甚至不同行業的不同環節，不同的縱向生產環節，服務都是不一樣的。在應用層面及大數據層面，除了底層的計算技術以外，偏應用層面的技術很多都需要定制化開發。比如，相關的算法，在不同的應用場景上都需要做針對性的優化和調整。聯想LEAP平臺可以提供相關的定制化服務，包括聯想大數據科學家團隊、工程實施團隊，都可以專門為客戶提供更多的定制化開發服務。

第五，是集成開發。現在很多客戶，包括一些大客戶更喜歡交鑰匙工程，這就涉及到整體的系統集成，聯想有自己的硬件、軟件，又有自己的實施團隊，所以聯想可以提供給客戶一個完整的集成方案。

第六，統一的運維服務。現在大數據的平臺對很多企業而言，尤其對傳統企業而言，運維存在一定的風險和技術瓶頸。第一，技術不斷迭代，演進太快；第二，原有人員在學習大數據時需要時間、成本，還有一些企業將IT作為輕資產，運維人員很難去滿足大數據相關的分析及運維相關的服務，因此，聯想認為有必要以統一運維的形式，給企業提供相關的運維服務。

第七，是數據變現服務。目前聯想在數據變現方面的合作伙伴，包括了很多行業巨頭，一起做數據變現的前沿探索，如何整合資源和渠道，將數據真正的去變現。

在張建偉看來，聯想LEPA平臺其實是一個端到端服務的提供者，既有產品的服務，又有相關的行業應用增值服務，還包括相關的運營服務，核心目的是利用上述的七種武器幫助客戶解決大數據應用及發展相關的問題。

要進行大數據分析，是不是非得推倒重來？

新建一座城市其實并不難，但改造一座歷史悠久的老城卻要難得多，因為要考慮用兼容并包來解決新老并存的問題。現在很多企業和行業客戶，都躍躍欲試要做大數據深度挖掘和利用，但他們已有的IT系統是否就得推倒重來？進行大數據挖掘的新嘗試，能否盡可能利用和保護已有的IT資產？

張建偉在接受采訪時表示，如何保護已有的IT資產，是在大數據項目實施過程中常遇到的問題。事實上，聯想LEAP平臺可以做到跨品牌兼容，無論部署聯想還是其他品牌的產品，聯想LEAP平臺都可以很好的兼容，但會對聯想產品有更深度的優化，這能在很大程度上保護了用戶已有的IT投資。

但依照張建偉的經驗，保護客戶已有的投資和利益，并不意味著要全盤接受那些已經落伍陳舊的設備，像鋼鐵、鋁業等重資產行業，一些老舊的設備可能服役已經幾十年，想要在這些設備商采集數據難度非常大，所以聯想在幫用戶落地大數據分析平臺項目之前，會讓相應的技術專家對客戶的實際情況進行摸底，就像給房子做裝修服務，裝修設計師一定會先出設計，告訴用戶哪些還可以保留利用，哪些需要徹底重來，直到用戶對方案和預算認可之后才開始動工。

張建偉表示，大數據項目的實施，一味激進并不是好的選擇，聯想認為比較理想的方案推進可以分三步來走：第一，針對自己沒有想清楚大數據應該怎么做的客戶，或對大數據的分析存在很多疑惑的客戶，聯想LEAP平臺的專家們會先摸清其實際IT現狀；第二，會摸清其實際業務的痛點，上大數據最終是要解決業務的問題；第三，助其規劃整個大數據實施的戰略和Roadmap。這樣可以很好地幫助企業花最少的錢實現最佳的效果，同時也能節省更多的時間。

大數據掘金，不同于美國西部的淘金熱，憑借著簡陋的工具就可以試試運氣，說到底，大數據掘金必須依靠專業的計算、存儲和分析工具以及服務，而大數據采集、整理和分析利用能力，莫說是中小企業，即便是大型企業也很難具備，所以像聯想LEAP平臺這樣專業的大數據分析和服務平臺會應運而生、順勢成長。大數據服務會成為未來熱門的社會化服務新品類，在云計算的驅動之下，成為商業模式創新和產品服務創新的重要支撐點。

面對數據大爆炸的現實挑戰，是繼續被動觀望，還是主動擁抱變革？企業和行業客戶在今天所做的不同選擇，決定著未來不同的命運走向。