随着企業花越來越多的時間來分析資料，清理和準備資料的解決方案将會變得更有價值。
現在大資料是熱門話題，你在任何地方與任何人交談很難不提到大資料。事實上，大資料的術語有點被過度使用，它對不同的人意味着不同的東西，但所有這些定義都有一個共同點，那就是資料!
上面我們說大資料依賴于資料，這似乎很明顯，但大資料分析的成功需要的不僅僅是原始資料，還需要好的高品質資料。是以，更準确的說法應該是，大資料的成功需要準備好的資料。對于分析，有句古老的格言，“進來是垃圾，出去也是垃圾”，這意味着如果你把大量參差不齊的資料放到分析解決方案，你将會得到不好的結果。
資料的清理和準備曆來都是漫長的艱巨的耗時的過程。當筆者還在yankee group公司時，他們遷移crm系統，在遷移工作之前，該公司花了一年時間來清理現有系統中的記錄資料，以確定不會遷移不好的資料。雖然他們做了這麼多工作，仍然有很多不良資訊被遷移過去。
最近，筆者看到一家被稱為paxata的公司，該公司提供的解決方案可以進行所謂的“自助服務自适應資料準備”。在分析或營運報告工作之前，該技術可以整合、清理和形成資料。市面上很多現有的商業智能産品聲稱可以簡化分析過程，但事實是，大多數資料科學家和資料分析師花費大量時間來為分析準備資料。鑒于此，筆者認為，大多數企業甯願聘請高薪人才找出資料的含義(+微信關注網絡世界)，而不是清理資料。
paxata提供資料整個生命周期的準備，包括探索、清理、更換、形成和釋出資料以進行分析。該産品還允許不同的資料團隊共享相同的資料集，讓不同的團隊可以同時編輯和通路多個裝置的資訊。該産品還是一個管了解決方案，它會追蹤項目内的每個步驟，并有完全的重放功能來審查已經完成的更改。
paxata的使用者可以提高對大型資料集的分析生産率，同時最小化資料蔓延的危險。該産品既可作為雲服務—確定資料準備的靈活性，也可以作為内部部署的解決方案，它可以整合到hadoop以更快擷取價值。
正如上文所述，大資料現在是一個熱門話題，但企業和it上司者需要明白，分析糟糕的資料意味着糟糕的分析結果，可能會造成錯誤的商業決策。正因為如此，筆者希望看到資料準備技術會開始像大資料一樣熱門。
本文作者：佚名
來源：51cto