僅僅在五年之前，諸如美國國家安全局(National Security Agency，NSA)這樣的政府機(jī)構(gòu)要想通過關(guān)鍵詞的方式高效率地分析數(shù)百萬份電話、文本消息和在線聊天記錄，簡直是不可能完成的任務(wù)。但是一系列新技術(shù)的應(yīng)用讓NSA擁有相對充分的人力和財力做到這一點(diǎn)。

哈佛商學(xué)院客座教授、數(shù)據(jù)分析專家湯姆・達(dá)文波特(Tom Davenport)指出：“這些新技術(shù)為政府部門節(jié)省了巨額開支，同時還極大地提高了政府部門分析此類數(shù)據(jù)的能力。雖然需要配套的數(shù)據(jù)中心支持才能完成數(shù)據(jù)分析任務(wù)，但這些技術(shù)的成本要遠(yuǎn)比幾年前低得多。”

NSA斥資十二億美元在猶他州打造大型數(shù)據(jù)中心將于今年秋季投入使用。目前尚不明確的是，到底NSA在覆蓋全美的數(shù)據(jù)中心使用的是何種計(jì)算技術(shù)。但總體來說，這些技術(shù)被分為三大類型：

數(shù)據(jù)庫系統(tǒng)

大多數(shù)使用SQL編程語言的傳統(tǒng)數(shù)據(jù)庫是把數(shù)據(jù)存儲在由行與列組成的表格中。然而，當(dāng)遇到存儲包括電子郵件或文本信息等字符串時，傳統(tǒng)數(shù)據(jù)庫就暴露了能力有限的弊端。而且它們還無法處理圖片或視頻。

而于2009年年底開始出現(xiàn)的新型數(shù)據(jù)庫NoSQL(Not Only SQL，不僅僅是SQL)則突破了傳統(tǒng)數(shù)據(jù)庫的能力限制，可以允許數(shù)據(jù)分析專家針對所有類型的數(shù)據(jù)創(chuàng)建信息要求。這些新型數(shù)據(jù)庫包括MongoDB、Cassandra和Simple DB等。

在幫助公司分析超大型數(shù)據(jù)組方面，NoSQL數(shù)據(jù)庫體現(xiàn)出了非凡的能力。比如，美國保險數(shù)據(jù)供應(yīng)商Verisk Analytics Inc.的分析師就在針對數(shù)十億客戶資料不斷運(yùn)行各種不同的數(shù)據(jù)模式和分析方法，以從中發(fā)現(xiàn)虛假保險索賠記錄。Verisk 副總裁兼首席信息官佩里・羅泰拉(Perry Rotella)表示，使用IBM提供的傳統(tǒng)DB2數(shù)據(jù)庫“需要通宵達(dá)旦地工作6個小時才能完成工作”。此后，分析師還得投入大量時間研究得出的數(shù)據(jù)結(jié) 果，并提出新的信息要求，而這恐怕還得再熬一個晚上。他指出，分析師每次都需要花費(fèi)幾周時間才能創(chuàng)建出新的數(shù)據(jù)模型。Verisk最近剛剛開始使用更換后的NoSQL數(shù)據(jù)庫，分析師僅用30秒就能完成相同類型要求的運(yùn)行。

羅泰拉表示：“突然之間，你的模型建構(gòu)告別了幾天才更行一次的傳統(tǒng)，變成了實(shí)時更新狀態(tài)。通過使用NoSQL數(shù)據(jù)庫，你可以在一天內(nèi)多次進(jìn)行數(shù)據(jù)運(yùn)行，這極大地縮短了獲得數(shù)據(jù)結(jié)果的時間。這項(xiàng)功能簡直太強(qiáng)大了。”

機(jī)器學(xué)習(xí)

傳統(tǒng)分析要求分析師對數(shù)據(jù)有充分的了解，然后才能創(chuàng)建假設(shè)問題，進(jìn)而針對數(shù)據(jù)庫提出復(fù)雜的問題。以機(jī)器學(xué)習(xí)和自然語言處理為核心的編程技術(shù)則依靠計(jì)算機(jī)程序來發(fā)現(xiàn)數(shù)據(jù)類型，甚至還可以根據(jù)上下文闡明模糊詞匯的意義。

達(dá)文波特指出：“你可以把機(jī)器學(xué)習(xí)程序植入多個數(shù)據(jù)之中，然后你就會看到該程序會給你提供什么樣的分析結(jié)果。通過使用自然語言處理技術(shù)，你還可以分辨出‘炸彈’這個詞是百老匯舞臺劇的劇名，還是恐怖分子將會使用的武器。”

權(quán)威市場研究機(jī)構(gòu)Gartner Inc.的分析師道格拉斯・萊尼(Douglas Laney)指出，機(jī)器學(xué)習(xí)又被稱之為“認(rèn)知分析”，它能夠讓分析師提出的問題不斷進(jìn)行“自我修正”。比如，在新信息出現(xiàn)時，零售商就可以使用該技術(shù)來實(shí) 時自動更新計(jì)價算法。這些新信息包括天氣、時間、甚至是消費(fèi)者在其零售店里的行為視頻。

Hadoop基礎(chǔ)架構(gòu)

直到最近，還是只有造價昂貴的硬件設(shè)備才能夠運(yùn)行特別復(fù)雜的計(jì)算機(jī)程序，比如超大型計(jì)算機(jī)設(shè)備?，F(xiàn)在Hadoop開源軟件分布式系統(tǒng)基礎(chǔ)架構(gòu)已經(jīng)能夠讓從資料庫提取信息的過程進(jìn)行分布實(shí)施。在這一過程中，不同的分析任務(wù)被分配給大量造價低廉的服務(wù)器進(jìn)行分析，每個服務(wù)器只負(fù)責(zé)分析其中的一部分內(nèi)容，然后這些內(nèi)容又會在任務(wù)結(jié)束后被匯總在一起。達(dá)文波特表示：“這非常省錢，而且運(yùn)行速度特別快。”

這種將復(fù)雜的問題分配給大量造價低廉的計(jì)算機(jī)處理的能力有助于人們獲得問題的及時反饋，而且人們還會獲得大量的數(shù)據(jù)變量。比如，美國汽車信息網(wǎng)站Edmunds.com可以幫助汽車經(jīng)銷商預(yù)測一輛車在他們自己的停車場里停留的平均時間。這種預(yù)測能夠最大限度地縮短一輛車售出的時長。Edmunds.com的首席信息官菲利普•波特洛夫(Philip Potloff)指出：“對于汽車經(jīng)銷商來說，這可是衡量銷售業(yè)績最為重要的指標(biāo)之一。”