关于大数据项目，有一个好处经常被提及——那就是从过去无法取得数据的地方（至少是无法以划算的方式取得数据的地方）切入，深入理解企业的运营状态，来激发业务的活力。这牵扯到了社会化数据、移动数据以及云数据，当然也包括从管理得当的传统关系型数据源中获取的历史数据。从基于文本的数据以及对关系的挖掘中，可以了解您的客户及合作伙伴对您的企业有着怎样的感受，比如说，通过对搜索索引和网页访问的分析。如果您知道这些数据之间的关系历史，就可以作更深入的了解。这里要再强调一下，关键在于测试那些能转化为更好的“行为模式”作为介入模型。在这个过程中，需要满怀实验精神与好奇心。Hadoop真切感受到了这种体会，它使得IT能存储原来那些在经过一段时间后就被丢弃的数据，并且以低成本、更有效的方式来利用它们，用强大的数据处理能力来解决非结构化数据，而传统的数据库则并不适合采用这样的处理方式。

　　在探索如何将大数据项目关联起来、并让它对于业务更有意义的过程中，各个阶段都需要试验。这些试验可以帮助人们跨越传统的业务与IT之间的壁垒，分享能展现行为模式的业务规则。一些企业创建了新的业务组织架构，使得业务分析师能够与数据库专业人员在统一的领导下真正达成富有团队精神的协作。很多人认为这是一个不可逆转的转变，或许可以最终填补长期存在的IT与业务部门间的鸿沟。

　　不久前，我们拜访了一个大型运输及物流公司的IT负责人。这家公司已经拥有了可以支持成熟、实时商业智能实践的平台，他们正在将Hadoop环境引入这个架构中。我问他：“你为什么需要Hadoop？”他回答说：“Hadoop对于业务内容问题进行了优化，比如及时将货物运交给特定客户，并且显示司机的名字以及他正在进行的活动等等。我们希望利用其他的模型来主动地接触客户，并且与正确的部门联系。我们现在正在去除“中间人”这个概念——无论是业务方面的还是IT方面的。也就是说，允许业务方面不通过任何中介就可以直接以互动的方式提出问题，并获取答案。这对我们的信息管理实践来说，文字信息的整合非常关键，而且可以通过Hadoop这样的分布式环境进行不断的扩展。行为分析数据及预测是取得成功的关键。当然，这一切都将与管理指示板以及运营报告等我们在信息管理实践中已经提供的部分进行整合。”

　　他让业务最终能跳出原来的条框去思考怎样更好地接触他们的客户和合作伙伴，同时还能缩减运营费用。还有一个很重要的成效是，他列出来了一个“业务问题”条目，让架构工程师们可以将工时、闲置时间、补偿条款等等业务价值引入到技术架构中。通过这一试验过程，IT与业务方面的合作提高了效率。

　　在下一篇博客中，我们会更多地谈谈在大数据项目中信息管理与企业交互的需求与潮流。