美国物理学会院士巴拉巴西的《爆发》，在最新的时间、最新的领域，讨论了一个最古老的问题：到底应该用决定论的观点，还是用非决定论的观点，看待人类行为？作为复杂网络研究的权威，巴拉巴西在大数据的新背景下，认为数据、科学以及技术的合力，会使得人类变得比预期中容易预测得多。就象泰勒格迪做到的那样。在日趋精密的数字技术条件下，有了从四处搜集来的信息，我们不会再把人类的行为视为互不相关、随意偶然的独立事件。《爆发》作者的观点：人类行为93%是可以预测的。例如，通过对大量数据的分析追踪和预测每个公民的行踪。比如电梯摄像头拍到你11点20分离开了公寓大楼，那么10分钟后在你家附近地铁站的监视画面中就很有可能搜寻到你。这并不只是科幻故事，而更可能是大数据时代人类真实的生存现状。在大数据时代，通过对各种数据的充分了解，预测个体的行为可以变得非常容易。

遇见可知的未来

如果最变化无常的人类行为93%是可以预测的，那么，未来其它的事情是不是也可以预测呢，是不是预测的准确率也能达到93%呢。假设未来能预测93%，我们是不是可以认为我们的未来是可知的，我们能遇见可知的未来?

在不远的未来，未来世界的预测准确率将超过93%，天气能预测准确率能达到93%， 地震能预测准确率超过93%，疾病预测准确率超过93%，甚至股市准确率超过93%。我们的未来就是可知的未来。

有数据才能遇见未来

大家都对遇见可知的未来充满期待，但怎么才能遇见可知的未来呢？这就是时下非常热门的话题：大数据分析。大数据分析流程如下图所示：

大数据分析流程

从上图可以看出，对于大数据我们期待商业智能，就像我们想吃美味可口的食物，我们需要厨房（分析平台），需要厨师（行业知识和分析算法），但最重要的是我们要有食材（数据），食材才是最根本、最重要的东西。我们要知道数据在哪里，并且知道如何从浩如烟海的数据中挑选出对我们有用的数据。例如食材很多，要能精确的挑选出哪些食材是做宫保鸡丁的最佳食材。

传统的数据仓库技术，如BA存在了几十年，但是它主要是处理结构化数据，主要提供商业分析，而现在发展为BI，Business Intelligence的英文缩写，中文解释为商务智能。BI最终展现给用户的信息就是报表或图视，数据集合就象玩具“魔方”一样，可以任意快速的旋转组合报表或视图。从内容上BI除了包含结构化数据，还包含非结构化数据，如互联网，社交媒体和物联网（IOT）数据。这是大数据的特点。

IOT – 是Internet Of Things的缩写，字面翻译是“物体组成的因特网”，准确的翻译应该为“物联网”。物联网（Internet Of Things）又称传感网，“物联网”（Internet Of Things）指的是将各种信息传感设备，如射频识别装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网结合起来而形成的一个巨大网络。其目的是让所有的物品都与网络连接在一起，方便识别和管理。物联网的兴起将带来数据爆炸增长，也将对我们大数据分析和未来社会的预测产生影响。

数据处理的关键- ETL

使用数据最关键是数据梳理 – ETL。从浩如烟海的数据中，提取对我们有价值的数据和信息。ETL，（Extract Transform Load），它实现数据的抽取，转换及装载工作。ETL在技术上主要涉及增量、转换、调度和监控等几个方面的处理：

抽取：将数据从各种原始的业务系统中读取出来。

转换：按照预先设计好的规则将抽取的数据进行转换、清洗，以及处理一些冗余、歧义的数据，使本来异构的数据格式能统一起来。

装载：将转换完的数据按计划增量或全部导入到目标数据库中。

现在的大数据分析中，ETL是基础也是关键，HDS公司最近收购的Pentaho就能够实现各种数据的ETL整合。如下图所示：

从上图可以看出，Pentaho可以将传统的客户信息，交易信息等结构化数据，ETL（PDI）到标准的DW库中，也可以将IOT数据，地理位置信息（Location）, 互联网和社交媒体信息ETL（PDI）到规定的目标中，如MongoDB和Hadoop中，并且能够集成传统数据和新的社交数据，为大数据分析提供全新视角。

拥有大量的数据，我们可以遇见可知的未来，数据ETL加工、转换、调度和处理是大数据分析的基础，HDS的Pentaho能够实现各种数据的ETL加工、转换、调度和处理，为企业客户大数据分析助一臂之力。

本文作者：谢勇

来源：51CTO