我認為數據爆炸得益于以下幾點：處理能力增加，處理器小型化，以及成本也有所下降。這些變化的綜合結果是，從我們的手表到冰箱，幾乎都具有了處理能力。這就是快數據的例子。

為什么稱這樣的數據為快數據?有如下兩個原因：

1、數以百萬的終端節點推送流式數據。

2、數據更新頻率的期望為分鐘級，秒級更佳。

這些都是機器生成的數據。數據可以用來豐富用戶體驗，優化用戶交互和提升企業洞察力。下一代應用程序能夠破除快數據的限制，進而推動快數據的發展。對于傳感器應用、日志記錄管理或網站交互都是這樣。

[[117463]]

我將在本系列文章里，通過特定的客戶案例來說明這一點。我們一直與一家從事貴重金屬開采等固定資產管理的公司保持合作關系。該公司在特定的時間段內都使用傳感器對礦井中近十萬個設備進行監測。如果他們要尋找一把丟失的鏟子，那么報告晚幾分鐘或幾個小時都無所謂。但如果人體身上的傳感器監測到心臟跳動停止，即使不要求立刻提示，也要盡快通知。如果我要建立一個系統來管理這些數據，我會讓該系統快速的接收數據，而且要做到非常快。

但數據事件并不是孤立存在的。繼續上面所說的例子。如果某儀器上的一個傳感器獲取數據的地點不在它的“授權區”，我不會關心這樣的數據。如果某個傳感器正要進入修理狀態，這個時候采集的數據，我也不關心。在這種情況下，我會對這樣的傳感器事件進行過濾，使用其他數據輔助我的決策，因為系統中的數據是相互關聯、相互依托的。(這是個業內小秘密：我們常稱之為“交易”。)

進行計數、聚合、排序等或者實時分析操作后，數據同樣擁有很大價值。我認為，對數據進行實時分析通常處于兩種目的。

工作人員想從儀表盤了解礦井的實時狀況，如多少傳感器正在工作，多少傳感器處于工作范圍之外，總體使用率為多少等等類似的情況。

另外一類是實時分析應用于自動決策處理。比如說，如果某個工人身體上的傳感器傳出的信息表示某一時刻環境含氧量變低，這可能是傳感器的異常反應。但是，如果系統監測到在過去5分鐘之內同一區域內6個工人周圍環境的含氧量都突然降低，那么這就是一個需要立即關注的緊急事件。

礦井的固定資產管理是快速數據應用于真實場景的一個實例，它告訴我們要管理快數據，需要什么樣的系統。不過這只是一個例子。DDoS檢測、日志文件管理、廣告投放優化等也有各自對應的模式。

1、快速接入數據，以提供訪問。

2、盡快處理數據，根據每個事件進行決策，以***化利用事件價值。

3、對數據進行實時分析，以支持自動決策和易讀的儀表盤。

如果你做到了這三點，就可以說真正利用了快數據，而且還讓數據的應用更加智能。

企業數據架構建設需要直面快速數據，并能在新架構下的深度分析中獲得所需的結果。