ZDNet至顶网服务器频道 09月03日 新闻消息：大数据时代里，世界各地的初创公司及企业巨头都在借力大数据技术，将大量的数据处理转化为金钱或竞争优势。然而光彩的背后，总是掩饰着一些不可忽视的真相，不是所有在大数据上的尝试都得到了应有的回报。在IT企业界，大数据成功的定义标准非常宽松，甚至我们并没有完全失败这种的观念都可以归结于成功。

那么大数据应用成功的标准究竟是什么？10gen战略副总裁Matt Asay带来了他为成功总结的4个标准：

首先，必须要可以运作

大数据应该为行业创造切实的价值，不止是高科技。McKinsey在关于大数据未来的报告中指出，大数据在医疗、政府、零售以及制造产业上拥有万亿的潜在价值。机构对大数据的成功实现需要在一下几个方面带来切实的收获：附加收益、提升客户满意度、削减成本等。

其次，必须有本质提高

大数据交付的不应该只是渐进式的商务模式改善，更应该是本质上的突破。比如就初创企业Foursquare来说，为了发现数据之间的关系，Foursquare使用了机器学习算法让系统可以建立Explore，一个社交推荐系统可以实时的给用户推荐有价值的位置信息，使用新的业务模式去驱动位置信息类型业务。Explore依赖大数据技术，同时从多于3000万个位置信息中获取见解。现在Foursquare已经具备了理解人们之间如何进行互动的能力，并且位置信息也不只止步平台，而是真实世界。

再次，必须具备高速度

传统数据库技术会拉低大数据的性能，同样也是非常繁琐的，因为不管这项技术是否迎合你的需求，专利许可涉及到的企业繁琐制度远超出你的想象。一个成功大数据项目，使用的工具集和数据库技术必须同时满足数据体积及多样性的双重需求。论据是：一个Hadoop集群只需几个小时就可以搭建，搭建完成后就可以提供快速的数据分析。事实上大部分的大数据技术都是开源的，这就意味着你可以根据你的需求添加支持和服务，同时许可不再是快速部署的阻碍之一。

最后，必须能以前所不能

在大数据出现之前，类似Gilt Groupe这种限时抢购公司根本不可能实现。限时抢购网站需要日处理上千万用户的登陆，并且会造成非常高的服务器负载峰值通过高性能、快速扩展的大数据技术让这种商业模型成为可能。

总结

大数据部署成败的关键不是系统每秒可以处理多少数据量，而是使用大数据后给公司业务带来了多少价值以及是否让业务有突破性的提升。专注业务类型，选择适合公司业务的工具集才是该重点关注的领域。