1、引言

    隨著以博客、社交網(wǎng)絡(luò)、基于位置的服務(wù)LBS 為代表的新型信息發(fā)布方式的不斷涌現(xiàn)，以及云計算、物聯(lián)網(wǎng)等技術(shù)的興起，數(shù)據(jù)正以前所未有的速度在不斷的增長和累積，大數(shù)據(jù)時代已經(jīng)來到。學(xué)術(shù)界、工業(yè)界甚至于政府機構(gòu)都已經(jīng)開始密切關(guān)注大數(shù)據(jù)問題，并對其產(chǎn)生濃厚的興趣。就學(xué)術(shù)界而言，Nature 早在2008 年就推出了Big Data 專刊。計算社區(qū)聯(lián)盟(Computing Community Consortium)在2008 年發(fā)表了報告《Big-Data Computing: Creatingrevolutionary breakthroughs in commerce, science, and society》,闡述了在數(shù)據(jù)驅(qū)動的研究背景下，解決大數(shù)據(jù)問題所需的技術(shù)以及面臨的一些挑戰(zhàn)。Science 在2011 年2 月推出�？�《Dealing with Data》，主要圍繞著科學(xué)研究中大數(shù)據(jù)的問題展開討論，說明大數(shù)據(jù)對于科學(xué)研究的重要性。美國一些知名的數(shù)據(jù)管理領(lǐng)域的專家學(xué)者則從專業(yè)的研究角度出發(fā)，聯(lián)合發(fā)布了一份白皮書《Challenges and Opportunities with Big Data。該白皮書從學(xué)術(shù)的角度出發(fā)，介紹了大數(shù)據(jù)的產(chǎn)生，分析了大數(shù)據(jù)的處理流程，并提出大數(shù)據(jù)所面臨的若干挑戰(zhàn)。

    全球知名的咨詢公司麥肯錫(McKinsey)去年6 月份發(fā)布了一份關(guān)于大數(shù)據(jù)的詳盡報告《Big data: The next frontier for innovation, competition, and productivity》，對大數(shù)據(jù)的影響、關(guān)鍵技術(shù)和應(yīng)用領(lǐng)域等都進行了詳盡的分析。進入2012 年以來，大數(shù)據(jù)的關(guān)注度與日俱增。1 月份的達沃斯世界經(jīng)濟論壇上，大數(shù)據(jù)是主題之一，該次會議還特別針對大數(shù)據(jù)發(fā)布了報告《Big Data, Big Impact: New Possibilities for International Development》，探討了新的數(shù)據(jù)產(chǎn)生方式下，如何更好的利用數(shù)據(jù)來產(chǎn)生良好的社會效益。該報告重點關(guān)注了個人產(chǎn)生的移動數(shù)據(jù)與其他數(shù)據(jù)的融合與利用。3 月份美國奧巴馬政府發(fā)布了《大數(shù)據(jù)研究和發(fā)展倡議》[7](Big Data Research and Development Initiative)，投資2 億以上美元，正式啟動“大數(shù)據(jù)發(fā)展計劃”。計劃在科學(xué)研究、環(huán)境、生物醫(yī)學(xué)等領(lǐng)域利用大數(shù)據(jù)技術(shù)進行突破。奧巴馬政府的這一計劃被視為美國政府繼信息高速公路(Information Highway)計劃之后在信息科學(xué)領(lǐng)域的又一重大舉措。與此同時，聯(lián)合國一個名為Global Pulse 的倡議項目在今年5 月發(fā)布報告《Big Data for Development：Challenges & Opportunities》，該報告主要闡述大數(shù)據(jù)時代各國特別是發(fā)展中國家在面臨數(shù)據(jù)洪流(Data Deluge)的情況下所遇到的機遇與挑戰(zhàn)，同時還對大數(shù)據(jù)的應(yīng)用進行了初步的解讀。《紐約時報》的文章《The Age of Big Data》則通過主流媒體的宣傳使普通民眾開始意識到大數(shù)據(jù)的存在，以及大數(shù)據(jù)對于人們?nèi)粘Ｉ�活的影響�?/p>

    大數(shù)據(jù)的火熱并不意味著對于大數(shù)據(jù)的了解深入，反而表明大數(shù)據(jù)存在過度炒作的危險。大數(shù)據(jù)的基本概念、關(guān)鍵技術(shù)以及對其的利用上均存在很多的疑問和爭議。本文從大數(shù)據(jù)問題背后的本質(zhì)出發(fā)，對現(xiàn)有的大數(shù)據(jù)研究資料進行全面的歸納和總結(jié)。首先簡要介紹大數(shù)據(jù)的基本概念，闡述其同傳統(tǒng)數(shù)據(jù)庫的區(qū)別。在此基礎(chǔ)上，對大數(shù)據(jù)處理框架進行詳細解析。我們認為大數(shù)據(jù)的發(fā)展離不開云計算技術(shù)，云計算支撐著大數(shù)據(jù)存儲、管理以及數(shù)據(jù)分析等。因此本文展開介紹了大數(shù)據(jù)時代不可或缺的云計算技術(shù)和工具。最后全面闡述大數(shù)據(jù)時代面臨的新挑戰(zhàn)。

2、大數(shù)據(jù)的基本概念、來源與應(yīng)用

    2.1 大數(shù)據(jù)的基本概念

    大數(shù)據(jù)本身是一個比較抽象的概念，單從字面來看，它表示數(shù)據(jù)規(guī)模的龐大。但是僅僅數(shù)量上的龐大顯然無法看出大數(shù)據(jù)這一概念和以往的“海量數(shù)據(jù)”（Massive Data）、“超大規(guī)模數(shù)據(jù)”(Very Large Data)等概念之間有何區(qū)別。對于大數(shù)據(jù)尚未有一個公認的定義，不同的定義基本是從大數(shù)據(jù)的特征出發(fā)，通過這些特征的闡述和歸納，試圖給出其定義。在這些定義中，比較有代表性的是3V 定義，即認為大數(shù)據(jù)需滿足3 個特點：規(guī)模性(Volume)、多樣性(Variety)和高速性(Velocity)。除此之外，還有提出4V 定義的，即嘗試在3V 的基礎(chǔ)上增加一個新的特性。關(guān)于第四個V 的說法并不統(tǒng)一，IDC 認為大數(shù)據(jù)還應(yīng)當具有價值性(Value)，大數(shù)據(jù)的價值往往呈現(xiàn)出稀疏性的特點。而IBM 認為大數(shù)據(jù)必然具有真實性(Veracity)。維基百科對大數(shù)據(jù)的定義則簡單明了：大數(shù)據(jù)是指利用常用軟件工具捕獲、管理和處理數(shù)據(jù)所耗時間超過可容忍時間的數(shù)據(jù)集。

    眼下在大數(shù)據(jù)定義問題上很難達成一個完全的共識，這點和云計算的概念剛提出時的情況是相似的。在面對實際問題時，不必過度的拘泥于具體的定義之中，把握3V 定義的基礎(chǔ)上，適當?shù)目紤]4V 特性即可。

    2.2 從數(shù)據(jù)庫(Database, DB)到大數(shù)據(jù)(Big Data, BD)

    從數(shù)據(jù)庫(DB)到大數(shù)據(jù)(BD)，看似只是一個簡單的技術(shù)演進，但細細考究不難發(fā)現(xiàn)兩者有著本質(zhì)上的差別。大數(shù)據(jù)的出現(xiàn)，必將顛覆傳統(tǒng)的數(shù)據(jù)管理方式。在數(shù)據(jù)來源、數(shù)據(jù)處理方式和數(shù)據(jù)思維等方面都會對其帶來革命性的變化。

    如果要用簡單的方式來比較傳統(tǒng)的數(shù)據(jù)庫和大數(shù)據(jù)的區(qū)別的話，我們認為“池塘捕魚”和“大海捕魚”是個很好的類比。“池塘捕魚”代表著傳統(tǒng)數(shù)據(jù)庫時代的數(shù)據(jù)管理方式，而“大海捕魚”則對應(yīng)著大數(shù)據(jù)時代的數(shù)據(jù)管理方式，“魚”是待處理的數(shù)據(jù)。“捕魚”環(huán)境條件的變化導(dǎo)致了“捕魚”方式的根本性差異。這些差異主要體現(xiàn)在如下幾個方面：

    1、數(shù)據(jù)規(guī)模：“池塘”和“大海”最容易發(fā)現(xiàn)的區(qū)別就是規(guī)模。“池塘”規(guī)模相對較小，即便是先前認為比較大的“池塘”，譬如VLDB(Very Large Database)，和“大海”XLDB(Extremely Large Database)相比仍舊偏小。“池塘”的處理對象通常以MB 為基本單位，而“大海”則常常以GB，甚至是TB、PB 為基本處理單位。

    2、數(shù)據(jù)類型：過去的“池塘”中，數(shù)據(jù)的種類單一，往往僅僅有一種或少數(shù)幾種，這些數(shù)據(jù)又以結(jié)構(gòu)化數(shù)據(jù)為主。而在“大海”中，數(shù)據(jù)的種類繁多，數(shù)以千計，而這些數(shù)據(jù)又包含著結(jié)構(gòu)化、半結(jié)構(gòu)化以及非結(jié)構(gòu)化的數(shù)據(jù)，并且半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)所占份額越來越大。

    3、模式(Schema)和數(shù)據(jù)的關(guān)系：傳統(tǒng)的數(shù)據(jù)庫都是先有模式，然后才會產(chǎn)生數(shù)據(jù)。這就好比是先選好合適的“池塘”，然后才會向其中投放適合在該“池塘”環(huán)境生長的“魚”。而大數(shù)據(jù)時代很多情況下難以預(yù)先確定模式，模式只有在數(shù)據(jù)出現(xiàn)之后才能確定，且模式隨著數(shù)據(jù)量的增長處于不斷的演變之中。這就好比先有少量的魚類，隨著時間推移，魚的種類和數(shù)量都在不斷的增長。魚的變化會使大海的成分和環(huán)境處于不斷的變化之中。

    4、處理對象：在“池塘”中捕魚，“魚”僅僅是其捕撈對象。而在“大海”中，“魚”除了是捕撈對象之外，還可以通過某些“魚”的存在來判斷其他種類的“魚”是否存在。也就是說傳統(tǒng)數(shù)據(jù)庫中數(shù)據(jù)僅作為處理對象。而在大數(shù)據(jù)時代，要將數(shù)據(jù)作為一種資源來輔助解決其他諸多領(lǐng)域的問題。

    5、處理工具：捕撈“池塘”中的“魚”，一種漁網(wǎng)或少數(shù)幾種基本就可以應(yīng)對，也就是所謂的One Size Fits All。但是在“大海”中，不可能存在一種漁網(wǎng)能夠捕獲所有的魚類，也就是說No Size Fits All。

    從“池塘”到“大海”，不僅僅是規(guī)模的變大。傳統(tǒng)的數(shù)據(jù)庫代表著數(shù)據(jù)工程(Data Engineering)的處理方式，大數(shù)據(jù)時代的數(shù)據(jù)已不僅僅只是工程處理的對象，需要采取新的數(shù)據(jù)思維來應(yīng)對。圖靈獎獲得者、著名數(shù)據(jù)庫專家Jim Gray 博士觀察并總結(jié)人類自古以來，在科學(xué)研究上，先后歷經(jīng)了實驗、理論和計算三種范式。當數(shù)據(jù)量不斷增長和累積到今天，傳統(tǒng)的三種范式在科學(xué)研究，特別是一些新的研究領(lǐng)域已經(jīng)無法很好的發(fā)揮作用，需要有一種全新的第四種范式來指導(dǎo)新形勢下的科學(xué)研究�；�于這種考慮，Jim Gray 提出了一種新的數(shù)據(jù)探索型研究方式，被他自己稱之為科學(xué)研究的“第四種范式”(The Fourth Paradigm)。

表1 科學(xué)發(fā)現(xiàn)的四種范式

    四種范式的比較如表1所示。第四種范式的實質(zhì)就是從以計算為中心，轉(zhuǎn)變到以數(shù)據(jù)處理為中心，也就是我們所說的數(shù)據(jù)思維。這種方式需要我們從根本上轉(zhuǎn)變思維。正如前面提到的“捕魚”，在大數(shù)據(jù)時代，數(shù)據(jù)不再僅僅是“捕撈”的對象，而應(yīng)當轉(zhuǎn)變成一種基礎(chǔ)資源，用數(shù)據(jù)這種資源來協(xié)同解決其他諸多領(lǐng)域的問題。計算社會科學(xué)(Computational SocialScience)基于特定社會需求，在特定的社會理論指導(dǎo)下，收集、整理和分析數(shù)據(jù)足跡(dataprint)，以便進行社會解釋、監(jiān)控、預(yù)測與規(guī)劃的過程和活動。計算社會科學(xué)是一種典型的需要采用第四種范式來做指導(dǎo)的科學(xué)研究領(lǐng)域。Duncan J. Watts 在《自然》雜志上的文章《Atwenty-first century science》也指出借助于社交網(wǎng)絡(luò)和計算機分析技術(shù)，21 世紀的社會科學(xué)有可能實現(xiàn)定量化的研究，從而成為一門真正的自然科學(xué)。

    2.3 大數(shù)據(jù)的產(chǎn)生和應(yīng)用

    人類歷史上從未有哪個時代和今天一樣產(chǎn)生如此海量的數(shù)據(jù)。數(shù)據(jù)的產(chǎn)生已經(jīng)完全不受時間、地點的限制。從開始采用數(shù)據(jù)庫作為數(shù)據(jù)管理的主要方式開始，人類社會的數(shù)據(jù)產(chǎn)生方式大致經(jīng)歷了3 個階段，而正是數(shù)據(jù)產(chǎn)生方式的巨大變化才最終導(dǎo)致大數(shù)據(jù)的產(chǎn)生。

    1、運營式系統(tǒng)階段。數(shù)據(jù)庫的出現(xiàn)使得數(shù)據(jù)管理的復(fù)雜度大大降低，實際中數(shù)據(jù)庫大都為運營系統(tǒng)所采用，作為運營系統(tǒng)的數(shù)據(jù)管理子系統(tǒng)。比如超市的銷售記錄系統(tǒng)，銀行的交易記錄系統(tǒng)、醫(yī)院病人的醫(yī)療記錄等。人類社會數(shù)據(jù)量第一次大的飛躍正是建立在運營式系統(tǒng)開始廣泛使用數(shù)據(jù)庫開始。這個階段最主要特點是數(shù)據(jù)往往伴隨著一定的運營活動而產(chǎn)生并記錄在數(shù)據(jù)庫中的，比如超市每銷售出一件產(chǎn)品就會在數(shù)據(jù)庫中產(chǎn)生相應(yīng)的一條銷售記錄。這種數(shù)據(jù)的產(chǎn)生方式是被動的。

    2、用戶原創(chuàng)內(nèi)容階段�；ヂ�(lián)網(wǎng)的誕生促使人類社會數(shù)據(jù)量出現(xiàn)第二次大的飛躍。但是真正的數(shù)據(jù)爆發(fā)產(chǎn)生于Web 2.0 時代，而Web 2.0 的最重要標志就是用戶原創(chuàng)內(nèi)容（UGC,User Generated Content）。這類數(shù)據(jù)近幾年一直呈現(xiàn)爆炸性的增長，主要有兩個方面的原因。首先是以博客、微博為代表的新型社交網(wǎng)絡(luò)的出現(xiàn)和快速發(fā)展，使得用戶產(chǎn)生數(shù)據(jù)的意愿更加強烈。其次就是以智能手機、平板電腦為代表的新型移動設(shè)備的出現(xiàn)，這些易攜帶、全天候接入網(wǎng)絡(luò)的移動設(shè)備使得人們在網(wǎng)上發(fā)表自己意見的途徑更為便捷。這個階段數(shù)據(jù)的產(chǎn)生方式是主動的。

    3、感知式系統(tǒng)階段。人類社會數(shù)據(jù)量第三次大的飛躍最終導(dǎo)致了大數(shù)據(jù)的產(chǎn)生，今天我們正處于這個階段。這次飛躍的根本原因在于感知式系統(tǒng)的廣泛使用。隨著技術(shù)的發(fā)展，人們已經(jīng)有能力制造極其微小的帶有處理功能的傳感器，并開始將這些設(shè)備廣泛的布置于社會的各個角落，通過這些設(shè)備來對整個社會的運轉(zhuǎn)進行監(jiān)控。這些設(shè)備會源源不斷的產(chǎn)生新數(shù)據(jù)，這種數(shù)據(jù)的產(chǎn)生方式是自動的。

    簡單來說，數(shù)據(jù)產(chǎn)生經(jīng)歷了被動、主動和自動三個階段。這些被動、主動和自動的數(shù)據(jù)共同構(gòu)成了大數(shù)據(jù)的數(shù)據(jù)來源，但其中自動式的數(shù)據(jù)才是大數(shù)據(jù)產(chǎn)生的最根本原因。

表2 典型大數(shù)據(jù)應(yīng)用的比較

    正如Google 的首席經(jīng)濟學(xué)家Hal Varian 所說，數(shù)據(jù)是廣泛可用的，所缺乏的是從中提取出知識的能力。數(shù)據(jù)收集的根本目的是根據(jù)需求從數(shù)據(jù)中提取有用的知識，并將其應(yīng)用到具體的領(lǐng)域之中。不同領(lǐng)域的大數(shù)據(jù)應(yīng)用有不同的特點，表2 列舉了若干具有代表性的大數(shù)據(jù)應(yīng)用及其特征。

    正是由于大數(shù)據(jù)的廣泛存在，才使得大數(shù)據(jù)問題的解決很具挑戰(zhàn)性。而它的廣泛應(yīng)用，則促使越來越多的人開始關(guān)注和研究大數(shù)據(jù)問題。

3、大數(shù)據(jù)處理框架

    3.1 大數(shù)據(jù)處理模式

    大數(shù)據(jù)的應(yīng)用類型很多，主要的處理模式可以分為流處理(Stream Processing)和批處理(Batch Processing)兩種。批處理是先存儲后處理(Store-then-process)，而流處理則是直接處理(Straight-through processing)。

    3.1.1 流處理

    流處理的基本理念是數(shù)據(jù)的價值會隨著時間的流逝而不斷減少。因此盡可能快的對最新的數(shù)據(jù)做出分析并給出結(jié)果是所有流數(shù)據(jù)處理模式的共同目標。需要采用流數(shù)據(jù)處理的大數(shù)據(jù)應(yīng)用場景主要有網(wǎng)頁點擊數(shù)的實時統(tǒng)計、傳感器網(wǎng)絡(luò)、金融中的高頻交易等。

    流處理的處理模式將數(shù)據(jù)視為流，源源不斷的數(shù)據(jù)組成了數(shù)據(jù)流。當新的數(shù)據(jù)到來時就立刻處理并返回所需的結(jié)果。圖1是流處理中基本的數(shù)據(jù)流模型：

圖1 基本的數(shù)據(jù)流模型

    數(shù)據(jù)的實時處理是一個很有挑戰(zhàn)性的工作，數(shù)據(jù)流本身具有持續(xù)達到、速度快且規(guī)模巨大等特點，因此通常不會對所有的數(shù)據(jù)進行永久化存儲，而且數(shù)據(jù)環(huán)境處在不斷的變化之中，系統(tǒng)很難準確掌握整個數(shù)據(jù)的全貌。由于響應(yīng)時間的要求，流處理的過程基本在內(nèi)存中完成，其處理方式更多的依賴于在內(nèi)存中設(shè)計巧妙的概要數(shù)據(jù)結(jié)構(gòu)(Synopsis data structure)，內(nèi)存容量是限制流處理模型的一個主要瓶頸。以PCM(相變存儲器)為代表的SCM(Storage ClassMemory，儲存級內(nèi)存)設(shè)備的出現(xiàn)或許可以使內(nèi)存未來不再成為流處理模型的制約。

    數(shù)據(jù)流的理論及技術(shù)研究已經(jīng)有十幾年的歷史，目前仍舊是研究熱點。于此同時很多實際系統(tǒng)也已開發(fā)和得到廣泛的應(yīng)用，比較代表性的開源系統(tǒng)如Twitter 的Storm、Yahoo的S4以及Linkedin 的Kafka等。

    3.1.2 批處理

    Google 公司在2004 年提出的MapReduce編程模型是最具代表性的批處理模式。一個完整的MapReduce 過程如圖2所示：

圖2 MapReduce執(zhí)行流程圖

    MapReduce模型首先將用戶的原始數(shù)據(jù)源進行分塊，然后分別交給不同的Map任務(wù)區(qū)處理。Map任務(wù)從輸入中解析出Key/Value對集合，然后對這些集合執(zhí)行用戶自行定義的Map函數(shù)得到中間結(jié)果，并將該結(jié)果寫入本地硬盤。Reduce任務(wù)從硬盤上讀取數(shù)據(jù)之后，會根據(jù)key 值進行排序，將具有相同key 值的組織在一起。最后用戶自定義的Reduce函數(shù)會作用于這些排好序的結(jié)果并輸出最終結(jié)果。

    從MapReduce的處理過程我們可以看出，MapReduce的核心設(shè)計思想在于：

    1)將問題分而治之；

    2)把計算推到數(shù)據(jù)而不是把數(shù)據(jù)推到計算，有效的避免數(shù)據(jù)傳輸過程中產(chǎn)生的大量通訊開銷。

    MapReduce模型簡單，且現(xiàn)實中很多問題都可用MapReduce模型來表示。因此該模型公開后，立刻受到極大的關(guān)注，并在生物信息學(xué)、文本挖掘等領(lǐng)域得到廣泛的應(yīng)用。

    無論是流處理還是批處理，都是大數(shù)據(jù)處理的可行思路。大數(shù)據(jù)的應(yīng)用類型很多，在實際的大數(shù)據(jù)處理中，常常并不是簡單的只使用其中的某一種，而是將二者結(jié)合起來�；ヂ�(lián)網(wǎng)是大數(shù)據(jù)最重要的來源之一，很多互聯(lián)網(wǎng)公司根據(jù)處理時間的要求將自己的業(yè)務(wù)劃分為在線(Online)、近線(Nearline)和離線(Offline)，比如著名的職業(yè)社交網(wǎng)站Linkedin。這種劃分方式是按處理所耗時間來劃分的。其中在線的處理時間一般在秒級，甚至是毫秒級，因此通常采用上面所說的流處理。離線的處理時間可以以天為基本單位，基本采用批處理方式，這種方式可以最大限度的利用系統(tǒng)I/O。近線的處理時間一般在分鐘級或者是小時級，對其處理模型并沒有特別的要求，可以根據(jù)需求靈活選擇。但在實際中多采用批處理模式。

    3.2 大數(shù)據(jù)處理的基本流程

    大數(shù)據(jù)的數(shù)據(jù)來源廣泛，應(yīng)用需求和數(shù)據(jù)類型都不盡相同，但是最基本的處理流程一致。海量Web 數(shù)據(jù)的處理是一類非常典型的大數(shù)據(jù)應(yīng)用，從中可以歸納出大數(shù)據(jù)處理的最基本流程。ScholarSpace由中國人民大學(xué)網(wǎng)絡(luò)與移動數(shù)據(jù)管理實驗室(WAMDM)開發(fā)，目標是建立一個“以人為本”，即以作者為中心來展示多學(xué)科中文文獻的集成數(shù)據(jù)庫系統(tǒng)。 該系統(tǒng)已經(jīng)從最初的計算機領(lǐng)域擴展到包括經(jīng)濟、法律等人文社會科學(xué)在內(nèi)的多領(lǐng)域。從數(shù)據(jù)抽取和集成，一直到最終的結(jié)果展示，ScholarSpace 完整的體現(xiàn)出大數(shù)據(jù)處理的一般流程。在其基礎(chǔ)上我們歸納出大數(shù)據(jù)的基本流程，如圖3 所示：

圖3 大數(shù)據(jù)處理基本流程

    整個大數(shù)據(jù)的處理流程可以定義為在合適工具的輔助下，對廣泛異構(gòu)的數(shù)據(jù)源進行抽取和集成，結(jié)果按照一定的標準統(tǒng)一存儲。利用合適的數(shù)據(jù)分析技術(shù)對存儲的數(shù)據(jù)進行分析，從中提取有益的知識并利用恰當?shù)姆绞綄⒔Y(jié)果展現(xiàn)給終端用戶。具體來說可以分為數(shù)據(jù)抽取與集成、數(shù)據(jù)分析以及數(shù)據(jù)解釋。

核心關(guān)注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.oesoe.com/

本文標題：大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)（上）

本文網(wǎng)址：http://www.oesoe.com/html/support/1112189697.html