为什么大数据应用落地难?很大一部分原因在于Hadoop，用户对于开源总有兴趣亲自尝试一下。但无论Map Reduce，还是YARN都不是那么简单易用，数据建模就像一座山，横亘在用户的前面，让应用不容易落地。
大数据落地难，业内对此广有共识。“我们在全球有7900家用户，在亚太有1000家以上的用户，在中国有150家用户，这些用户的应用都是落地的。” Splunk 中国区销售总监侯海龙说。
为什么大数据应用落地难?
很大一部分原因在于Hadoop，用户对于开源总有兴趣亲自尝试一下。但无论Map/Reduce，还是YARN都不是那么简单易用，数据建模就像一座山，横亘在用户的前面，让应用不容易落地。对于互联网企业，由于人才上的优势，尚有能力克服困难，但对于行业/企业等商用用户来说，技术上的瓶颈不是那么容易跨越的。
Splunk北亚区经理麦永光指出，很多行业/企业用户对于大数据非常重视，他们会首先成立一个大数据的部门，研究大数据应用。他表示，在这种情况下，应用常常难以落地。Splunk大数据的角度有所不同，不是从大数据入手，而是从用户面临的问题着手，用Splunk大数据的方式解决问题。
“国内对大数据的认识，还是停留在数据大的初级阶段。” 侯海龙说。
根据介绍，大数据应用和数据从哪里来、数据大小、格式等没有太多的关心。大数据的重点应该集中在给需要数据的人，提供重要的可见度，快速找到答案。在过去的30年，人们一直使用关系型数据库，采用SQL进行检索和查找;但随着大数据应用的模式，新的分布式数据库的数据组织模式替代了关系型数据库，搜索引擎技术取代了SQL，从而让数据分析和使用的能力有了非常大的进步。
数据分析走出关系型数据库阶段
通过对机器大数据地分析，人们可以迅速定位故障，从而减少MTTR(Mean Time To Restoration， 平均恢复前时间)时间;提高系统的在线时间和能力;整合工具;通过数据分析驱动创新，同时也可以使用数据服务商业用户。通过机器大数据分析，可以增强用户对于业务的实时洞察力，从而让系统管理从被动走向主动应对。
大数据应用给我们带来了什么
据了解，Splunk提供了专业的数据存储和处理方式，通过检索手段，用户就可以对数据之间的关联性进行挖掘和探索。用户不需要建模，也不需要关心Map/Reduce，检索让用户直接上手，查找数据，发觉数据背后所蕴藏的价值。
大数据分析让维护从被动到主动
大数据其实很简单，关键是要找到好的工具，运用工具挖掘数据的价值;价值在于数据，而不是工具本身。侯海龙表示，国内大数据应用急需走出初级应用阶段，需要走出对技术关注，将注意力集中在数据上，让数据产生价值。
看不懂的机器大数据潜藏价值
强力推荐阅读文章