“三只小猪盖房子”演绎的大数据存储

　大数据的部署实施需要结合具体的应用场景。实际上，企业大数据的存储处理可以用 “三只小猪盖房子”(分别使用稻草、木头和砖头)的故事来说明，这个故事能更形象地反映数据存储环境下与交付服务(成本)相对应的不同保护级别(完整性和可靠性)。

　　财务数据、对外报告和法规遵从性数据需在“砖房”(BRICKS)环境中存储处理。这些数据需要可靠的硬件基础设施，并与其原始来源保持一致。企业中多个职能部门使用产品服务定价决策、销售业绩及分析以及至关重要的员工/管理层薪酬激励机制计算等财务数据，这是很常见的情况。

　　精心设计的“木房”(STICK)环境可确保存储数据牢固耐用。该环境专用于应用程序，而并非针对企业级使用和跨职能部门数据共享而设计。该数据类型可专门用于数据转换，通常包括大量营销数据集市。仅数据转换、协调及沿袭等必要功能即可满足特定商业用途。与上述“砖房”相比，“木房”从本质上讲，成本更低，速度更快。

　　最后介绍“草房”(HAY)。“草房”实际上是指在需要使用数据的特定日期对数据进行转换、分组及汇总。其中，数据可能以原始来源的数据格式存在，几乎不需要任何数据结构。用户可任意调整数据格式。虽然 “草房”设计无法轻易复制或纵向扩展，却适用于应对非特定、非重复性商业问题。该方案对数据协调及复制的需求低。

　　使用“三只小猪”的类比相当直观，但具体解决方案应参考数据管控(Data Governance)方针。如能应对自如，业务部门希望快速获得低成本解决方案;而IT部门则需要依托可靠的解决方案，提供健全、可靠的服务。这也是业务及IT部门大多数讨论中的固有矛盾。

　　由于部署迅速、成本低且失败的代价低，“草房”解决方案备受关注。在新的经济机制下，特别是在自助式环境下用户对数据(包括大数据)价值的认可，是数据实验室和探索环境快速发展的原因。因此，业务部门选择快速、低成本的解决方案也不足为奇。

　　但将“草房”方案升级为“木房”或“砖房”环境时，IT部门的成本令人非常震惊。“为什么他们不能使用我们两周内设计的解决方案?”他们可以。但在“草房”的基础上部署“砖房”甚至是“木房”方案都行不通。利用“草房”的设计方案部署“木房”及“砖房”方案，将浪费IT部门大量预算。

　　其主要挑战是识别数据重要性的数据管控策略和过程。在“草房”环境中设计出的“创意”方案需迁移至更稳定的环境时，参与数据管理方式(草房、木房还是砖房)决策的相关负责人需要全面了解下游数据的重要性。