189 8069 5689
【本文摘自：李福东《大数据运营》3.6 ，了解更多请关注微信公号：李福东频道】
大数据服务过程包括：服务目录管理、容量管理、可用性管理、连续性管理、服务等级管理、信息安全管理、供应商管理等。
在设计方法方面，大数据服务与支撑企业运营的服务既存在区别，又存在联系。不同之处是：大数据服务的设计主要以“数据”为参考点，“数据”类型越多、越丰富、越新鲜，则越有助于设计好的服务；两者的共同点是：大数据服务归根结底还是为企业运营服务的，是为了提升企业在建设、市场营销、产品销售、客户服务、企业管理等方面的能力。
大数据服务在设计阶段的过程包括：服务目录管理、容量管理、可用性管理、服务等级管理、信息安全管理、供应商管理等。
服务目录相当于饭店里点菜的菜单，用户可以通过服务目录可以看到有哪些服务，管理者也可以通过服务查看服务所依赖的资源，进而可以算出服务的成本效益。
随着大数据服务数量的增多，需要对其进行分级分类管理，以便能够快速地检索和定位大数据服务。同样，大数据服务也会不断优化完善的，因此需要对大数据服务增加版本标签的方式予以区分。
大数据服务目录可以按照大数据服务支撑的业务应用进行分类组织，比如一级大数据服务可以分为投资建设类、市场经营类、资源运营类、行政综合类和企业管理类。可以在一级基础上进一步细分，比如市场经营类可以细分为市场营销、销售、客户服务和计费收费。
按照这种分类方式，可以明确大数据服务支撑的业务应用所在的位置，可以让使用者更高效地找到大数据服务。比如，某大数据服务的目标就是为支持企业的网络规划设计，那么就应当在投资建设类中查找满足这一要求的大数据服务。
容量是组织的IT资源提供服务能力的吞吐量。IT资源所提供的容量衡量指标包括支持的大并发用户数，大在线用户数，服务器大计算能力，大存储空间，大网络出口带宽等。
容量管理不仅对于IT服务设计重要，对于大数据服务设计仍然非常重要。大数据服务通常以三种形式提供，不同类型的大数据服务对于容量的需求是不同的。
第一类是支持操作决策的大数据服务，这样的大数据服务需要嵌入到生产型过程中，用户在使用生产型应用的过程中同样会调用大数据服务，因此要求大数据服务能够提供保证业务连续性的能力。这种类型的大数据服务与面向操作的事务型应用对于容量的需求类似，因此对该类大数据服务进行容量设计时，可以把其当作事务型服务看待。
第二类大数据服务属于统计分析型，该类大数据服务更多是为了满足企业中层管理人员统计某个时间段的数据，比如统计某个季度的产品销售数据、某个年度的现金流量等，辅助管理人员发现生产经营中存在的问题。由于这样的大数据服务并不嵌入到生产型应用之中，因此对于实时性要求没有那么高，对该类大数据服务进行容量设计时，主要考虑特定时间段的容量需求，比如月初月末。
第三类大数据服务主要面向企业的高层战略管理人员，比如企业的总经理、战略规划师等，这样的人员通常关注半年以上的中长期规划，需要借助大数据服务掌握市场情况、与竞争对手之间的差距等。这样的大数据服务对于响应时间通常要求不高，更关注于数据背后隐藏的规律，设计重点为决策模型，由于该类大数据服务往往需要以多年的历史数据为分析基础，因此可以考虑采用基于云架构的基础设施，以便弹性地适应不断增长的支撑能力需求。
在大数据时代，数据成为企业的核心资产，而由于社会的专业化分工，数据也势必分散在不同的企业之中。大数据服务与企业其他原材料一样，如果不能保证及时准确的提供，将会降低大数据服务的能力。可见，对于大数据服务的供应商进行有效管理同样非常重要。
企业引入大数据服务与企业引入生产型服务一样，需要进行有效的管理。比如大数据服务供应商的准入和退出管理、服务质量管理、服务绩效管理等。供应商管理的目的是企业能够及时、有效地获取到满足要求的大数据服务,包括数据提供的时效性、数据质量等。
供应商的准入管理主要对供应商大数据服务提供能力的要求，降低大数据服务提供风险，企业可以通过与供应商签署大数据服务供应合同，从法律上保证因供应商不能按照要求提供服务带来的损失，降低企业生产和经营风险。通过定期对供应商提供的大数据服务进行考核评价作为大数据服务是否退出的依据。
我们将大数据看做企业核心资产的同时，也就意味着数据在企业中有着非同一般的价值和作用。此外，大数据还有不同于企业其他资产的独特性，比如企业的客户数据会涉及个人或者企业的隐私，可能会涉及企业的商业秘密。
为了保证大数据服务的安全性，需要从以下三个方面做起。
第一是保证数据不会被非法获取，企业可以通过权限控制机制实现认证和授权。
第二是当企业或个人使用数据时，要进行数据使用记录，保留“痕迹”，为审计工作做好准备。
第三是数据的对外提供采用匿名或者统计数据的方式，保证数据使用方不会看到真实的个体数据，如果确实需要则可以采用审批和合约的方式，在法律制度对数据予以保护，要严惩违法者。
服务等级是大数据服务的用户和大数据服务的提供者之间的共同约定，大数据服务的提供者需要按照约定的服务等级来提供服务。
当大数据服务提供方并没有按照约定的服务等级提供服务时，需要进行服务能力提升，以保证按照约定的服务等级提供服务。
比如，服务等级中约定用户从提交大数据服务请求到服务响应的时间为3秒钟以内，如果用户实际使用过程中没有满足这样的服务等级要求，大数据服务提供方则需要确认信息系统的容量设计是否存在问题。
如果存在问题，则可以通过扩容大数据服务基础设施容量的方式来满足性能要求。当然，在大数据服务提供方没有为用户提供相应等级的服务时，大数据服务提供方应当给予使用方一定的经济补偿。
服务等级除了在系统响应性能方面的要求外，主要还是大数据服务提供的数据质量是否能够满足要求。例如，数据完整性和数据准确性应当保证超过合同约定的百分比。应当预先建立双方都能认可的数据质量验证方法。
服务的可用性直接关系到用户的体验。如果用户体验好，则会提高用户的办事效率，反之则有可能导致用户的流失并减少企业收入，可见可用性管理是非常重要的。
大数据服务分为三类：嵌入到生产过程中的服务、提供决策参考的服务以及提供趋势预测的服务，以上三类大数据服务对于可用性的要求是有差别的。
对于嵌入到生产过程中的大数据服务，需要保证高可用性，否则会因为无法及时做出决策而影响企业的生产经营，比如某银行的贷款业务流程中集成了信用评估服务。而信用评估服务就是一个大数据服务，只有当信用评估大数据服务输出客户的风险敞口后，才能确定是否能够为客户提供贷款以及贷款额度，如果信用评估大数据服务不可用，则会延长用户获得贷款的时间，从而降低银行贷款业务的办理效率，甚至导致客户的流失。
比较而言，提供决策参考的大数据服务和提供趋势预测的大数据服务，对于响应的实时性要求相对较低，因此对大数据服务的可用性要求相对也较低。当然，它们对于可用性的要求也需要根据具体情况来判断，如果企业应付突发和紧急情况，这时候对以上两类大数据服务的可用性要求也是非常高的，如果大数据服务不可用，则会为企业带来很大的损失，原因是大数据服务的不可用影响到组织的决策效率，错失了调整经营策略的好时机。
可见，大数据服务可用性对于企业的生产经营都是非常重要的，需要通过可用性管理的方法和手段来保证大数据服务具有较高的可用性。
实现大数据服务高可用性的方法分为两种类型：被动型和主动型。
被动型方法是要求系统对于大数据服务的运行情况进行实时监控，根据监控结果进行度量和分析，并通过报表形式展现分析结果，根据分析结果来定位和解决影响大数据服务可用性的故障点。
主动型方法是采集用户使用和系统运行数据进行主动分析，预测可能影响大数据服务可用性相关的问题，提前优化和完善，防患于未然。
顾名思义，服务连续性管理就是保证服务不间断。对于面操作的事务型应用，服务的连续性是服务质量的重要考量指标，当服务出现故障后应当尽快发现和解决问题，服务恢复时间的长短体现了服务连续性管理水平的高低。
对于大数据服务而言，与生产流程结合紧密的大数据服务的服务连续性是需要重点考虑的类型。对于其他类型的大数据服务，应该重点保障数据采集服务的连续性，因为如果数据采集失败就意味着大数据服务依赖的数据样本减少，进而影响到数据分析的结果。
李福东，资深大数据和信息化专家，培训师，《大数据运营》著作者，现为北京某高科技公司CEO，拥有20年电信、金融、互联网等跨行业工作经验，长期致力于企业架构、大数据、人工智能、区块链、虚拟现实、数字化转型等创新与实践。
了解更多最新干货，请扫码加入本文作者知识星球（数智萤火虫），您将至少获得：
1、问题解答。72小时内答复数字科技相关问题。
2、精品文章。每周至少分享一篇原创精编长文。
3、精华PPT。最新培训、公开课PPT干货分享。
4、精美礼物。赠送小礼品、红包、作者签名书。
另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。