对数据的透明访问

今天分享的内容主要聚焦在数据访问侧，也就是说前端操作人员如何更便捷地访问大数据系统。

由于Hadoop、Nosql、EDW和流处理混合框架通常提供支持，大数据系统对业务人员提出了更高的要求。 【商用/开源等技术堆栈的掌握度】面向企业、跨部门使用、人员组织作用多、集中领域各有优势，需要适应能力

因此，对于APP应用和访问域，数据平台自身必须具备一些能力。 这些能力分为四类：多语言支持、集成开发环境、APP应用程序发布环境和数据可视化访问。

多语言支持：

在传统的数据查询领域，SQL引擎无疑是成熟的普遍选择。 关系数据库是支持标准SQL的创始人。 当然，虽然现在许多开源组件也支持SQL标准(例如sql92/sql99/sql2003 )，但您可以理解，支持SQL标准并不等于支持标准SQL 因此，它是SQL引擎的开发人员常用开发语言。

在数据挖掘领域，r和Python是几年来非常流行的开发语言，r是免费的开源，易于掌握，与各种系统兼容，重量非常轻，对Python来说容易学习，具有很强的可移植性。 另外，还配备了深度学习和人工智能等容易扩展的环保包。

Perl是一种自然智能的语言，可以根据上下文解释执行，同时有很多缩写。 Perl语言具有强大的正则表达式和模式匹配功能，具有复杂灵活的数据结构，因此Perl语言得到了广泛的应用

等等，这种多语言的同时支持是考验底层平台的能力。 (因为，高层分析师指的是关注自己的能力和技能以实现业务逻辑。 不管你的平台是什么。

集成开发环境：

集成开发环境其实与当今复合型大数据人才相匹配，业务APP应用专家可以使用Rstudio开发，也可以使用商用SAS产品完成商业智能和辅助分析。 对于基础大数据平台来说，应该为API调用提供统一的数据访问接口，集成开发环境可以减少数据转移，提高开发效率，在一个平台上实现跨高层分析工具的高级集成

电子APP应用程序和发布：

这种能力类似于移动终端的APP应用市场。 这里积累了大量的分析流程、分析工具和执行脚本。 这些资产都是广大分析师、数据科学家辛勤的汗水，如果固化后能够构建并打包一个个的APP，后续类似分析工作的效率将大大提高，将APP应用的使用和发布能力整合到大数据平台上，统一接口给上层业务的访问者这就是大数据访问的高级能力。

数据可视化访问：

最后是数据可视化能力，其实这三种数据访问可能需要使用可视化工具。 此外，还可以实现开发过程的可视化和分析结果的可视化。 数据可视化也是数据分析领域中一门非常广泛的学科，是一个演化中的概念，其边界正在不断扩大。 主要是指能够使用图形、图像处理、计算机视觉和用户界面，通过表示、建模和立体、表面、属性和动画的显示对数据进行视觉解释的技术上的高级技术方法。 与立体建模等特殊技术方法相比，数据可视化涵盖的技术方法要广泛得多。

因此，得出的结论是，数据的透明访问范围是确定的，企业必须考虑以何种角色访问系统和跨部门进行分析工作，基础平台必须能够支持。 怎么支持？ 实际上，它是我们之前提到的——混合体系结构对大数据平台的技术支持，也是当今大型企业所需的IT能力。