一直以来，人们对于大数据领域的事物都非常关注，而在大数据的领域当中，高性能是一项非常特别的挑战。这是因为大数据量的特质和查询速度，它使得数据将通过仓库工具Hive进行整合，这意味着直接针对数据的查询将抑制工具的动态性能。而这些工具的关键用例就是快速的发现非创造标准的报告。这意味着所需的数据在本质上是暂时性的——需要支持一种假设，然后丢弃，这也导致了实现高性能的预先方案是创建特定的数据集。

改变交付的方法是可视化工具的一个关键性优势，这是因为他们允许通过原型快速实现价值可视化，并在被纳入一个工业化的平台之前，在低成本点证明价值。作为这一进程的一部分，可视化工具提供了一个共同的语言，通过它，企业的IT部门和业务部门可以进行沟通。这也创造了一个对于需求较为清晰的认识，对于设置什么能够被交付的期望非常有帮助。

实现数据的快速可视化有着很多的好处，但我们也看到创建Excel电子表格或者Access数据库进行数据库访问所存在的一些老的内在危险问题。鉴于此，支持大数据可视化必须采用一个强大的数据管理方法已经是一个不争的事实。这也将是创建一个混合环境的需要。在实践中，这意味着数据首先是在大数据环境下进行探索；然后，如果这些探索揭示了某些数据报道所需要的价值，此时数据才被推广到传统的关系型数据库，无论是MPP或内存中的。

这些工具对于业务部门和IT部门之间的关系所产生的影响。可视化工具将授权业务，从而帮助企业业务部门实现快速的见解，并驱动更高价值的数据资产，IT部门将需要以一套更加灵活的方式来提供数据。这将创建一个二分法。一是，必须迅速提供信息，在更传统的过程以外驱动价值。二是，一旦解决方案需要工业化，还需要通过更传统的项目进行刚性的治理。未能达到适当的平衡，会导致挫折和价值的明显减少。

两个部门都有其自己的责任：业务部门需要建立适当的洞察见解，并确保以企业正常的运作方式驱动变革，而IT部门需要提供一套适当治理水平的数据服务。而鉴于整个行业仍在不断发展，我们可以期待看到更高的智能可视化工具将如何能够索引结果。这些工具将在用户开始发出请求之前预测用户的数据需求，并创建个性化的内存缓存，从而有助于解决性能挑战。

当前趋势指向出现了一个自助服务分析环境，使企业用户可以从几乎无穷无尽的信息来源设置参数，调查范围只受他们创造力的限制。但是传统上，更结构化的方法和强大的数据治理将始终发挥着至关重要的作用。

   责任编辑：余芯