即使企業(yè)在自己的數(shù)據(jù)中心內(nèi)采用大數(shù)據(jù)，也不一定意味著他們將在云中取得成功。

而且在大多數(shù)情況下，必須對(duì)工作人員進(jìn)行培訓(xùn)，讓其獲得新的工作技能。

　　調(diào)研機(jī)構(gòu)Enterprise Strategy Group的高級(jí)分析師Mike Leone表示，總體而言，云計(jì)算中的大數(shù)據(jù)可以降低內(nèi)部部署數(shù)據(jù)中心的成本，并非運(yùn)行在云端的大數(shù)據(jù)工作負(fù)載或項(xiàng)目都需要企業(yè)擁有一名大數(shù)據(jù)專家，但也有一些企業(yè)需要數(shù)據(jù)專家的幫助，例如涉及Hadoop。

　　Leone表示，雖然在云端使用五節(jié)點(diǎn)集群替換五節(jié)點(diǎn)Hadoop集群非常簡(jiǎn)單，但卻出現(xiàn)了管理方面的挑戰(zhàn)，尤其是軟件互操作性方面的管理挑戰(zhàn)。

　　云端獲得大數(shù)據(jù)的四大技能　　根據(jù)IT培訓(xùn)機(jī)構(gòu)Linux Academy公司的大數(shù)據(jù)分析主管Manisha Sule的說法，IT團(tuán)隊(duì)?wèi)?yīng)該把重點(diǎn)放在四大技能上，以便在云計(jì)算領(lǐng)域運(yùn)行大數(shù)據(jù)。

　　管理：工作人員知道如何管理Hadoop和NoSQL變得至關(guān)重要。

工作人員還需要仔細(xì)配置和管理（諸如計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)等）基礎(chǔ)設(shè)施組件，以支持大數(shù)據(jù)項(xiàng)目。

Sule說，使用Hadoop分布式文件系統(tǒng)和NoSQL數(shù)據(jù)庫的經(jīng)驗(yàn)也是有幫助的，這兩者都可以存儲(chǔ)大量的數(shù)據(jù)。

　　開發(fā)：Sule表示，大數(shù)據(jù)開發(fā)人員應(yīng)該具有Python、Scala和Java等語言的編程經(jīng)驗(yàn)。

此外，具有使用亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）Kinesis和Lambda等產(chǎn)品的經(jīng)驗(yàn)也是一個(gè)優(yōu)勢(shì)，因?yàn)樗鼈兲峁┝嘶谖⒎?wù)架構(gòu)的實(shí)時(shí)處理的替代方案。

　　分析：云端大數(shù)據(jù)分析需要統(tǒng)計(jì)學(xué)、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、操作研究、計(jì)算機(jī)編程方面的專業(yè)知識(shí)。

Sule說，數(shù)據(jù)科學(xué)家和分析師以及機(jī)器學(xué)習(xí)和人工智能工程師需要學(xué)習(xí)如何構(gòu)建算法，然后將這些算法實(shí)現(xiàn)自動(dòng)化以處理大量的實(shí)時(shí)數(shù)據(jù)。

　　可視化：可視化開發(fā)人員設(shè)計(jì)儀表板，講述組織收集的大數(shù)據(jù)的故事。

這個(gè)角色的IT專業(yè)人員需要訪問不同的數(shù)據(jù)源，并將其整合到統(tǒng)一的交互式平臺(tái)中。

　　Sule指出，雖然有一些課程可以幫助掌握這四項(xiàng)技能，但對(duì)于IT專業(yè)人員來說，最好采取邊做邊學(xué)的方法。

云計(jì)算也適合采用這種模式。

　　Sule說：“在人們準(zhǔn)備充分的時(shí)候，可以輕松地注冊(cè)一個(gè)試用賬戶，直接感受到可用的服務(wù)。

許多正式課程的內(nèi)容也涉及實(shí)踐經(jīng)驗(yàn)。

”　　Cloud Technology Partners首席架構(gòu)師Muhammad Nabeel表示，IT團(tuán)隊(duì)也應(yīng)該為提供商提供的多種云服務(wù)結(jié)合起來做好準(zhǔn)備，以支持大數(shù)據(jù)計(jì)劃。

他說：“企業(yè)需要詳細(xì)了解它們并一起實(shí)施。

”　　根據(jù)Nabeel的說法，在三家行業(yè)領(lǐng)先的公共云提供商云平臺(tái)上運(yùn)行的關(guān)鍵的大數(shù)據(jù)服務(wù)包括：　　微軟Azure：在微軟Azure上使用Hadoop、Spark、R Server、HBase，以及Storm群集的HDInsight。

　　谷歌云平臺(tái)：用于分析數(shù)據(jù)倉庫的BigQuery，用于批量和流處理的云數(shù)據(jù)流，用于托管Hadoop和Spark的Cloud Dataproc，以及用于數(shù)據(jù)挖掘的Cloud Datalab。

　　AWS云平臺(tái)：使用Hadoop和Spark的Elastic MapReduce; Athena在簡(jiǎn)單存儲(chǔ)服務(wù)中進(jìn)行分析； Elasticsearch集群。

　　除了第三方培訓(xùn)選項(xiàng)外，云計(jì)算提供商還提供有用的學(xué)習(xí)功能以加速采用。

例如，在谷歌云計(jì)算控制平臺(tái)中，有一個(gè)“試用”功能的例子。

　　Nabeel認(rèn)為，實(shí)踐經(jīng)驗(yàn)有很長(zhǎng)的路要走。

他說：“學(xué)習(xí)一門課程是有幫助的，但如果課程真正涉及到工作人員所需要的具體知識(shí)時(shí)，并不總是能夠解決問題。

”　　網(wǎng)絡(luò)流量分析提供商Kentik公司聯(lián)合創(chuàng)始人兼首席執(zhí)行官Avi Freedman表示，雖然提供特定于供應(yīng)商的大型數(shù)據(jù)工具的知識(shí)非常重要，但組織也應(yīng)該努力在多個(gè)云平臺(tái)上使其團(tuán)隊(duì)的技能多樣化。

過于依賴單一供應(yīng)商的企業(yè)有些短視，因?yàn)楝F(xiàn)在市場(chǎng)上沒有明顯的贏家。