语义技术让大数据变成“智慧数据”

美国State Street金融服务公司的首席科学家David Saul

State Street是美国最大的金融服务公司之一。 两年前在公司首席科学家David Saul的领导下， State Street 开始采用语义技术来整合公司各种数据库，使得大数据真正变成了“智慧数据”。 在接受SearchCIO采访时，David Saul介绍了State Street的经验，以下是访谈的主要内容整理：

语义技术实际上是把已有的数据加上语义。 可以把它想象成在现有结构化或者非结构化的数据库上的一个语义叠加层。 在State Street， 对同一个客户， 因为我们的庞大系统在不同的时间， 有不同的人员开发。 导致了我们在各个地方都散落着同一用户的不同数据。 语义技术所做的就是在这些数据之上添加一个语义映射层， 告诉我们“在这儿的这部分数据和在那儿的那部分数据， 都是指的同一个客户”。

这样做的好处非常多， 举个例子来说， 当我们在做风险评估的时候， 我们经常需要对某个企业或者某个地区的风险做出评估报告。 在没有用语义技术之前， 这样的报告是很花时间的。我们需要把不同地点不同结构的的相关风险数据导入一个新的数据库。 然后由专人进行分析， 把关联的部分整合。 从而生成一系列的报告。 而采用了语义技术， 我们只需要根据语义映射，把相关的数据整合起来，很快就能够出一系列临时或者常规的报告。 而我们不需要实际去移动数据。 这样可以节省了大量的时间。 尤其是类似于风险评估这样的工作， 对时间要求很高。如果我们能够很快的完成评估， 就可能避免风险， 避免金融损失。

进行语义数据库搜索有点类似于在Google使用关键字搜索。 Google的搜索使你可以关联两个不相关的网站。语义搜索有点类似， 它可以使在数据层面关联不同的数据。 不过语义技术与搜索不同， 它实际上对数据进行了标签化处理。 这种标签化处理的好处是， 一次投资， 长期有效。日后如果添加新的数据库， 甚至公司合并其他公司的数据库， 这些标签化的数据仍然有效。

最近两年， 市场上开始有了语义技术的商业工具， 现在的工具可以支持语义映射， 存储及合并的功能。 可以支持大数据。 数据分析不仅仅体现在数据量上，更应该体现为数据的含义上。 从这个意义上说，“智慧数据”更有意义一些。

语义技术的采用， 使得State Street获益匪浅。 不过， 要是在整个行业都能够采用的话， 那么不但State Street， 行业内的其他伙伴， 以及客户都会从中获益。 目前， 类似于 EDM Council （企业数据管理协会）的组织正在致力于一些标准化的工作（如在金融行业的某些产品的语义映射标准化）。 如果有了这些标准化的推动，那么语义技术在大数据时代的起飞将指日可待。