在研究所之前，他團(tuán)隊(duì)所支持的研究小組為醫(yī)藥巨頭默克公司研發(fā)。現(xiàn)在，他的新職務(wù)是生物技術(shù)公司Biogen 的IT研發(fā)副總裁，目前，他一些數(shù)據(jù)科學(xué)家編入團(tuán)隊(duì)。這只團(tuán)隊(duì)通過(guò)大數(shù)據(jù)分析處理保障Biogen 公司的研發(fā)。

　　在他離開(kāi)非營(yíng)利組織Broad生物研究所前，我們的編輯采訪到Leach。他介紹了CIO在大數(shù)據(jù)方面所面臨的困境，以及處理大數(shù)據(jù)所需要的技術(shù)和能力。Leach表示，企業(yè)大數(shù)據(jù)分析的投資已經(jīng)由最初的200萬(wàn)美元上升到400萬(wàn)美元，很少專家愿意使用開(kāi)源工具工作。而最不被重視的數(shù)據(jù)科學(xué)家往往能為企業(yè)找到真正有用的數(shù)據(jù)。

leach_martin

　　問(wèn)：你曾經(jīng)作為CIO們的咨詢顧問(wèn)，在企業(yè)建設(shè)大數(shù)據(jù)基礎(chǔ)設(shè)施時(shí)提供建議，你通常都會(huì)有哪些建議？

　　Leach：最開(kāi)始的階段是要確認(rèn)企業(yè)的大數(shù)據(jù)項(xiàng)目計(jì)劃是什么。做這個(gè)項(xiàng)目的最大需求是什么，這是開(kāi)始階段最重要的問(wèn)題，絕不是考慮什么技術(shù)或者需要采購(gòu)什么項(xiàng)目。

　　問(wèn)：在Broad研究所的時(shí)候，他們做大數(shù)據(jù)項(xiàng)目最大的需求是什么？

　　Leach：當(dāng)時(shí)最大的需求是解決內(nèi)部數(shù)據(jù)的產(chǎn)生、消化以及存儲(chǔ)問(wèn)題。那個(gè)時(shí)候在公共機(jī)構(gòu)，比如Broad和私人機(jī)構(gòu)之間是有一個(gè)競(jìng)爭(zhēng)的，看誰(shuí)能做出人類基因圖。因?yàn)橛羞@樣的外部驅(qū)動(dòng)力，所以，我們考慮的都是如何把項(xiàng)目做的更快一些。我們當(dāng)時(shí)要么慢下來(lái)，要么放棄這個(gè)工程，要么尋找到更快項(xiàng)目實(shí)施方法。

　　這對(duì)我來(lái)說(shuō)，無(wú)疑是個(gè)挑戰(zhàn)，尤其我對(duì)生物技術(shù)至今都了解不多。他們將一些實(shí)驗(yàn)外包出去，并將生成的數(shù)據(jù)傳輸過(guò)來(lái)，突然間，他們就會(huì)有數(shù)以萬(wàn)億字節(jié)的數(shù)據(jù)需要傳輸，他們會(huì)有這樣的疑問(wèn)：“我該往那種硬盤(pán)里存放數(shù)據(jù)？我如何獲取這些數(shù)據(jù)？我計(jì)算這些數(shù)據(jù)時(shí)要放置在哪里？我又該如何去計(jì)算呢？” 我在一群生命科學(xué)家那里看到的是他們對(duì)數(shù)據(jù)處理有非常強(qiáng)烈的需求，他們的第一個(gè)問(wèn)題是：“我如何處理這些數(shù)據(jù)？又該放在哪里？”

　　問(wèn)：那他們存放在哪里？

　　Leach： 很多公司會(huì)放置在公司內(nèi)部。但有些公司會(huì)放在云端，但這些數(shù)據(jù)量很小也不會(huì)常用。生命科學(xué)領(lǐng)域的數(shù)據(jù)通常包括遺傳學(xué)與基因組學(xué)資料、藥物信息或者病人記錄，如果存放在防火墻之外會(huì)有很多憂慮。

　　所以，當(dāng)你確定為什么需要數(shù)據(jù)后，下一個(gè)工作就是考慮如何存放他們。再下一個(gè)就是如何利用計(jì)算機(jī)處理數(shù)據(jù)。那是需要在內(nèi)部計(jì)算機(jī)內(nèi)存儲(chǔ)處理呢，還是放置在云端，比如亞馬遜上，需要時(shí)再拿回來(lái)處理？這就涉及到大家的另一個(gè)猜想，為什么數(shù)據(jù)需要首先在內(nèi)部處理呢？

　　問(wèn)：獲取數(shù)據(jù)簡(jiǎn)單嗎？

　　Leach：真正的獲取過(guò)程并不簡(jiǎn)單。考慮到傳輸速度，有些公司會(huì)從云端傳輸。有些則使用硬盤(pán)傳輸。這里面涉及到很多問(wèn)題，比如，你從波士頓獲取數(shù)據(jù)，但你的數(shù)據(jù)中心在北卡羅來(lái)納州，我需要解決的問(wèn)題是，我該如何將幾百億字節(jié)的數(shù)據(jù)通過(guò)公司網(wǎng)絡(luò)傳到服務(wù)器上，為此我還要做哪些工作？

　　問(wèn)：公司如何處理數(shù)據(jù)的獲取？

　　Leach：有些情況下，研究基于硬盤(pán)上的一堆數(shù)據(jù)，企業(yè)就會(huì)消極對(duì)待傳往服務(wù)器上的數(shù)據(jù)。有些情況，企業(yè)試圖在內(nèi)部網(wǎng)絡(luò)中使用數(shù)據(jù)，進(jìn)而影響內(nèi)部網(wǎng)絡(luò)，因?yàn)樗麄儠?huì)將數(shù)據(jù)轉(zhuǎn)移到典型的企業(yè)數(shù)據(jù)網(wǎng)絡(luò)而不是數(shù)據(jù)中心。另外一些則是和IT部門(mén)緊密合作。

　　這部分取決于企業(yè)其他部門(mén)如何與 IT部門(mén)合作。我認(rèn)為網(wǎng)絡(luò)限速器是為了讓其他部門(mén)更好地與IT部門(mén)合作，也是為了保證IT部門(mén)的足夠靈活性。這類的項(xiàng)目并不是傳統(tǒng)意義上標(biāo)準(zhǔn)的IT基礎(chǔ)設(shè)施。嘗試在Oracle數(shù)據(jù)庫(kù)上研發(fā)大數(shù)據(jù)，Oracle會(huì)建議你購(gòu)買(mǎi)一些外部硬件，但你需要數(shù)據(jù)庫(kù)專家，這些專家不僅懂得常規(guī)數(shù)據(jù)庫(kù)關(guān)系，也要了解NoSQL、CouchDB、 MongoDB等等。

　　接下來(lái)就是如何找到一群高素質(zhì)的人才，他們可熟練運(yùn)用現(xiàn)在的開(kāi)源技術(shù)產(chǎn)品，比如Hadoop、OpenStack之類。人才對(duì)于團(tuán)隊(duì)來(lái)說(shuō)至關(guān)重要，我常常聽(tīng)到同行們的抱怨：“我該去哪里找到真正的千里馬？”

　　問(wèn)：CIO們會(huì)去哪些領(lǐng)域?qū)ふ胰瞬牛?/div>