这个神话植根于 Gartner 所说的 大数据技术用于从具有多种数据格式的来源快速获取各种数据的读取方法模式。 Hadoop 分布式文件系统 (HDFS) 就是最好的例证。与关系数据库所需的预定义且因此可预测结构化的数据格式不同，HDFS 是无模式的。它只存储数据文件，而这些数据文件几乎可以是任何格式。Gartner 解释说，“许多人认为这种灵活性将使最终用户能够决定如何按需解释任何数据资产。他们相信，它还将提供为个人用户量身定制的数据访问。” 更多阅读 数据整合指南 人工智能和机器学习如何转变数据集成 技术支持在大数据时代必不可少的 5 个原因 为什么您的大数据研究需要一种方法论 让大数据投资为您的组织服务的 5 种方法 GPU 数据库改变零售业的两种方式 虽然使数据采集无模式化是一项伟大的创新，但在开发信息方面还需要做更多的工作， 因为正如 Gartner 所解释的那样，“大多数信息用户 在写入 场景时严重依赖模式，在这些场景中，数据被描述，内容被规定，并且就数据的完整性及其与场景的关系达成了一致。
直以来无论何时获
取各种格式的数据，都必须先将其转换为通用格式，然后才能进一步处理和使用。读取模式之后和写入模式之前是 介于两者之间的模式。 数据集成是介于两者之间的模式。一直都是。大数据技术并没有改变这一点，因为正如我之前写过的那样， 存储在 HDFS 中的数据不会自动集成。不仅仅是 Hadoop。数据集 电话号码列表 成不是任何大数据技术的自然副产品，这也是技术只是 大数据解决方案的一个方面的原因之一。 与以往一样，在数据采集和数据使用之间，有很多事情要做。不仅仅是数据集成，还有 数据质量 和 数据治理 。大数据技术不会神奇地让这些在初始申请时启动自动化流程，可以让财务部门更好地了解未来支出的金额和时间，从而使现金预测更加确定。公司现金状况的更大确定性降低了它为履行支付义务而需要持有的现金数量，同时保持足够的运营流动性缓冲以允许预测错误和意外需求。
知名度有限的公司
将对付款持谨慎态度，并且必须保持更大、更保守的现金缓冲库存。使用自动化系统通过消除交接延迟来加快发票处理速度只是使提前付款折扣可行所需的要素之一。及时访问准确的数据以支持处理发票是必要的，正如支持财务功能以有效处理现金管理的复杂性的分析应用程序所需的数据一样。知名度 DD线索 有限的公司将对付款持谨慎态度，并且必须保持更大、更保守的现金缓冲库存。使用自动化系统通过消除交接延迟来加快发票处理速度只是使提前付款折扣可行所需的要素之一。及时访问准确的数据以支持处理发票是必要的，正如支持财务功能以有效处理现金管理的复杂性的分析应用程序所需的数据一样。知名度有限的公司将对付款持谨慎态度，并且必须保持更大、更保守的现金缓冲库存。使用自动化系统通过消除交接延迟来加快发票处理速度只是使提前付款折扣可行所需的要素之。