⑴ 什么是数据集成，哪些需要数据集成
数据采集简单的将就是将各个不同的应用系统，不同地方的数据进行集成，将异构、冗余的的数据进行整理，使得数据能够共享。
一般的企业都需要数据集成，帮助其对数据质量进行处理，数据共享后方便数据的查询与分析，有助于后期的决策指导。
开发数据集成的主要有中软卓成，看点在于数据共享、质量处理和可视化视图展示等。
⑵ 大数据服务平台是什么有什么用
现今社会每时每刻都在产生数据，企业内部的经营交易信息、物联网世界中的商品物流信息，互联网世界中的人与人交互信息、位置信息等，我们身边处处都有大数据。而大数据服务平台则是一个集数据接入、数据处理、数据存储、查询检索、分析挖掘等、应用接口等为一体的平台，然后通过在线的方式来提供数据资源、数据能力等来驱动业务发展的服务，国外如Amazon ，Oracle，IBM，Microsoft...国内如华为，商理事等公司都是该服务的践行者。
⑶ 大数据和BI商业智能有何区别有何相关_bi商业智能是做什么的
之所以要区分大数据应用与BI(商业智能)，是因为大数据应用与BI、数据挖掘等，并没有一个相对完整的认知。
BI（）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
伴随着BI的发展，是ETL，数据集成平台等概念的提出。ETL，ExtractionLoading，数据提取、转换和加载，数据集成平台主要功能对各种业务数据进行抽取和相关转化，以此来满足BI、数据仓库对数据格式和内容挖掘的要求。
数据集成平台的基础工作与ETL有很大的相似性，其主要功能是实祥兆现不同系统不同格式数据地抽取，并且按照目标需求转化成为相应的格式。数据集成开始是点对点的，慢慢地发现这种模式对于系统之间，不同所有权的企业数据流向以及数据标准控制很难，为谨宴拦此，诞生了对统一企业数据平台的需求，来实现企业级之间的数据交互。
数据集成平台就像网络中Hub，可以连接所有应用系统，实现系统之间数据的互通有无。数据集成平台以BI、数据仓库需求而产生，现在已经跨越了最初的需求，上升到祥胡了一个更高的阶段。
如今大数据应用更多关注非结构化数据，更多谈论互联网，Twitter、Facebook、博客等非结构化数据，如此理解大数据应用，显然就有些走偏了。结构化数据也属于大数据，且呈现出相同的特点和特征，如数据量大，增长越来越快，对数据处理要求高等。
结构化数据是广义大数据中含金量或者价值密度最高的一部分数据，与之相比，非结构化数据含金量高但价值密度低。在Hadoop平台出现之前，没有人谈论大数据。数据应用主要是结构化数据，多采用IBM、HP等老牌厂商的小型机或服务器设备。
采用传统方法处理这些价值密度低的非结构化数据，被认为是不值得的，因为其产出实在是有限。Hadoop平台出现之后，提供了一种开放的、廉价的、基于普通商业硬件的平台，其核心是分布式大规模并行处理，从而为非结构化数据处理创造条件。
大数据应用的数据来源应该包括结构化数据，如各种数据库、各种结构化文件、消息队列和应用系统数据等，其次才是非结构化数据，又可以进一步细分为两部分，一是社交媒体，如Twitter、Facebook、博客等产生的数据，包括用户点击的习惯/特点，发表的评论，评论的特点，网民之间的关系等，这些都构成了大数据来源。另外一部分数据，也是数据量比较大的数据，就是机器设备以及传感器所产生的数据。以电信行业为例，CDR、呼叫记录，这些数据都属于原始传感器数据，主要来自路由器或者基站。此外，手机的置传感器，各种手持设备、门禁系统，摄像头、ATM机等，其数据量也非常巨大。
对于分析大数据的工具，目前所有的分析工具都侧重于结构化分析，例如针对社交媒体评论方向的分析，根据特定的词频或者语义，通过统计正面/负面评论的比例，来确定评论性质。如果有一个应用系统是接收结构化数据的，例如一个分析系统，接收这些语义就可以便于分析。（速鸿科技-BI商业智能大数据分析工具与服务提供商）
⑷ 什么是数据集成
数据集成项目有多种类型，主要包括：
企业数据仓库：从众多的系统中提取数据到通用数据仓库，供报告、分析或商业情报之用
数据移植和合并：将现有系统的数据转化或合并为新系统和应用的格式和结构
主数据管理(MDM)：生成单一的视图、集中注册，或客户、产品、供应商等主数据的数据集中地
云计算的数据集成：用软件即服务(SaaS)应用集成留在公司内的数据
运营数据集成：跨应用或数据库进行实时的数据访问、转化和交付
B2B 数据交换：跨企业边界集成客户/合作伙伴/供应商数据
信息使用期限管理：着重于应用和数据库存档、测试数据管理、数据隐私和应用淘汰。