大數(shù)據(jù)時代小數(shù)據(jù)分析

大數(shù)據(jù)挖掘需要精通數(shù)據(jù)庫、計算機編程和深厚的統(tǒng)計學(xué)基礎(chǔ)，有的甚至要涉及運籌學(xué)范疇，是一門復(fù)合型的應(yīng)用科學(xué)。大數(shù)據(jù)的案例現(xiàn)在著實是一抓一大把，比如國外典型的”啤酒與尿布”的案例，在了解數(shù)據(jù)分析之前，不妨來看看幾個有趣的應(yīng)用案例。

Case1 數(shù)據(jù)新聞讓英國撤軍

2010年10月23日《衛(wèi)報》利用維基解密的數(shù)據(jù)做了一篇“數(shù)據(jù)新聞”。將伊拉克戰(zhàn)爭中所有的人員傷亡情況均標(biāo)注于地圖之上。地圖上一個紅點便代表一次死傷事件，鼠標(biāo)點擊紅點后彈出的窗口則有詳細(xì)的說明：傷亡人數(shù)、時間，造成傷亡的具體原因。密布的紅點多達(dá)39萬，顯得格外觸目驚心。一經(jīng)刊出立即引起朝野震動，推動英國最終做出撤出駐伊拉克軍隊的決定。

Case2 大數(shù)據(jù)與喬布斯癌癥治療

喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進(jìn)行排序的人。為此，他支付了高達(dá)幾十萬美元的費用。他得到的不是樣本，而是包括整個基因的數(shù)據(jù)文檔。醫(yī)生按照所有基因按需下藥，最終這種方式幫助喬布斯延長了好幾年的生命。

Case3 Google成功預(yù)測冬季流感

2009年，Google通過分析5000萬條美國人最頻繁檢索的詞匯，將之和美國疾病中心在2003年到2008年間季節(jié)性流感傳播時期的數(shù)據(jù)進(jìn)行比較，并建立一個特定的數(shù)學(xué)模型。最終google成功預(yù)測了2009冬季流感的傳播甚至可以具體到特定的地區(qū)和州。

Case4 奢侈品銷售

PRADA 在紐約的旗艦店中每件衣服上都有RFID碼。每當(dāng)一個顧客拿起一件PRADA進(jìn)試衣間，RFID會被自動識別。同時，數(shù)據(jù)會傳至PRADA總部。每一件衣服在哪個城市哪個旗艦店什么時間被拿進(jìn)試衣間停留多長時間，數(shù)據(jù)都被存儲起來加以分析。如果有一件衣服銷量很低，以往的作法是直接干掉。但如果RFID傳回的數(shù)據(jù)顯示這件衣服雖然銷量低，但進(jìn)試衣間的次數(shù)多。那就能另外說明一些問題。也許這件衣服的下場就會截然不同，也許在某個細(xì)節(jié)的微小改變就會重新創(chuàng)造出一件非常流行的產(chǎn)品。

除了國外這些經(jīng)常用于商業(yè)培訓(xùn)課程的案例外，數(shù)據(jù)分析其實并不遙遠(yuǎn)，在國內(nèi)也不乏應(yīng)用，比如共和國的開國元帥林彪就曾經(jīng)依靠敏銳的數(shù)據(jù)嗅覺和軍事天賦，成功搗毀敵營總部。

從 2008年的一個偶然機會第一次接觸“數(shù)據(jù)挖掘”(DataMining)這個新名詞以來，掐指一算在數(shù)據(jù)挖掘應(yīng)用相關(guān)領(lǐng)域度過了6年。我的本專業(yè)是化工，整天應(yīng)該與塔、釜、換熱器、化學(xué)反應(yīng)、物料守恒等打交道。開始接觸這個專業(yè)的目的是為了利用數(shù)據(jù)分析的一些功能來優(yōu)化生產(chǎn)運營，讓企業(yè)以更高的效率、更低的成本和更好的質(zhì)量去運營。那如何可以做到效率更高、成本最低和質(zhì)量更好，它們的關(guān)鍵改善點和控制點在哪里呢?這需要數(shù)據(jù)積累，需要數(shù)據(jù)分析，需要數(shù)據(jù)模型，它們在哪里呢?

2008年時國內(nèi)企業(yè)在數(shù)據(jù)挖掘應(yīng)用中摸索起步，遠(yuǎn)不如現(xiàn)在大數(shù)據(jù)火熱。如今大數(shù)據(jù)最火的商業(yè)應(yīng)用主要集中在互聯(lián)網(wǎng)、銀行、電信等領(lǐng)域。基于行業(yè)應(yīng)用限制，我無法接觸到真正的大數(shù)據(jù)挖掘，但是幸運的是我還是碰到了職業(yè)和興趣的重合點。