擁抱大數(shù)據(jù)時代 深度挖掘企業(yè)數(shù)據(jù)價值

大數(shù)據(jù)真正開始做始于去年，通過兩年的嘗試、積累，思路已有，但離成功還很遠。一些國外的大數(shù)據(jù)案例、大數(shù)據(jù)故事無非是商務(wù)智能（BI）、數(shù)據(jù)倉庫（BW）的改頭換面，新瓶裝舊酒而已。就如數(shù)據(jù)倉庫一樣，建設(shè)了近20年才讓每個企業(yè)真正承認其價值，大數(shù)據(jù)也不能期望很快就獲得成功，需要一個沉淀時間。

大數(shù)據(jù)發(fā)展可以用一個波浪式的圖來形容，現(xiàn)在還處于第一個峰頂，必須經(jīng)過低谷再升起，幾輪反復(fù)。這期間，大家可能會看到許多大數(shù)據(jù)真實的案例，不管是成功的還是失敗的都會給我們啟示。只要嘗試了就不一定完全失敗，就如數(shù)據(jù)倉庫建設(shè)，幾年前很多報告都顯示80%的項目失敗，但仔細分析后發(fā)現(xiàn)，只是在發(fā)展過程當中沒有達到預(yù)期價值而已。前人淌過的路，后邊的人可以少走一些雷區(qū)。

真正的大數(shù)據(jù)思維：允許數(shù)據(jù)的不精確性

以前，由于可獲得的數(shù)據(jù)量比較小，為此我們必須盡量準確的記錄下所獲得的所有數(shù)據(jù)，做出個KPI供領(lǐng)導(dǎo)參考，采樣過程的精確度被放在重要的地位。顯然，這種對精確性的執(zhí)著是信息缺乏時代的產(chǎn)物。大數(shù)據(jù)時代，數(shù)據(jù)的收集問題不再成為困擾，采集全量的數(shù)據(jù)成為現(xiàn)實，但海量數(shù)據(jù)的涌現(xiàn)一定會增加數(shù)據(jù)的混亂性且造成結(jié)果的不準確性，如果仍執(zhí)迷精確性，那么將無法應(yīng)對這個新的時代。

大數(shù)據(jù)通常都用概率說話，且大數(shù)據(jù)處理之前是可以對之進行清洗從而減少部分的錯誤數(shù)據(jù)。所以，與致力于避免錯誤相比，對錯誤的包容將會帶給我們更多信息。其實，允許數(shù)據(jù)的混雜性和容許結(jié)果的不精確性才是我們擁抱大數(shù)據(jù)的正確態(tài)度，只要做到10%準確結(jié)果，能夠達成業(yè)務(wù)數(shù)十倍的增長即可，這是真正的大數(shù)據(jù)思維，未來我們應(yīng)當習慣這種思維。

大數(shù)據(jù)不是一個純技術(shù)的問題

大數(shù)據(jù)不是一個純技術(shù)問題，會包含很多管理、業(yè)務(wù)方面的內(nèi)容。并不是說，購買了一套數(shù)據(jù)挖掘工具，組建了一個Hadoop環(huán)境，就能稱為做了大數(shù)據(jù)。除了設(shè)備、技術(shù)上的投資，企業(yè)還需要從組織結(jié)構(gòu)、人員意識、管理方式、企業(yè)文化等方面都有一個轉(zhuǎn)變。大數(shù)據(jù)的前期準備工作很多，這是一種思維上的全面變革。大家都是摸著石頭過河，走一步想一想，然后再走一步再想，直到最后成功上岸。

在這樣的一個過程當中，人們的思想還要跟隨大數(shù)據(jù)技術(shù)的發(fā)展不斷更新，同時也要對一些過去的想法進行糾正和改變。當然，這個時間不會像以前數(shù)據(jù)倉庫那樣花費20年，大數(shù)據(jù)可能會縮短一半時間。因為數(shù)據(jù)倉庫時代是從無到有，而大數(shù)據(jù)時代是從有到更好，人們已經(jīng)從建設(shè)數(shù)據(jù)倉庫中積累了很多的經(jīng)驗、技術(shù)、教訓，甚至有效的管理方法，可以很好地借鑒。

大數(shù)據(jù)技術(shù)解決的是非結(jié)構(gòu)化數(shù)據(jù)的問題，非也

新興的大數(shù)據(jù)技術(shù)提供了非常有效的手段，讓人們可以花很低的代價去分析、處理非結(jié)構(gòu)化的數(shù)據(jù)，但是這些非結(jié)構(gòu)化數(shù)據(jù)有一個特點，就是密度還很低，它遠不如結(jié)構(gòu)化數(shù)據(jù)有非常高的價值密度，可能100G的非結(jié)構(gòu)化數(shù)據(jù)，最終有效的才1G。這表明，非結(jié)構(gòu)化數(shù)據(jù)是對數(shù)據(jù)完整度的很大補充，但是并不能說大數(shù)據(jù)就是做非結(jié)構(gòu)化數(shù)據(jù)，其實最終的目的還是要發(fā)掘數(shù)據(jù)價值。另外一方面，傳統(tǒng)的數(shù)據(jù)倉庫已經(jīng)能夠完成現(xiàn)有結(jié)構(gòu)化數(shù)據(jù)90%的利用程度，在這種背景下，人們才會把大數(shù)據(jù)的焦點放在對非結(jié)構(gòu)化的處理上。

當前，非結(jié)構(gòu)化數(shù)據(jù)大量產(chǎn)生，如機器日志、傳感器的數(shù)據(jù)、社交媒體的數(shù)據(jù)，都是以非結(jié)構(gòu)化形式存在，而傳統(tǒng)的方式對這些數(shù)據(jù)的處理能力比較欠缺。如果用木桶效應(yīng)來比喻，首先要把這個短板補上，與結(jié)構(gòu)化數(shù)據(jù)處理的效率和能力齊平之后，更多的就是圍繞數(shù)據(jù)如何使用來進行更深一步的研究。還要認識到一點，大數(shù)據(jù)技術(shù)能夠處理半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)，不過，這些數(shù)據(jù)總是要轉(zhuǎn)換成結(jié)構(gòu)化的數(shù)據(jù)才能分析，算法可能輸入的是非結(jié)構(gòu)化的，如視頻信息，但是剛進來不到10秒就變成結(jié)構(gòu)化，最后顯示出來的還是表格式結(jié)構(gòu)化的結(jié)果