要是大數(shù)據(jù)能搞定 還要智慧數(shù)據(jù)干什么？

提到大數(shù)據(jù)，難免要說到下面這幾個V：規(guī)模volume、速度velocity、種類variety、真實性veracity和價值value。

　　仔細關照這些特點，會發(fā)現(xiàn)兩個問題。數(shù)據(jù)的規(guī)模、速度和種類指的是大數(shù)據(jù)生成過程和如何捕捉和存儲數(shù)據(jù)，真實性和價值指的是數(shù)據(jù)的質(zhì)量和有用性。數(shù)據(jù)管理對很多公司來說是一個主要的挑戰(zhàn)，雖然小數(shù)據(jù)也在受到數(shù)據(jù)質(zhì)量和管理問題的困擾。

　　另外，數(shù)字世界正在生成來自不同數(shù)據(jù)源的新數(shù)據(jù)集，其中多數(shù)來自網(wǎng)絡，包含結(jié)構化數(shù)據(jù)和非結(jié)構化數(shù)據(jù)。

　　為了應對大數(shù)據(jù)難題，很多公司只是簡單的關注數(shù)據(jù)數(shù)量、種類和速度，但其實數(shù)據(jù)噪聲的問題也很嚴峻，很多信息和元數(shù)據(jù)對企業(yè)來說沒有，或者很少有價值。

　　智慧數(shù)據(jù)(真實性和價值)的目的就是要過濾噪聲，使用有價值的數(shù)據(jù)，這可以有效地幫助企業(yè)解決業(yè)務難題。

　　企業(yè)應用了智慧數(shù)據(jù)，就可以說數(shù)據(jù)并不是越大越好。

　　對于一個預測模型來說，簡單的隨機樣本是否足夠?

　　查詢五百萬列和查詢十億列對預測分析模型的準確性來說有什么邊際影響?從統(tǒng)計學角度來講，邊際影響完全可以忽略。

　　那么，大數(shù)據(jù)如何變成智慧數(shù)據(jù)呢?

　　沒有一成不變的公式，但你必須要更好地理解數(shù)據(jù)。分析數(shù)據(jù)的質(zhì)量不止能讓公司變成數(shù)據(jù)驅(qū)動，也能讓它變成創(chuàng)造力驅(qū)動。這就是大數(shù)據(jù)走向智慧數(shù)據(jù)的路徑。

　　和數(shù)據(jù)打交道的人不是要對著一堆數(shù)據(jù)，猜想為什么有的數(shù)據(jù)有用，有的就沒用，而是要將數(shù)據(jù)人性化，這樣才能讓數(shù)據(jù)說話。這是未來分析數(shù)據(jù)數(shù)量和質(zhì)量的技巧。公司必須要讓數(shù)據(jù)會說話，盡可能地消除偏見。

　　數(shù)據(jù)多還不夠。問題的關鍵在于研究數(shù)據(jù)，比如數(shù)據(jù)是不是均勻而規(guī)律的?它能不能被輕松地提取和分析?數(shù)據(jù)的變化很多嗎?有用的數(shù)據(jù)是不是蘊藏在其他不相關的信息里?

　　對數(shù)據(jù)的解釋不應該是隨機的，它應該指向明確的解決方案和可執(zhí)行的任務。之后，還應該分析解釋數(shù)據(jù)帶來的價值。

　　只有在數(shù)據(jù)能夠優(yōu)化和自動化解決方案和解決問題時(數(shù)據(jù)驅(qū)動的決策制定)，對數(shù)據(jù)的收集和探索才是有意義的。

　　例子有很多，比如網(wǎng)站只更改了按鈕的顏色嗎，就能帶來更高的轉(zhuǎn)化率。

　　因此，目標不應該僅限于把通過數(shù)據(jù)發(fā)生的各種行為連接在一起，去理解它們，更應該包括提升現(xiàn)有流程的性能，或者預測下一次成果。

　　這也就意味著焦點不應該是收集大規(guī)模數(shù)據(jù)，而應該把數(shù)據(jù)的環(huán)境都呈現(xiàn)出來。數(shù)據(jù)需要在固定的環(huán)境下進行理解和解讀。比如，如果你不知道用戶點擊鏈接之后做了什么，只知道他點擊了鏈接，那有什么用呢?

　　這意味著大數(shù)據(jù)已死嗎?不完全是。理解和擁有完成的用戶行為視圖至關重要，從這一點上來說，大數(shù)據(jù)扮演著重要的角色。

　　如果跨交互渠道的實時用戶行為的分析受到人口和地理因素的限制，那么大數(shù)據(jù)就不可丟棄。你應該讓數(shù)據(jù)變大。不過，如果機器學習算法能夠通過使用少量數(shù)據(jù)集給出產(chǎn)品推薦，那么為什么還要采用大數(shù)據(jù)呢?

　　數(shù)據(jù)科學并不一定意味著凡事都要靠大數(shù)據(jù)。數(shù)據(jù)科學是要我們知道什么時候用瑞士軍刀，什么時候用電鋸。

　　我們的目標應該是將企業(yè)文化從數(shù)據(jù)管理(管理各種各樣的數(shù)據(jù))向數(shù)據(jù)學習(利用數(shù)據(jù)背后的所有價值)轉(zhuǎn)變。