大數(shù)據(jù)分析的正確方法 應(yīng)理智對(duì)待

大數(shù)據(jù)分析之?dāng)?shù)據(jù)數(shù)量

    據(jù)統(tǒng)計(jì)，從人類文明開始到2003年，人類共創(chuàng)造了5TB（兆億字節(jié)）的信息?，F(xiàn)在，同樣的數(shù)據(jù)量僅需兩天就能夠被創(chuàng)造出來，且速度仍在加快。如此龐大的數(shù)據(jù)量使數(shù)據(jù)分析復(fù)雜化，而大數(shù)據(jù)中的非結(jié)構(gòu)化數(shù)據(jù)將加深這種復(fù)雜度。

    這種情況下，我們需要清楚：什么樣的數(shù)據(jù)應(yīng)被保存。如果從整體性出發(fā)，數(shù)據(jù)采集和存貯算不上大數(shù)據(jù)，對(duì)海量數(shù)據(jù)進(jìn)行分析計(jì)算之后的結(jié)果才有實(shí)際價(jià)值。這亦是大數(shù)據(jù)的價(jià)值所在。

    關(guān)于大數(shù)據(jù)數(shù)量，業(yè)內(nèi)一種較為激進(jìn)的觀點(diǎn)認(rèn)為，“大數(shù)據(jù)”的叫法存在問題，因?yàn)閿?shù)據(jù)只有“大”是沒有用處的。雖然數(shù)據(jù)無處不在，但唯有復(fù)用性強(qiáng)和可轉(zhuǎn)化成有用抽象信息的數(shù)據(jù)才更有價(jià)值。

    即使我們的數(shù)據(jù)搜集、處理能力逐漸增強(qiáng)，仍然要堅(jiān)持“不是任何數(shù)據(jù)都重要”這一準(zhǔn)則。對(duì)企業(yè)來講，具體需遵循兩點(diǎn)，一是堅(jiān)持?jǐn)?shù)據(jù)廣泛性，對(duì)內(nèi)掌握企業(yè)內(nèi)部分析數(shù)據(jù)，對(duì)外摸準(zhǔn)用戶喜好和習(xí)慣；二是堅(jiān)持?jǐn)?shù)據(jù)關(guān)鍵性，從最重要處著手，把握數(shù)據(jù)復(fù)用性，達(dá)到最大價(jià)值又使成本最優(yōu)化。

    《哈佛商業(yè)評(píng)論》近期發(fā)表了一篇題為“更大的數(shù)據(jù)會(huì)導(dǎo)致更好的決策嗎？”的文章，這篇文章提出警告，把重點(diǎn)放在量的方面將導(dǎo)致大錯(cuò)誤。如今很多企業(yè)試圖通過龐大的數(shù)據(jù)量獲得利益，但只有少數(shù)企業(yè)真正取得成功，這是過分注重?cái)?shù)據(jù)“量”帶來的弊端。

    大數(shù)據(jù)分析之?dāng)?shù)據(jù)質(zhì)量與數(shù)據(jù)分享

    我們知道，要保證分析結(jié)果的準(zhǔn)確性，必須確保被分析數(shù)據(jù)真實(shí)有效，至少絕大部分?jǐn)?shù)據(jù)樣本要有質(zhì)量保證。但在大量數(shù)據(jù)從數(shù)據(jù)源匯聚而來的過程中，難免有以次充好的數(shù)據(jù)混入。

    在淘寶網(wǎng)購時(shí)，賣家信用等級(jí)是買家購買與否的重要參考。為了提高產(chǎn)品銷售量，刷信用等級(jí)成了業(yè)內(nèi)公開的秘密，伴隨著部分賣家弄虛作假、違規(guī)提高信用等級(jí)的過程，將產(chǎn)生大量失真數(shù)據(jù)，在欺騙消費(fèi)者的同時(shí)，也會(huì)直接影響后期數(shù)據(jù)分析結(jié)果。

    其次，中國互聯(lián)網(wǎng)產(chǎn)業(yè)中，“數(shù)據(jù)割據(jù)”現(xiàn)象較嚴(yán)重，即掌握大量核心數(shù)據(jù)的幾大互聯(lián)網(wǎng)巨頭各自為戰(zhàn)，不愿分享。如掌握搜索數(shù)據(jù)的百度，掌握社交數(shù)據(jù)的騰訊，掌握消費(fèi)數(shù)據(jù)的阿里巴巴，他們都意識(shí)到數(shù)據(jù)對(duì)于未來企業(yè)競爭力的重要性，因此不會(huì)將自己手中的數(shù)據(jù)籌碼輕易示人。

    仍舊以百度、騰訊、阿里巴巴為例，按照目前他們?cè)谥袊ヂ?lián)網(wǎng)的流行程度，我們可以大體估計(jì)同時(shí)使用這三種應(yīng)用的用戶個(gè)體占互聯(lián)網(wǎng)總用戶數(shù)的比率，保守估計(jì)，達(dá)到50%不成問題。因此，這三方數(shù)據(jù)一旦實(shí)現(xiàn)共享，將能拼湊出一幅完整的網(wǎng)絡(luò)信息圖譜。反之，“數(shù)據(jù)割據(jù)”造成大數(shù)據(jù)斷層和片面性，使其利用價(jià)值大打折扣。

    CMIC認(rèn)為，在大數(shù)據(jù)洪流洶涌襲來的當(dāng)下，信息的流動(dòng)才是重中之重，互聯(lián)網(wǎng)巨頭們的數(shù)據(jù)割據(jù)思維嚴(yán)重阻礙著整個(gè)產(chǎn)業(yè)的發(fā)展。尤其對(duì)于那些擁有大數(shù)據(jù)分析技術(shù)卻無大數(shù)據(jù)源的中下游企業(yè)來說，面臨“巧婦難為無米之炊”的窘境。