關(guān)于大數(shù)據(jù)的常見誤解

我時常聽創(chuàng)業(yè)者說自己的公司每天會生產(chǎn)/記錄很多的數(shù)據(jù)，雖然他們暫時還沒想明白怎么用這些數(shù)據(jù)，但把這些大數(shù)據(jù)都先存起來了。他們經(jīng)常還說，通過這些大數(shù)據(jù)他們的產(chǎn)品/服務(wù)將得到很大的提升，仿佛這些大數(shù)據(jù)就是公司的救世主一樣。我不想討論這種觀點正確與否，但想在這里解釋兩個關(guān)于大數(shù)據(jù)的常見誤解：

一、大數(shù)據(jù)不等于信息

經(jīng)常有人把大數(shù)據(jù)和信息當作同義詞來用。其實不然，數(shù)據(jù)指的是一個原始的數(shù)據(jù)點（無論是通過數(shù)字，文字，圖片還是視頻等等），信息則直接與內(nèi)容掛鉤，需要有資訊性（informative）。數(shù)據(jù)越多，不一定就能代表信息越多，更能不能代表信息就會成比例增多。我們來看兩個簡單的例子：

          備份： 很多人如今已經(jīng)會定期的對自己的硬盤進行備份。這個沒什么好多解釋的，每次備份都會創(chuàng)造出一組新的數(shù)據(jù)，但信息并沒有增多。
多個社交網(wǎng)站上的信息。我們當中的很多人在多個社交網(wǎng)站上活躍，隨著我們上的社交網(wǎng)站越多，我們獲得的數(shù)據(jù)就會成比例的增多，我們獲得的信息雖然也會增多，但卻不會成比例的增多。不單單因為我們會互相轉(zhuǎn)發(fā)好友的微博（或者其他社交網(wǎng)站上的內(nèi)容），更因為很多內(nèi)容會十分類似，有些微博雖然具體文字不同，但表達的內(nèi)容十分相似。
二、信息不等于智慧（Insight）

        好吧，現(xiàn)在我們?nèi)コ藬?shù)據(jù)中所有重復(fù)的部分，也整合了內(nèi)容類似的數(shù)據(jù)，現(xiàn)在我們剩下的全是信息了，這對我們就一定有用嗎？不一定，信息要能轉(zhuǎn)化成智慧，至少要滿足一下三個標準：

       可破譯性：這可能是個大數(shù)據(jù)時代特有的問題，越來越多的企業(yè)每天都會生產(chǎn)出大量的數(shù)據(jù)，卻還沒想好怎么用，因此，他們就將這些數(shù)據(jù)暫時非結(jié)構(gòu)化（unstructured）的存儲起來。這些非結(jié)構(gòu)化的數(shù)據(jù)卻不一定可破譯。比如說，你記錄了某客戶在你網(wǎng)站上三次翻頁的時間間隔：3秒，2秒，17秒，卻忘記標注這三個時間到底代表了什么，這些數(shù)據(jù)是信息（非重復(fù)性），卻不可破譯，因此不可能成為智慧。
關(guān)聯(lián)性。我們曾經(jīng)對關(guān)聯(lián)性的重要性進行過解釋。這里不再贅述了，無關(guān)的信息，至多只是噪音。
         新穎性：這個和我前文舉的那個社交網(wǎng)站的例子類似，不同的是，這里的新穎性很多時候無法僅僅根據(jù)我們手上的數(shù)據(jù)和信息進行判斷。舉個例子，某電子商務(wù)公司通過一組數(shù)據(jù)/信息，分析出了客戶愿意為當天送貨的產(chǎn)品多支付10塊錢，然后又通過另一組完全獨立的數(shù)據(jù)/信息得到了同樣的內(nèi)容，這樣的情況下，后者就不具備新穎性。不幸的是，很多時候，我們只有在處理了大量的數(shù)據(jù)和信息以后，才能判斷它們的新穎性。
            說了這么多，是想表達，其實我們手上有用的數(shù)據(jù)并沒有我們想象的那么多——大數(shù)據(jù)本身就是個耍噱頭的詞。在如今這個年代，一個普通的創(chuàng)業(yè)公司每天就能生產(chǎn)1GB以上的數(shù)據(jù)，稍微大一點的公司每天生產(chǎn)的數(shù)據(jù)都以TB來技術(shù)。但在花錢進行大數(shù)據(jù)分析之前，我們要意識到，數(shù)據(jù)不代表信息，更不代表智慧。