數據抽樣的終結者—大數據分析

“如果你真的想要了解發生在您企業業務中的真相，你需要大量的非常詳細的數據資料?！?a href='/map/shujucangku/' style='color:#000;font-size:inherit;'>數據倉庫研究院（TDWI）研究主任菲利普？盧瑟姆在其最新的一份TDWI大數據分析報告中寫道?！叭绻阏娴南肟匆恍┠銖奈匆娺^的東西，這有助于您挖掘從未被商業智能分析過的數據?！?br />     這便是大數據分析存在的理由，其是前所未有的。不僅僅是大數據概念的本身提醒著我們，至少我們還可以追溯到21世紀初，“彼時，存儲和CPU技術正被百萬兆字節的數據所淹沒，IT面臨著數據的可擴展性危機?！贬槍Υ笠幠：筒煌臄祿膽贸绦蛑邢冗M的分析技術是前所未有的（如數據挖掘）。這便是大數據分析的出現所帶來的劃時代的意義了。盧瑟姆說，這是數據可擴展性危機結束的信號。
    這給企業帶來了前所未有的意義。針對企業所收集的數據進行數據挖掘、數據分析，并在某些情況下作出相關的報告。這就是為什么諸如數據抽樣這樣的實踐方案被視為企業相當務實的必需品。
    “你不能把整個數據集都放入到數據挖掘計劃中。你必須選擇你所需要的數據，必須確保數據的正確性，因為如果你沒有投入正確的數據，你的技術可能不奏效?！?a href='/map/shujucangku/' style='color:#000;font-size:inherit;'>數據倉庫研究院研究員馬克？馬德森在預測分析研討會上告訴與會者。
    “你可以將您所收集到的數據中的一個很小的比例投入挖掘…概率事件的采樣?！彼^續說，“但分解會非常罕見，成為非常罕見的事件，使其很難變成樣本?！?br />     理想情況下，你要找出所有這些“罕見”事件，他們屬于異?，F象，如欺詐行為、客戶流失和潛在的供應鏈中斷。他們是隱藏在你未分化的數據中的高價值的東西，很難找到。
    IBM,微軟，甲骨文和Teradata,以及與其他大多數著名的BI和數據倉庫（DW）供應商，紛紛開始銷售整合了Hadoop的產品。有些甚至大肆宣揚自己實現了無處不在的MapReduce算法。
    這些供應商不只是談論大數據，他們正在談論大數據結合先進的分析技術，如數據挖掘，統計分析和預測分析。換句話說，他們正在談論的是大數據分析。
    根據數據倉庫研究院的研究顯示，大數據分析還沒有到來；尚未被主流所接受。在數據倉庫研究院最近的調查中，超過三分之一（34%）的受訪者表示，他們所在的企業結合大數據，實行了某種形式的先進的分析。在大多數情況下，他們僅僅采用非常簡便的方法。例如，數據抽樣。
    數據集成專家PervasiveSoftware公司的大數據產品的高級主管DaveInbar說，事實上，如果企業沒有考慮逐步淘汰抽樣調查和其他過去的所謂最佳實踐的“神器”,他們真的是后知后覺了。
    “如果你繼續采用數據抽樣的方法，你可以實際處理所有數據，但數據的科學性本質上是削弱的?！彼f?！霸?a href='/map/hadoop/' style='color:#000;font-size:inherit;'>Hadoop的世界，沒有任何理由不采用商品硬件、真正的智能軟件。在過去，我們采用抽樣數據，可能還有經濟成本方面的考量原因，或者技術達不到的原因。但在今天，這些原因都不復存在。數據采樣在過去是最好的實踐方案，但我認為它的時代已經過去了?！?br />     “大海撈針的問題不適合采用樣本，所以你這樣過分強調訓練集，可能會導致問題?！必撠熜畔⒐芾碜稍兊鸟R德森指出，“最終，運行整個數據集要比緊緊按照統計算法和擔心樣本更容易。技術可以在出現分配挑戰時處理數據的問題，并可以訪問統計方法?！?