Gartner：從大數據謊言中區分實際需求_數據分析師

對于大數據而言，如果讓十位企業首席信息官(CIO)去定義它，相信會得到十種不同的案。近日，Gartner分析師Mark Beyer談及這種情況，主要是因為大數據對企業IT專業人員仍然并不規范。Gartner的Symposium/ITxpo會議上談到，當大數據變得常見就會正?；?，而作為IT專業人士在2020年大數據或變得正?；?。

企業首席信息官們可以通過從大數據謊言中區分出實際需求的事實，來幫助他們的企業一步步走向正常。Gartner分析師Mark Beyer提出八個大數據“神話”：

1.100TB以上屬于大數據

就大數據而言，是對數據的處理，而非數據的大小，企業不要再去尋覓大數據標準尺寸，因為大數據并沒有標準尺寸。

2.大數據需更換基礎設施

如果企業因為有新的需求就決定改變整個基礎架構，分析師Mark Beyer表示企業是把之前所有的東西都當做賭注。對于CIO而言，IT基礎設施成熟度犧牲的風險是否值得。

3.80%數據是非結構化

從數據上看，結構化和非結構化被經常引用大數據統計，但根據Beyer所談最大的信息資產是機器數據，其并未相互關聯說它們非結構化是絕對的謊言，而機器數據是結構化的數據，通常也是重復的信息。

4.工具將取代數據科學家

對于數據科學家，工具是一種工程，是對已經發現的事實的重復利用。而科學是去發現新的事實，所以工具不會取代數據科學家，至少在工具可以自行復制和發展之前不會。

5.海量數據解決質量問題

Gartner分析師Mark Beyer認為：“數據質量越低，答案質量就越低”。企業CIO們應該關注數據質量，通過手機收集的氣質地理定位數據為例，有些人把手機等同于真實的個人，但對于數據質量來說有可以被不小心留在辦公室，或者GPS功能可以在任何時間點被關閉。

6.實時只是速度更快而已

實時操作，并不意味著加快了當前數據的處理和分析過程，而是確保數據收集和決策之間的間隔越短越好。此外，大多數企業數據是不需要實時操作的。

7.數據量優于專業知識

對于大數據來說，那些認為可以簡單地不再管業務流程的人，通常一位好的數據科學家并不能完全提供企業需求，如果沒有業務流程管理，數據科學家將不能提供商業價值，需要企業有效的區分業務管理和大數據應用進而產生商業價值。

8.數據模型沒有用

Gartner分析師Mark Beyer談到，數據模型沒有用這一論斷很絕對。任何數字資產里的東西都有其數字模型，企業不應該因為大數據就舍棄模型。