別走進大數據的誤區

近年來，隨著云計算和大數據的迅猛發展，已然讓“大數據”(大數據分析師)和“云計算”成為了當下最時髦的詞匯。從IT界到、金融界，再到物流界、營銷界，乃至醫療界、教育界……無論是界內界外人士幾乎都已快形成“言必稱云”、“言必稱大數據”的口頭禪。

      但如果真遇到一個“較真兒的”，發出這樣的提問——到底什么是大數據？大數據到底有什么價值？我怎樣才能得到大數據價值？……是那頭黃色的Hadoop小象？是動輒XXXBIT的高大上數據量？又或者是千萬級別的用戶信息？那估計很多口口聲聲不離大數據的人可能都言語含糊解釋不清了。

      那么，到底該如何來看待大數據呢？還是聽聽專家的觀點吧。據國內新興應用交付廠商太一星晨產品總監馮曉杰表示，大數據單從字面意思似乎不難理解，可以認為是海量級的數據，但是在這海量級的數據究竟意味著什么，這在很多業內外人士的概念里還純在著一些認識誤區。

大數據誤區一：只要大就好

      當技術哥在會議室里剛說完這句話的時候，秘書MM正巧推門進來，微微愣了一下就臉紅紅地退出去了。

      如今，很多人提起大數據，如果不提上幾嘴“日處理數據量XXGB，上傳圖片XXGB，并發數XXX”“Hadoop集群擁有XXXX節點，總存儲XXPB”……諸如此類的技術語言，都很怕別人覺得自己不專業。但是，難道真的只有數據大了，才能達到大數據的登峰境界？才能數人合一地達成大一統的目的？

      數據如果僅僅是大那是沒多大用處的！就好像資金的意義在于如何使用周轉一樣，數據大了，但不使用，讓它孤零零地偏安機房一隅，那它就不是大數據了，而是有點“敗家子”的意思。

      比如不少傳統的門戶網站，基本上就處于“坐擁金山卻無福消費”的境況。每天上億的用戶量，卻只是簡單的廣告呈現，沒有通過對數據的分析產生更多價值。

大數據誤區二：只有技術大牛才懂大數據

      雖然很多人口口聲聲離不開大數據，但是真問他到底懂多少時，其中一部分人可能會說：“我就是懂些皮毛，真正技術層面的大數據我也不懂，你還是問那些技術大牛去吧，他們才真懂?！?/span>

      其實這樣的觀點并不全對。比如諸葛亮很懂兵法，他知道該在哪里擺陣，該在哪里伏兵……但是，他不必知道關羽是如何耍大刀，也不必知道張飛的丈八蛇矛在打仗時是扎還是砍。

      其實，對于大數據的應用更多的是一種戰略能力，而非細節的執行技能，數據分析師這種能力是可以幫助決策者能從無盡的數據里看出商機看出價值，從而為企業帶來更高的利潤。而作為決策者并不用太關心在技術細節層面，大數據到底怎么技術生成，又是如何理順提升用戶體驗的。

大數據誤區三：是個公司都得上大數據

      在GMIC上，Evernote的CEO Phil Libin就明確表明不帶大數據一起玩兒，自己產品的商業模式就是向用戶收費，讓他們甘心為產品體驗付費。

      雖然大數據固然是個香餑餑，但不是所有人都能消化得了，或者說并不是所有都有上大數據的必要，而是要衡量企業的現狀，看清楚主次矛盾，或是要考量好投入產出的回報率，大數據并不是適合所有企業的現狀。

      比如，對于中小型網站來說，一上來就盲目追求先進“高大上”的技術架構，那就有點“宰牛刀殺雞”的意思。對于這類網站，首要考慮的是商業運作模式和推廣，只有等到用戶量飚升后，再去考慮技術升級這種大事兒。

      再比如，在GMIC上，Evernote的CEO Phil Libin就明確表明不帶大數據一起玩兒，自己產品的商業模式就是向用戶收費，讓他們甘心為產品體驗付費。

      如同一個雙選題：A.日登陸用戶1000人，架構完全參照美國亞馬遜從不宕機；B.日登陸用戶10萬人，每天因為高并發不得不宕機三次。你會選什么？

大數據誤區四：我就要海量數據

      自從大數據概念火了以后，不少企業在遇到問題的時候，總是會情不自禁的就會想到“是不是我的數據量不夠？”“是不是如果有了海量的大數據就能變得更好？”其實，這又是陷入了一個誤區。

      這又回到了大數據價值和金錢價值的類比概念上。比如用搜索引擎搜索一下“存款 貶值”，那么很快就可以發現類似這樣的信息：“五十年前的百萬變13塊”， “一萬元存一年賠19元”……顯然，不流動的錢，是越放越沒有價值，而基數越大，可能導致的損失就越大。

      金錢如此，大數據亦然。只有像比特幣玩家們一樣，不停地使用數據，并以無比的熱情挖掘數據背后的關系和價值，才能如滾雪球一般，使數據之間的相互關系更豐富更完善。同理，對于企業的大數據來說，只有充分利用大數據，讓大數據充分流動起來，不斷的實現增值效果，那么才有機會更大的釋放大數據的能量。

      因此，對于企業決策者來說，看待大數據必須有一個清醒的認識，當在腦袋發熱準備花大價錢上大數據之前，都一定得先想明白透徹了：“我真的需要大數據嗎？大數據真的能為我所駕馭嗎？”數據分析師