如何通過大數據挖掘潛在價值信息

2008年11月IBM提出“智慧地球”概念，2009年1月，美國奧巴馬總統公開肯定了IBM“智慧地球”思路，2009年8月，IBM又發布了《智慧地球贏在中國》計劃書，正式揭開 IBM“智慧地球”中國戰略的序幕。近兩年世界各國的科技發展布局，IBM“智慧地球”戰略已經得到了各國的普遍認可。數字化、網絡化和智能化，被公認為是未來社會發展的大趨勢，而與“智慧地球”密切相關的物聯網、云計算等，更成為科技發達國家制定本國發展戰略的重點。自2009年以來，美國、歐盟、日本和韓國等紛紛推出本國的物聯網、云計算相關發展戰略。

但是這些云計算、物聯網都離不開數據的支撐。一群互聯網愛好者聚集人人都是產品經理3群（217321695），共同淺談了大數據&物聯網。

一、“大數據”&“物聯網”，誰是大數據？誰是物聯網？

1、誰是大數據？【認識大數據】

初識大數據，首先我們需要知道什么是大數據呢？用通俗一點的話來說就是一堆一堆又一堆的、海量的數據。通過百度百科我們知道“大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊?！?

在當下的互聯網飛速發展的時代，任何一個技術都是為了達到某種目的而發展的，而大數據從根本上來說就是為了做決定存在的，大數據為企業的決策提供有力的依據。比如市場方針的制定，精準營銷的目標群體、營銷數據等等。大數據的存在不僅是為企業提供了數據支撐，而且為用戶提供了更為便捷的信息和數據服務。

大數據體現的是數據的數量多，數據類型豐富。我們需要通過對數據的關系進行深度挖掘，才能最終將數據進行更好地利用。

2、誰是物聯網？【認識物聯網】

物聯網是什么呢？通俗的概念來講，物聯網就是通過網絡信息技術和工業自動化控制技術將硬件和網絡進行有效的集合并通過傳感器進行對應的信息控制，以此達到對物件的自動控制的混合網絡。通過百度百科我們知道“物聯網（The Internet of things）就是物物相連的互聯網”。

這有兩層意思：第一，物聯網的核心和基礎仍然是互聯網，是在互聯網基礎上的延伸和擴展的網絡；第二，其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信。物聯網通過智能感知、識別技術與普適計算、泛在網絡的融合應用?！?

隨著工業控制、信息識別和互聯網網絡的發展，物聯網將是下一個信息浪潮。

3、大數據 ？= 物聯網【大數據與物聯網的聯系】

大數據與物聯網之間既有區別也有關聯。以小編的個人愚見，物聯網行業如果需要有較好的發展，那么需要大數據強力的支持，而針對物聯網行業的大數據，則是不斷來源于物聯網超級終端的數據采集。所以，物聯網對大數據的要求相比于大數據對物聯網的依賴更為嚴重。

二、大數據來之哪里？大數據會去哪里？

1、淺談大數據的來源

大數據的來源這個問題其實很簡單，大數據的來源無非就是我們通過各種數據采集器、數據庫、開源的數據發布、GPS信息、網絡痕跡（購物，搜索歷史等）、傳感器收集的、用戶保存的、上傳的等等結構化或者非結構化的數據。

2、淺談大數據能夠帶給我們什么

大數據能給我們帶來什么？很多公司現在都在炒大數據的概念，但是真正能做好的有幾個呢 ？大數據重在積累、強在分析、利于運用。沒有經過多年的有意的數據收集、沒有經過嚴謹細心的數據分析。那么，如何來談論大數據能給企業或者個人來帶來便捷呢？

大數據能帶給企業的項目立項的數據支撐、精準化營銷、電商的倉位儲備等等。但是針對個人用戶有時候就是麻煩了，因為你隨時都可以接收到很多的營銷短信、隱私暴露太多。另外對于個人用戶大數據的好處是可以快速找到自己想要東西、為用戶提供信息服務、獲取消費指導等等。換個角度看問題的話，小編認為應該是利大于弊。

3、大數據是怎么帶給我們想要的支撐？

龐大的數據需要我們進行剝離、整理、歸類、建模、分析等操作，通過這些動作后，我們開始建立數據分析的維度，通過對不同的維度數據進行分析，最終我們才能得到我們想到的數據和信息。

•  項目立項前的市場數據分析為決策提供支撐；
• 目標用戶群體趨勢分析為產品提供支撐和商務支撐；
• 通過對運營數據的挖掘和分析為企業提供運營數據支撐；
• 通過對用戶行為數據進行分析，為用戶提供生活信息服務數據支撐和消費指導數據支撐。

三、如何通過大數據挖掘潛在的價值？

模型對于大數據的含義何在？模型有直觀模型，物理模型，思維模型，復合模型等。我們在進行數據挖掘前需要考慮我們需要用這些數據來干什么？需要建立怎么樣的模型？然后根據模型與數據的關系來不斷優化模型。

只有建立了正確的模型才能讓數據的挖掘和分析更有便捷。

四、大數據相關的工具

1、I2、SPSS

2、Tanagra

3、GGobi

工具只是一種手段，對于大數據的挖掘和分析，一定要通過建立模型來構建分析的維度。在工作的過程中，不斷建立自己的數據分析思維，有了這樣的數據思維，那再在工具的基礎上，數據的挖掘和分析才能更加準確，才能最終提供有價值的數據支撐信息。（文章來源CDA數據分析師）