大数据华而不实么？大数据的本质是什么？

热门回答：

近年来。大数据非常火。人人都谈大数据。但也有人认为。大数据是华而不实。没有什么实际意义。那么大数据究竟是什么？大数据能为我们带来什么呢？我们一起来看一看。

大数据是什么？

对于很多人来说。当第一次听到“大数据”这个词的时候。就会自然而然地从字面上去理解：大数据就是大量的数据。大数据技术就是大量数据的存储和处理技术。

然而。事实并非如此。大数据比我们一般的想象更为复杂。大数据技术不只是一项数据处理和存储的技术。更是一系列和海量数据相关的抽取、集成、管理、分析、解释技术。是一个庞大的技术框架。

更进一步来说。大数据是一种全新的思维方式和商业模式。大数据实现了从物理世界到数字世界的映射和提炼。通过发现其中的数据特征。从而提炼出有价值的信息。

怎么认知大数据？

要全面深入地认知大数据。需要从三个层面。逐层深入。

第一层面是理论。理论是认知的必经途径。也是被广泛认同和传播的基线。大数据的特征定义。行业对大数据的整体描绘和定性。大数据的来之不易和珍贵所在。对大数据的现在和未来去洞悉大数据的发展趋势。大数据隐私的博弈等。每个课题都是值得深入探讨的。

第二层面是技术。技术是大数据价值体现的手段和前进的基石。云计算、分布式处理技术、存储技术和感知技术。都是大数据技术的重要组成部分。大数据如何采集、处理、存储到形成结果。都是大数据技术的作用的产物。

第三层面是实践。实践是大数据的最终价值体现。在实践中。大数据的应用可分为：互联网大数据。政府的大数据。企业的大数据和个人的大数据四个方面。需要从实际的行业应用触发。了解大数据带来了哪些实打实的好处。以及什么机遇和挑战。

大数据用在哪里？

方方面面。只有你想不到。没有大数据用不到的地方。当发生了传染病疫情时。大数据使我们瞬间了解到哪些人到过高风险地区。哪些人接触过患者。让我们更好地对疫情进行精准控制；在电商购物节中。大数据使商家快速了解到消费者对哪些商品更感兴趣。能够为用户给出适合的商品推荐。组织更为有效的活动促销；在社交平台上。大数据为我们找到潜在的志同道合的人。以数据的方式为我们的社交进行了不可见的延展……

总结

大数据并不是华而不实的。大数据的本质。可以说是一种技术框架。更应该说是一种思想和模式。我们要善用大数据。乘着大数据这个时代的风口。用大数据加速发展。实现更为美好的蓝图。

其他观点：

大数据的本质是什么？

现在叫大数据。以前可以称为信息、情报等等名字。以前的信息搜集技术没有这样发达。只能以样本信息形式出现。而且由于结构类型不同。只能分类处理。有些数据还不便于储存和比较。为什么现在叫大数据。是因为现代互联网技术。可以把不同结构类型的所有数据都能搜集到。形成全数据。并且随着大数据技术的深度发展。这些复杂结构类型的全数据。会被自动分类比较统计。所以称为大数据。

吴军在他的《智能时代》里提到对于大数据的观点：

只有量的积累的数据。通常并不能称之为大数据。除了大量性。大数据常常还应该具有多维性和完备性。大数据的多维性。可以理解为针对单一“个体”（人/物/事件等）不同角度的数据。比如之前提到的：收集全国所有人的出生年月。单收集这一项。数据单一缺乏意义；但如果再加入收入、所属地区、受教育程度等等多维的信息。那数据本身就变得鲜活了。我们可以从数据中分析人口的地域分布、经济分布、教育分布等并在此基础上给出宏观的资源调控计划。大数据的完备性。则可以理解为数据的全面性。比如2012年一位名叫内德·斯威尔的年轻人。利用大数据成功预测了美国50+1个州的大选结果。他其实就是在投票前利用互联网尽可能的搜集当年的大选数据（如地方媒体数据、社交网络留言、朋友间评论等）。从而近似的知道每个人对大选的态度。并按照州进行分类整理。最终成功预测了当年的大选结果。缺少多维性的“大数据”会让数据承载的信息“片面”。进而导致数据本身的利用价值大大下降；缺乏完备性的数据则会由于缺乏“完备样本”的支撑。也会使得获取的信息“局限性”。大数据最好还应具有“及时性”。但及时性却并不是其必备条件。只是有了“及时性”的大数据。会实现一些过去无法做到的事情。大数据的及时性。可以理解为数据收集的时效性。一方面。要分析当前情况。就要尽可能使用与当前时间点较为接近的数据；另一方面。数据本身就在时刻产生（特别是今天的互联网）。新鲜的数据能更快速的反应当前社会的一些情况。比如使用百度地图导航的时候。它能根据数据库中人们当前的（及时的数据）车辆出行地点。和即将要去的地方大概估算出此人的行程规划。并通过众多数据的整合估算出某一路段可能的堵塞情况。进而在导航的时候给出“避免拥堵”的导航建议。

由此可见。所谓的大数据。一定要同时满足大量、多维和完备（相对来说）的特点。并在此基础上。最好具有“时效性”。

参考自：读大数据 《智能时代》有感

其次。大数据的意义在于驱动决策

大数据产生价值的链路是：数据驱动决策——决策实践价值。

国内企业总是谈数据变现实际是一种对大数据价值的歧义理解。企业面对的TO B或TO C不是个体单维度数据而是海量多维度数据。单一数据不能提供任何决策依据。然而企业决策者往往对大数据的理解不够清晰透彻。片面的认为数据就是价值。花钱就要见效。把重点需求放在了所谓的上文说道的“有效数据上”当然效果在短期是非常显而易见的。而在利益驱动下企业的方向就真的随着“数据”驱动决策了。如同你是正常人却天天吸纯氧。企业想的就不是产品紧贴市场需求、如何有效改进。增强市场竞争优势。而是围绕相应“数据”下进行各种营销。

第一步。找到核心数据。核心数据现在对很多企业来说实际上就是CRM。自己的用户系统。这是最重要的。

第二步。外围数据。比如企业经常会在线上线下举办一些活动。在做活动的时候。消费者的信息只是简单地提供在表单里面。还是进入了CRM的系统里？

第三步。常规渠道的数据。举例来说一个销售快销品的企业。能不能够得到沃尔玛的数据。家乐福的数据？很多国外大数据的案例。说消费者买啤酒的时候也会购买剃须刀之类。或者一个母婴产品的消费者她今天在买这个产品。预示着她后面必然会买另一个产品。这就有一个前期的挖掘。这些价值怎么来的。这就需要企业去找常规渠道里面的数据。跟自己的CRM结合起来。才能为自己下一步做市场营销、做推广、产品创新等建立基础。

第四步。外部的社会化的或者非结构化的数据。即现在所谓的社会化媒体数据。这方面信息的主要特征是非结构化。而且非常庞大。这对企业来说最大的价值是什么？当你的用户在社会化媒体上发言的时候。你有没有跟他建立联系？

还有。大数据的核心在于大数据思维

网络的诞生给世界带来了大量的数据积累和信息流通。并带来了一次“大数据思维”的思想变革。

机械思维时代。由于数据收集的局限性。科学家们只能在有限的样本下“大胆假设小心求证”。然而受限于人类大脑的“创造力”。所谓的“大胆假设”也并不是真的“大胆”；随着互联网时代的到来。“数据”不再成为问题。当大量数据堆积在一起时。就产生了“质”的变化。

互联网时代的人们逐渐发现：** 世界其实是不确定的**。一方面世界的本质就是不确定的（比如原子核中的电子时刻都在做着无规则的运动）；另一方面影响世界本身的变量太多。我们没办法用简单的公式将他们全部囊括进来。只能尽可能的利用随机事件来处理。利用概率来解释。

与此同时。伴随着数据的大量积累和统计数学的发展。人们惊喜的发现：在数据量达到一定程度的时候。数据和数据之间的关联可以反映出某些意想不到的结果。于是大数据思维就诞生了：

世界本身是不确定的。利用大数据可以尽可能的消除这种不确定性。因果关系可以利用数据间的相关关系进行代替。

大数据思维。也有人将其成为“信息论”。其本质就是：

1）利用不确定性看待世界。然后利用大数据来尽可能的消除这种不确定性；2）利用具有多维度特征的大数据。数据之间的相关关系来代替机械思维时代的因果关系。帮助我们在“创造”难以掌控的情况下。发现意想不到的结论。

举例来说：

我们在投放广告时。机械思维要我们先有一个假设：目标人群可能的特征。并进行调研和证实；而大数据思维则是：我们不确定要投放给什么样的人群。紧接着我们利用已有用户的数据特征发现了“用户群体画像”这就是消除不确定性的过程。最终我们直接根据数据给出的结论来制定计划。另外。我们利用机械思维制定投放广告的策略时。会按照严谨的：“提出假设——实验验证——得出结论”的逻辑关系制定；但在大数据思维下。我们不需要知道“为什么具有A特征的用户应该是我们投放广告的目标人群”或“为什么C平台应该是我们选择的投放渠道”。我们只需知道。“数据显示A类人群购买此类产品最多”或“不同平台中C类平台的广告产出比最高”仅此而已。这就是用“数据的相关性”取代“因果关系”。

大数据和小数据的区别。分析方法有何不同？

小数据分析方法。即传统的数据分析。是指用适当的统计分析方法对收集来的大量数据进行分析。提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

大数据的基本处理流程与传统数据处理流程并无太大差异。主要区别在于：由于大数据要处理大量、非结构化的数据。所以在各处理环节中都可以采用并行处理。目前。Hadoop、MapReduce和Spark等分布式处理方式已经成为大数据处理各环节的通用处理方法

上图显示了传统的大数据工作流分析经历的一些阶段。数据以数据库。数据流。数据集合以及数据仓库等方式来建模。数据的数量级以及数据的多样性要求在处理之前要进行数据的集成、清洗以及过滤等工作。以保证其后续工作的开展。

其他观点：

大数据应该是一种事物或一类事物的总和。它们具有其共性。若是几种事物的总和。由于没有共性可言。我们收集它们就没有了实际意义了。这就是大数据的本质。

您还感兴趣的文章推荐

• 为什么喜欢的总是害自己最深的？背后有何规律？
• 在北京月入14k，这种情况下要不要离职呢？
• 在当前社会背景下，学生学历低会导致爹不疼娘不爱且家庭成员不和睦吗？
• 刚刚离职的我现在还能从事哪些工作呢？
• 为何无人治理满大街逆行的送餐骑手？背后原因大揭秘

以上就是由互联网推广工程师 桔子生活网 整理编辑的，如果觉得有帮助欢迎收藏转发~