6个轻松用好大数据的绝密秘籍

     大数据(Big Data)又称为巨量资料，指需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。“大数据”概念最早由维克托·迈尔·舍恩伯格和肯尼斯·库克耶在编写《大数据时代》中提出，指不用随机分析法(抽样调查)的捷径，而是采用所有数据进行分析处理。大数据有4V特点，即Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。希望大家认真阅读本篇文章哦~

     这篇文章里，有三位来自不同公司的大数据运营人员各自分享了他们运用大数据的经验。这三位是来自维亚康姆(Viacom)的Luzzi、Globys公司的Olly Downs以及知名市场顾问公司Dunnhumby的CEO Andy Hill。

　　大数据概念定义：

　　大数据对于“大数据”(Big data)研究机构Gartner给出了定义，“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

　　大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

　　从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

     随着云时代的来临，大数据(Big data)也吸引了越来越多的关注。《著云台》的分析师团队认为，大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

　　大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理(MPP)数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

     秘诀一：目标要明确：

　　就算一个公司拥有再多的数据，也不能代表它就一定会获得商业上的成功。只有真正懂得如何利用大数据，了解到公司利用大数据可以达到什么目标，公司最终才有可能真正成功。在公司在发展过程中往往也会面临诸多选择，也只有目标设定明确了，才能够缩小选择范围聚焦精力去发展。企业应时刻保持头脑清醒，朝着自己定好的目标前进，才有助于公司进行持续长久的良好运作。

　　不过，Luzzi也表示，有时候，利用太复杂先进的数据分析工具往往也会带来很多问题，不过如果我们能够通过分析大量的数据来得到最终的结果，那就不用怀疑了，你就干吧，至少方向肯定是对的。

　　秘诀二：要区分清楚“森林”和“树”：

　　现在，企业可以做到一些他们以往没有能力做到的事。对于很多公司来说，可供分析的数据更多，可以用来分析数据的工具和方法也比以前更先进方便。公司已经完全有能力去分析和处理他们收集到的大量数据，这对于企业来说或许是件好事，然而，有时候这些数据也会过于分散。

　　Globys公司的Olly Down表示说，现在，很多公司都倾向于收集精度较高的数据，因为获得的数据越精确，就越有利于分析受众群体，也更有利于公司进行相关战略和产品的调整。不过，公司往往需要花费大量的时间去处理大量的数据，结果却有可能不尽如人意，所以，在进行数据分析处理时，有时候没有必要执着于某一棵“树”长成什么样子，而应该注重这片“森林”，要懂得舍小取大。

　　秘诀三：做好团队的协调

　　在大数据的世界里，最有价值和作用的数据往往十分稀少。要想找到真正有价值的数据，就如同大海捞针一样困难。所以，为了找到这些有价值的数据，企业内部应齐心协力通力合作，要经常保持有效的沟通和协作。

　　例如，为了能更好地利用数据来分析公司的实际运营情况，数据专家们应该了解公司决策者为公司制定的战略目标。反过来也一样，公司决策者也应该知道，公司的数据团队得出的分析结果，最终能给公司带来什么收益。

　　Luzzi 表示，以大数据作为工具，他可以建立模型来帮助公司做出商业决策。由于公司决策者对公司整体运行情况及所处商业环境更加了解，当决策者看到分析结果时，肯定能看到一些他看不到的地方。但同时，决策者们也不会知道他是用什么方法得出这些数据和结果的。

　　Olly Downs也说，公司的数据团队和各部门以及管理层应保持良好的沟通交流，这样公司才能良好高效的运行，有效的协调配合需要通过有效的沟通交流来实现。有一个商业智能团队为预测公司的客户流失率建立了一个模型，由于大家缺少有效的沟通，操作团队认为这个模型“很有趣”，但是公司却认为这个模型没有任何意义。

　　“如果你的公司雇佣了一个数据研究小组，他们宣称自己建立了一个有效的模型，可是公司别的相关部门却认为这个模型没有效果，原因便在于二者之间缺乏沟通。”Downs表示。

　　秘诀四：用机器代替人工：

　　机器学习指计算机模拟或实现人类的学习行为，以获取新的知识或技能，从而对自身功能进行改进。机器学习相比人工学习，速度更快，学习规模也更大，一个公司能通过机器学习较快地发现新的问题。

　　比如，为了研究特定消费者的消费行为模式，企业可以研究用什么样的方式对单个消费者进行研究分析，依据不同的消费者选择不同的模型，进而对消费者行为进行追踪研究。公司认为，在单个消费者身上所需的分析时间是10分钟，按照这个速度，公司共有260万消费者需要调查追踪，需要416000个分析员，每天工作10小时，每天观察单个消费者8次，才能得出结果。显然，如果真通过人工分析，那就需要花费太多的时间和精力了。

　　所以，Downs认为，企业如果有大量的数据需要进行分析处理，最好的办法就是让机器代替人工来做，机器学习的速度很快，能在短时间内同时分析大量的数据，这样一来，所需的分析时间就会大大缩短。与人工分析相比，成本也会大大降低。

　　秘诀五：要谨慎对待数据

　　有时，企业是没有能力去获取数据的，也就没法用数据去解决问题。就算公司获得了一些数据，他们往往也不清楚这些数据最终能否解决他们的问题。

     在这一点上，维亚康姆集团的Luzzi的建议是，一个数据是否有效，是否能帮助公司解决问题，最好询问数据小组的意见。

　　Dunnhumby公司会对消费者数据进行统计和分析，这样一来公司便可以了解到哪些数据是有用的，以及这些数据有多大价值。如果公司能收集到有价值的数据，公司实际经营中遇到的相关问题就能得到有效解决。知名市场顾问公司Dunnhumby的 CEO Andy Hill表示，企业不仅应该了解收集到的数据到底能解决哪些问题，更应该知道，哪些问题还不能通过这些数据得到解决。如果还有一些问题解决不了，公司便需要继续收集其他维度的数据来补充。

　　有时候，重要的数据可能会被忽略。比如，当Downs为他的前东家搭建交通情况模型时，大家普遍认为天气是预测交通状况的最重要因素。后来研究结果却显示，最影响那个地区交通状况的是当地学校的放学时间。当学生们放学时，堵车情况尤为严重。

　　Downs说，从一开始的假设来看，我们并没有预见到会得出这样的结论，所以，应谨慎认真对待数据，数据会真实客观地告诉你想要的答案。有时，数据能告诉你的会让你大吃一惊。

　　秘诀六：要避免得出错误的结论：

　　由于人为主观因素和不相关数据的干扰，有时候得出的结论往往是错误的。

　　“不要让不相干的数据影响到整个结果，有相当一部分的数据并不重要，这些不相关的‘树’往往并不能代表整个‘森林’。”Luzzi说，“如果使用了错误的数据，得出的结论往往也是错的。”

　　数据选择上的错误会影响人们解决问题的过程，也会影响人们如何看待这些数据和结果。错误的数据选择可能影响到公司做出相关决策。

　　Dunnhumby 公司的CEO Andy Hill表示：“为了消除数据上的误差，你需要准确找到特定的目标人群，这些人的行为往往可以准确地回答你需要解决的问题。”

     小结：相信大家阅读完毕本篇文章收获不小吧？当然如果大家想要了解更多相关方面的详细内容请登录编程学习网教育平台哟~