别走进大数据的误区

近年来，随着云计算和大数据的迅猛发展，已然让“大数据”(大数据分析师)和“云计算”成为了当下最时髦的词汇。从IT界到、金融界，再到物流界、营销界，乃至医疗界、教育界……无论是界内界外人士几乎都已快形成“言必称云”、“言必称大数据”的口头禅。

      但如果真遇到一个“较真儿的”，发出这样的提问——到底什么是大数据？大数据到底有什么价值？我怎样才能得到大数据价值？……是那头黄色的Hadoop小象？是动辄XXXBIT的高大上数据量？又或者是千万级别的用户信息？那估计很多口口声声不离大数据的人可能都言语含糊解释不清了。

      那么，到底该如何来看待大数据呢？还是听听专家的观点吧。据国内新兴应用交付厂商太一星晨产品总监冯晓杰表示，大数据单从字面意思似乎不难理解，可以认为是海量级的数据，但是在这海量级的数据究竟意味着什么，这在很多业内外人士的概念里还纯在着一些认识误区。

大数据误区一：只要大就好

      当技术哥在会议室里刚说完这句话的时候，秘书MM正巧推门进来，微微愣了一下就脸红红地退出去了。

      如今，很多人提起大数据，如果不提上几嘴“日处理数据量XXGB，上传图片XXGB，并发数XXX”“Hadoop集群拥有XXXX节点，总存储XXPB”……诸如此类的技术语言，都很怕别人觉得自己不专业。但是，难道真的只有数据大了，才能达到大数据的登峰境界？才能数人合一地达成大一统的目的？

      数据如果仅仅是大那是没多大用处的！就好像资金的意义在于如何使用周转一样，数据大了，但不使用，让它孤零零地偏安机房一隅，那它就不是大数据了，而是有点“败家子”的意思。

      比如不少传统的门户网站，基本上就处于“坐拥金山却无福消费”的境况。每天上亿的用户量，却只是简单的广告呈现，没有通过对数据的分析产生更多价值。

大数据误区二：只有技术大牛才懂大数据

      虽然很多人口口声声离不开大数据，但是真问他到底懂多少时，其中一部分人可能会说：“我就是懂些皮毛，真正技术层面的大数据我也不懂，你还是问那些技术大牛去吧，他们才真懂。”

      其实这样的观点并不全对。比如诸葛亮很懂兵法，他知道该在哪里摆阵，该在哪里伏兵……但是，他不必知道关羽是如何耍大刀，也不必知道张飞的丈八蛇矛在打仗时是扎还是砍。

      其实，对于大数据的应用更多的是一种战略能力，而非细节的执行技能，数据分析师这种能力是可以帮助决策者能从无尽的数据里看出商机看出价值，从而为企业带来更高的利润。而作为决策者并不用太关心在技术细节层面，大数据到底怎么技术生成，又是如何理顺提升用户体验的。

大数据误区三：是个公司都得上大数据

      在GMIC上，Evernote的CEO Phil Libin就明确表明不带大数据一起玩儿，自己产品的商业模式就是向用户收费，让他们甘心为产品体验付费。

      虽然大数据固然是个香饽饽，但不是所有人都能消化得了，或者说并不是所有都有上大数据的必要，而是要衡量企业的现状，看清楚主次矛盾，或是要考量好投入产出的回报率，大数据并不是适合所有企业的现状。

      比如，对于中小型网站来说，一上来就盲目追求先进“高大上”的技术架构，那就有点“宰牛刀杀鸡”的意思。对于这类网站，首要考虑的是商业运作模式和推广，只有等到用户量飚升后，再去考虑技术升级这种大事儿。

      再比如，在GMIC上，Evernote的CEO Phil Libin就明确表明不带大数据一起玩儿，自己产品的商业模式就是向用户收费，让他们甘心为产品体验付费。

      如同一个双选题：A.日登陆用户1000人，架构完全参照美国亚马逊从不宕机；B.日登陆用户10万人，每天因为高并发不得不宕机三次。你会选什么？

大数据误区四：我就要海量数据

      自从大数据概念火了以后，不少企业在遇到问题的时候，总是会情不自禁的就会想到“是不是我的数据量不够？”“是不是如果有了海量的大数据就能变得更好？”其实，这又是陷入了一个误区。

      这又回到了大数据价值和金钱价值的类比概念上。比如用搜索引擎搜索一下“存款 贬值”，那么很快就可以发现类似这样的信息：“五十年前的百万变13块”， “一万元存一年赔19元”……显然，不流动的钱，是越放越没有价值，而基数越大，可能导致的损失就越大。

      金钱如此，大数据亦然。只有像比特币玩家们一样，不停地使用数据，并以无比的热情挖掘数据背后的关系和价值，才能如滚雪球一般，使数据之间的相互关系更丰富更完善。同理，对于企业的大数据来说，只有充分利用大数据，让大数据充分流动起来，不断的实现增值效果，那么才有机会更大的释放大数据的能量。

      因此，对于企业决策者来说，看待大数据必须有一个清醒的认识，当在脑袋发热准备花大价钱上大数据之前，都一定得先想明白透彻了：“我真的需要大数据吗？大数据真的能为我所驾驭吗？”数据分析师