你确定要鸡蛋碰石头吗?关于大数据的三大误区
随着整个行业对大数据的兴趣越来越大,我最爱的话题之一,我在2013年做过的大数据的公众演讲超过我职业生涯中的任何往年。我在行业大会、活动,大学以及EMC内部共做过许多次演讲。在这些演讲中一次又一次地接触到了一大堆关于大数据的评论,提问以及错误的理解。我相信将我听到的分享给大家会很有用。
以下是对于大数据的三大误区:
1. 最重要的,是关于大数据本身的大小
大数据主要是数据的大小,因为大数据就是大的,对吗?其实,并不完全是。哈佛的定量社科学院的Gary King说。当然,如今的数据处理量要远超过去(这里是指”3Vs”的量-量,多变性及速度),但如果人们只关注于GB、TB或PB,他们将仅仅视大数据为关于存储和科技的问题。尽管这也是绝对重要的,但大数据的更突出的几个方面通常是另外两个V:多变性(Variety)和速度(Velocity)。速度指的是数据流及非常快的数据,数据积累或进入数据仓库时的低延迟,以使人们可以更加快速地(或者甚至自动地)做出决定。数据流的确是个大问题,但是对我来说,其多变性是3V当中最有趣的。
上面显示的这些图标正是大数据产生的来源。实际上,这正说明了一个哲学问题—不仅仅是大数据改变了,更多的是,数据的定义本身已经发生了变化。也就是说,大多数的人认为数据就是成行成列的数据,如Excel表格,RDBMS数据库,或存储着TB级结构化数据的数据仓库。这些的确没有错,大数据主要是有关半结构化数据和非结构化数据。 大数据包含了所有人们并不认为是数据的所有其他的事物,如RFID芯片,智能手机的地理空间传感器,图像,视频文件,点击流,语音识别数据以及这些数据的元数据。 当然,我们需要找到有效的方法来存储大量的数据,然而我发现,当人们开始抓取数据的多变性及其速度,他们也开始寻找更加创新的方式来使用这些数据。
2. 你确定要鸡蛋碰石头吗?
“好吧,但是为什么我一定需要新的工具?我不能用原来的软件工具来分析大数据吗?”我们在讨论使用Hadoop去排列成百上千的非结构数据输入。讨论中有位听众提问,为什么他不能简单地使用SPSS来分析大量的文本语料库。事实上,一旦你领会了#1中的内容,那么你将意识到你需要一个可以理解、存储和分析不同数据输入(图像,点击流,视频,声纹,元数据,XML,等),并且可以并行处理他们的新的工具。这就是为什么内存中的桌面工具足以处理本地内存中的分析(SPSS,R,WEKA,等)却无法处理大量的大数据源。所以我们需要新的技术来管理这些各不相干的数据源,并以并行的原则管理他们。
3. 不完整的数据质量代表大数据毫无意义
“是的,那么大数据,数据的质量会怎么样呢?是不是意味着更大规模的“无用出入(GIGO)”?
大数据也一定可能会乱,而数据质量对任何分析都非常重要。然而,关键是要记住数据将不可避免地混乱。即,会有很多杂乱,各种异常情况,以及不一致性。而重要的是要把重点放在数据的数量和种类,以及它们可否可修剪并用以做有价值的分析。换句话说,在这些混乱之中要寻找某种信号。在某些情况下,组织可能要解析和清理大量的数据源,而在其他情况下,这些也可能不太重要。可以考虑谷歌趋势分析。
谷歌趋势分析显示人们搜索的最热门事情,如整个2013年在谷歌搜索的最多的事情,如上图所示照片。这需要大量的存储空间,处理能力以及强大的分析技术以从搜索中筛选并排名。这是使用大数据而忽略GIGO的一个好例子。
从这个观点来看,许多人们会说“哦!这听起来的确是大的改变”是的!正如我的一个同事所说,可以用大数据的名字或动词意义做一个区分。也就是说,作为名词,把大数据仅仅当作需要被存储和安置的“非常多的东西”。作为动词,大数据就意味着动作。这个阵营的人们视大数据为破坏性的力量,是改变他们的操作方式的动力。利用大数据以创造性的方式测试好点子,从而以分析的方式解决业务问题,如进行A/B测试—请参考谷歌测试50色调的蓝色,去寻找人们最愿意点击的Gmail用户,而不是仅凭营销经理的猜测。或者想办法衡量没法衡量的事情,比如公司和大学找更好的方式来实现图像归类的自动化。以新的方式探索新点子—以数据来回答“假如……”的问题。
在这个竞赛中,那些把大数据视作动词的组织将是最大赢家!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14