《資料分析變革：大資料時代精準決策之道》一2.4 小結

本節書摘來自異步社群《資料分析變革：大資料時代精準決策之道》一書中的第2章，第2.4節，作者【美】bill franks（比爾•弗蘭克斯），更多章節内容可以通路雲栖社群“異步社群”公衆号檢視

從本章中我們獲得的最重要的啟發有以下幾個。

不必管該如何定義大資料。我們要管的是哪些資料，無論大小，是分析需要的。定義不重要，結果才重要！

我們要保持業務問題導向。不要為了實作大資料技術而實作大資料。

盡管過度炒作和不切實際的短期預期确實存在，但大資料時代切切實實已然到來。就像網際網路泡沫的存在并不能表明網際網路不是巨大的商業機會一樣，大資料泡沫的存在同樣也不意味着大資料就沒有巨大的商業機會。

資料讓人興奮的原因是它能提供新的資訊。新資訊幾乎每一次都能打敗新算法。

我們不能隻使用大資料來完善既有的分析流程。我們還要發現如何利用大資料以全新視角解決老問題或者解決全新問題的方法。

可以預料，在接下來的幾年，物聯網的炒作肯定會暴漲，但我們一定要重新思考資料留存政策，這樣才能應對低價值資料造成的新的資料洪水。

與傳統資料相比，大資料的“差異性”會産生比“大資料量”更多的挑戰。

大資料需要的不隻是資料處理與資料存儲的可擴充性。在使用者數、并發度、負載管理以及安全性等方面同樣需要可擴充性。

大資料一定會是整體資料與分析政策的一個組成部分。大資料肯定不能光靠本身就有效解決所有的問題。

關于 sql 将亡的預測已經存在許多年了，現在非關系型平台正在争分奪秒地實作 sql 接口。盡管這也代表了巨大的轉變，但它同樣也反映了現實的業務需求。

今天，大資料看上去很有颠覆性，大資料現在正在經曆與其他資料源相同的成熟度曲線。大資料難以應對，關鍵在于資料源是同時傾覆而來。

全球各行各業中，多數企業都認為自己落後于大資料時代。事實上，隻有少數企業走在前列，這同樣也說明，隻有少數企業落在隊後。

[2]　參見www.gartner.com/it-glossary/big-data/的“gartner it glossary”。還請參考2013年5月27日svetlana sicular在《福布斯》上發表的“gartner’s big data definition consists of three parts, not to be confused with three ‘v’s”，網址是www.forbes.com/sites/gartnergroup/2013/03/27/gartners-big-data-definition-consists-of-three-partsnot-to-be-confused-with-three-vs/。

[3]　參見2012年8月2日我在《it briefcase》上發表的“defi ning big data: the missing ‘v’”，網址是www.itbriefcase.net/defining-big-data-the-missing-v。

[6]　參見bill franks的《taming the big data tidal wave》(hoboken, nj: john wiley & sons, 2012) 。

[9]　jeff tanner的《dynamic customer strategy: big profits from big data》(hoboken, nj: john wiley & sons, 2014)

[10]　參見2010年8月10日www.drugrecalls.com/celebrex.html的“pfizer study finds that celebrex may increase the risk of heart attack”。

[12]　lisa arthur的《big data marketing: engage your customers more effectively and drive value》(hoboken, nj: john wiley & sons, 2013)。