深處資料時代：大資料的這些誤區你躺槍了哪個

大資料，說的再多其實也還是會有很多網友對目前的大資料技術存在一些疑問和誤區，比如有很多朋友會覺得隻有到達peta級别以上的才能夠被稱之為大資料，甚至是到達了zeta級别才算是。

其實不然，大資料的本身是資料，對于我們這些使用者來說，如何從資料當中挖掘出有用的價值，這種價值可能包含了商業價值、技術開發價值等等，那麼這樣的大資料才是有意義的。而作為資料本身來說，從誕生那天開始其實資料量就一直在不斷地攀升。

回過頭來，究竟什麼才是大資料，從官方的字面意義來分析，大資料其實就是一套完整的生态體系，從資料的産生、采集、加工、彙總、展現、挖掘、推送等方面形成了一個閉環的價值鍊，并且通過每個環節的多種技術處理後，為所在業務場景提供有價值的應用和服務。

不要為了“大資料”而“大資料”

這個誤區的解讀是近些年在行業内被提及的越來越多的觀點，在很多企業級使用者當中，追求技術的革新是再正常不過的，但是很多企業在技術創新過程當中卻盲目的一味追求最新、最好、最快，而沒有把問題的出發點放在企業内部的業務實際需求上面，從長遠來看，這其實也并不是一個良性循環。

從技術上來說，比如bat或者很多網際網路企業去追求大資料，是因為業務發展的需要。任何一個網際網路企業一出生就是為了流量和點選而活着，這就意味這大量的非結構化資料需要進行快速處理，這時候就決定了網際網路企業隻能通過一些并發手段去分解底層的資料。

從投資上來說，網際網路企業出生都是平民，根本買不起大型裝置，就算一夜暴富後，也沒有一個傳統的小型機大型機可以更好的滿足它們的發展，故隻能另辟蹊徑創造價值鍊和标準了，在之前的低投資、輕量級架構上，不斷進行小量的線性硬體投資滿足業務的發展。

資料：水能載舟亦能覆舟

這個觀點也是行業專家一直在強調的問題，大資料技術是為了滿足使用者的一些特定的業務目标來服務的，在企業使用者明确了具體的業務目标範疇之後，順勢設計符合自身業務架構的技術架構，才是一種科學的健康的發展觀。

随着大資料的不斷創新和發展，在促進生産力快速推進的同時，也促使了一些新的技術誕生出來，比如近些年被更多提及的機器學習、深度學習等等，其實就是大資料快速發展而導緻的。更有意思的是，現在在行業内還被提出了“小資料”、“微資料”的概念，這其實就是在把資料的價值往更詳細的方向去演進，一切其實都是為了企業業務能夠擁有一個更加良性的生長環境，而這也正是當今這個資料時代為使用者所帶來的最為重要的改變。

本文轉自d1net（轉載）