如何理解“大資料”
大資料(Big Data),字面意思是“海量資料”,簡單講就是所涉及的資料量規模巨大到無法通過目前的主流技術和工具來處理,這裡的“處理”涵蓋了很多層含義:提取、儲存、管理、分析、傳輸、預測等。
可是,這僅僅是對“大資料”的粗淺理解。
最早提出“大資料”概念的學科是“天文學”和“基因學”,這兩個學科從誕生之日起就依賴於“基於海量資料的分析”方法。
大資料可以說是“計算機”和“網際網路”結合的產物,計算機實現了資料的“數字化”;網際網路實現了資料的“網路化”;兩者結合才賦予了“大資料”生命力!
隨著網際網路如同空氣、水、電一樣無處不在地滲透入我們的工作和生活,加上移動網際網路、物聯網、可穿戴聯網裝置的普及,新的“資料”正在以指數級別的加速度產生。據說目前世界上90%的“資料”是網際網路出現以後迅速產生的。
不過,拋開資料的海量化生產和儲存這種表面現象,我們更加要關注的是由資料量變帶來的質變,這種“質變”表現在以下3個方面:
1)資料思維
大資料時代帶給我們的是一種全新的“思維方式”,思維方式的改變在下一代成為社會生產中流砥柱的時候就會帶來產業的顛覆性變革!
- 分析全面的資料而非隨機抽樣;
- 重視資料的複雜性,弱化精確性;
- 關注資料的相關性,而非因果關係。
歷來的商業變革都是由“思維方式的轉變”開始的,舊的經濟體制和傳統的商業理念面臨新的商業思維邏輯的時候,如果大腦不能與時俱進,吸收並轉變為順應潮流的新思維,通過新思維重新組織企業組織的戰略、結構、文化和各種策略,那麼貌似強大的體魄反而變成了企業前進的累贅。這種新思維顛覆巨頭的案例最先發生在資訊科技的傳統領域,然後滲透到傳統的商業領域:黑莓(Blackberry)、摩托羅拉、諾基亞、柯達、雅虎。。。案例比比皆是!
當然,這些企業的沒落並不是因為沒有“資料思維”,但他們都是被“新網際網路思維”淘汰的昔日巨人。“資料思維”是最新的思想,其影響力還沒有發展到導致巨頭轟然倒塌。但是,如果不給予足夠的重視,下一波沒落王國的名單中,可能就會有你!
2)資料資產
大資料時代,我們需要更加全面的資料來提高分析(預測)的準確度,因此我們就需要更多廉價、便捷、自動的資料生產工具。除了我們在網際網路虛擬世界使用瀏覽器、軟體有意或者無意留下的各種“個人資訊資料”之外,我們正在用手機、智慧手錶、智慧手環、智慧項鍊等各種可穿戴數碼產品生產資料;我們家裡的路由器、電視機、空調、冰箱、飲水機、吸塵器、智慧玩具等也開始越來越智慧並且具備了聯網功能,這些家用電器在更好地服務我們的同時,也在生產大量的資料;甚至我們出去逛街,商戶的路由器,運營商的WLAN和3G,無處不在的攝像頭電子眼,百貨大樓的自助螢幕,銀行的ATM,加油站以及遍佈各個便利店的刷卡機都在收集和生產資料。
在網際網路領域,我們喜歡說“入口”這個詞,“入口”對應的直接意義是“流量”,而流量在網際網路領域就意味著“金錢”,這種流量變現可能是廣告,可能是遊戲,也可能是電商。在大資料時代,“入口”這個詞還有更深刻的意義,那就是“資料生產的源頭”,使用者通過某個APP或者硬體產品滿足某種需求的同事,也會留下一系列相關的“資料”,這些資料的合理使用可以讓擁有這部分資料的企業獲得更大的商業利益!所以,在“大資料”時代,意識到“資料也是資產”的公司都已經開始在各個“資料生產的源頭”進行佈局,可能是一個解決剛興需求的WEB網站,也可能是一個單純的工具APP,還可能是一個可穿戴的數碼產品!
3)資料變現
有了“資料資產”,就要通過“分析”來挖掘“資產”的價值,然後“變現”為使用者價值、股東價值甚至社會價值。
大資料分析的核心目的就是“預測”,在海量資料的基礎上,通過“機器學習”相關的各種技術和數學建模來預測事情發生的可能性並採取相應措施。預測股價、預測機票價格、預測流感等等。
“預測事情發生的可能性”繼續往下延伸,就可以通過適當的“干預”,來引導事情向著期望的方向發展。比如亞馬遜和所有的電商一樣,都會基於對使用者的喜好及消費能力分析來推薦“商品”,引導使用者提高消費金額;Google等網際網路巨頭也會通過各種技術手段來試圖向不同的使用者展現不同的廣告,並稱之為“精準營銷”,由此來提高點選率(公司收入);網遊公司也會在運營工程中通過玩家行為資料的分析來及時調整遊戲關卡及計費點等設計。
最後,如果你看了這段文字還不能更好地理解“大資料”時代的“預測未來”能力,那麼我推薦你看看熱播美劇《疑犯追蹤》!
作者系著名天使投資人 王利傑
相關文章
- 該如何理解大資料?_光點科技大資料
- 我理解的大資料大資料
- 如何理解資料管理、資料治理、資料運營
- 大資料如何採集資料?大資料的資料從何而來?大資料
- 大資料安全如何保障大資料
- 如何學習大資料?大資料
- 如何理解資料安全隔離技術
- 大資料相關名稱解釋看這裡!簡單通俗理解大資料!大資料
- 大資料架構和模式(三)——理解大資料解決方案的架構層大資料架構模式
- 大資料,大資料,大資料大資料
- 大資料如何進行分析大資料
- 大資料分析如何工作的大資料
- 大資料安全如何保障呢?大資料
- 圖論是理解大資料的關鍵嗎?圖論大資料
- 資料庫如何處理大資料訪問資料庫大資料
- 大資料實戰:電商該如何利用大資料獲取流量?大資料
- 大資料學習之Hadoop如何高效處理大資料大資料Hadoop
- 10大天然大資料公司,看他們如何挖掘資料價值大資料
- 理解大資料:數字時代的資料和隱私(附下載)大資料
- 大資料前景如何?大資料開發工程師是什麼?大資料工程師
- 大資料專家Bernard Marr:大資料是如何對抗癌症的?大資料
- 大資料時代,如何做資料探勘與分析!大資料
- 大資料資訊時代,如何防止資料洩露,大資料防洩漏解決方案大資料
- 阿里大資料工程師教你怎樣理解Flume阿里大資料工程師
- 【工業大資料】工廠大資料之資料來源分析;如何挖掘並駕馭大資料的價值,成為“大資料企業”?大資料
- 大資料如何改善企業業務大資料
- 如何挖掘大資料的價值大資料
- 大資料分析該如何進行大資料
- 如何大資料開發入門大資料
- 大資料如何在企業落地大資料
- 大資料如何拯救你的品牌?大資料
- 如何理解騰訊雲資料庫戰略升級?資料庫
- 如何理解跨境資料流動的重要性
- 大資料如何學習,大資料工程師學習經驗分享大資料工程師
- 大資料、厚資料與富資料如何支援業務決策? - Dave大資料
- 大資料就是佔有資料?錯,如何使用更重要!大資料
- 大資料】帶你理解並使用flink中的Time大資料
- 好程式設計師大資料培訓分享MapReduce理解程式設計師大資料