京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用的10大神话和误区
英国科技新闻媒体V3日前针对大数据应用,列举了10大有关神话和误区。
1、大数据是新技术
大数据是新的术语,但其海量数据分析的概念并不新。许多人,包括Teradata首席技术官Stephen Brobst在内认为,对于那些刚开始认识到数据价值的用户,大数据有一些误导。Brobst表示:“大数据是一个长期项目,而不是12个月内,是24~36个月的世间情。”
2、大数据是一种商品
初次接触大数据概念,会认为它是一种特殊形式数据,独立于其他低端数据格式。但事实并非如此。
“你能买一个数据库数据吗?”Gartner杰出分析师Donald Feinberg说,“是的,你可以买到100台服务器,但是你可以购买大数据吗?因此,这不是一个市场。它只是IT市场的一部分。它价值10亿美元?是的,但它不是一个市场,它甚至不是一种商品,而且还不是新的。”
3、大数据是一个问题
这是一个近似半斤八两性质的公开辩题,但基于其基本形式,大数据具有巨大潜力,即使其没有被正确使用,或者甚至根本没有被使用。
因此,只要数据存在,并且可在未来用一种有效的方法加以处理,就应该有机会存在。也是一个价格昂贵的机会,也许,但仍然有机会。
数据问题是如何通过分析将其转化为清晰和实用的内容,这对企业是一个巨大的挑战。
4、你的数据只对你有用
据Gartner的统计,30%的企业会在未来几年会找到一种方式来套现其所持有的数据。将用户数据出售给出价最高者会引起担心和恐慌,但十有八九都会受到保证或者威胁。

5、人们不关心你如何使用他们的数据
很多人并不喜欢针对性或相关性的广告,但基于大数据驱动的市场营销接下来的重点,这事事实。但当你进入一家商铺,你的手机开始震动,告你在竞争对手店可以更低价格买到同样的产品时,这个时候你就会想到所签约的服务商。
即使是遭受恶评的利用人行为的无害化尝试也是具有一定价值的,其中伦敦的WiFi Smartbin就是一个典型的例子,它保持跟踪人们智能手机MAC地址,在广告风箱显示具有针对性的广告。不久伦敦城市管理公司意识到事情发生后,禁止了该行为,但这也不禁让我们联想到了Facebook所面临的2000万美元的集体诉讼。
6、大数据不会降落在监狱里的你
在这一点上,我们正在涉及一个颇具争议的话题。但Gartner公司的Feinberg确信,将会有相当的数据采集会涉及该领域。
“CIO会有多少人会去坐牢?如果觉得我在开玩笑,那么我就做另外一个大胆性假设:我认为Facebook总裁会在他离开Facebook之前去坐牢。我不知道什么时间,但它会发生。”Feinberg说,无论夸张与否,这都值得思考。
7、政府对你的社交媒体数据不感兴趣
许多人喜欢在Twitter上谩骂政客——反正他们也不会看到,对吗?也许是,但这对于了解选民的意向具有一定的参考价值,Feinberg说。
“奥巴马关心,因为他当选了,如果你看怎样当选的,他的团队使用社交数据和情感分析找出他不能胜出的目标对象。我不是说这他当选的唯一原因,但对于政府部门,社会资料和数据已经变得非常重要。”Feinberg说。
8、你需要新的数据进行分析
当你有一个业务目标之后,且数据仓库被0和1填充满了之后,你就可以分析使用你的数据了。有研究表明,大多数企业已经开始使用大数据获取信息,一旦他们想到了一个问题,就试图通过大数据分析来解决问题。
就像全球物流公司DHL早些时间像V3的记者所解释的那样,尽管此前在包裹投递的每一个阶段都有追踪,但是分析系统建立之前,没有办法利用这些数据。
9、有很多人以使用大数据
错了。这是一个世界性的难题。
Gartner统计数据表明,熟练的数据分析科学家如此缺乏,公司存在75%以上的大数据分析职位空缺。竞争惨烈,换句话说,这是一个很棒的职业。
话虽如此,这也取决于你如何定义一个数据分析科学家。Tesco公司的Duncan Apthorp,一位大数据分析师表示,他所存在公司并不要求名牌院校,这意味着普通毕业生也很有机会。
10、大公司都知道他们在做什么
显然不是。根据Gartner对数百家企业案例的研究:“在2016年,财富500强85%企业将无法利用大数据获得竞争优势。”
Teradata的高级副总裁Tasso Argyros表示:传统商业智能是从一个明确定义的问题开始,对于大数据发现,你有一个起点,但它不是一个业务问题,它是一个业务目标。问题在于你不知道要问什么问题或要使用什么数据,只是说’看这些数据,让我们开始,这通常很容易会失败。
所以,问题的答案是“不”,不是每个人都知道他们在做什么,很难制定出高效使用大数据的策略。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12