大数据应用的10大神话和误区

 

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。