cookieOptions = {...}; ‧ 大數據是個什麼鬼啦? - 3S Market「全球智慧科技應用」市場資訊網

智慧生活設計事務所


2014年8月21日 星期四

ifanr 鐘舒婷

?????????????????????????????????????????????
關於大數據,有這樣一段話:
“Big data is like teenage sex,everyone talks about it,nobody really knows how to do it,everyone thinks everyone else is doing it,so everyone claims they are doing it.”

看完這句話,大家對什麼是大數據有點概念了嗎?目前,大多數人對大數據的概念還停留在:就是海量的資料,PB1PB=1024TB)級別的,甚至是 EBZB 以上的資料,通過對這些資料進行深入分析,就能得出非常有價值的結論,指引企業做出最佳決策。
大數據就是那種每個人都聽過,或者看過此類文章,但卻不怎麼瞭解的事物。
其實,現在的大數據指的並不僅僅是海量資料,更準確而言是對大數據分析的方法。傳統的資料分析,是通過提出假設然後獲得相應資料,最後通過資料分析來驗證假設。而大數據不是這樣的,大數據是從收集的海量資料中,通過演算法將這些來自不同管道、格式的資料進行直接分析,從中尋找到資料之間的相關性。簡單而言,大數據更偏重於發現,以及猜測/印證的迴圈逼近過程。
Double check
而大數據的價值體現在對它的分析利用上。一直以來,大數據的瓶頸並不是資料規模巨大導致的儲存、運算等問題,而是在前端資料的收集途徑,以及對資料進行結構化處理,進而引導後期的商業決策中的模型和演算法問題。
各個行業都在產生資料,現代社會的資料量正持續地以前所未有的速度增加著。這些不同類型的資料和資料型,極其複雜,包括結構化、半結構化和非結構化的資料。企業需要整合並分析來自複雜的傳統和非傳統資訊源的資料,包括企業內部和外部的資料。隨著感測器、智慧設備和社會協同技術的爆炸性增長,資料的類型變得難以計數,包括文本、微博、感測器資料、音訊、影像等。
而現在大熱的資料分析師正在做的是這樣的工作:收集資訊,將資訊結構化資料化,最後才是我們能看到的大數據帶來的神奇力量。但問題是其中對資料進行處理工作量太大了。根據訪談和專家測算,資料分析師的 50%~80% 的時間都花在了處理資料上。
在智慧手環公司 Jawbone 負責資料工作的 Monica Rogati
處理資料是整項工作中巨大的部分。但有時我們感到沮喪,因為好像不停地處理資料就是我們做的所有事情。
這聽起來有點像冰山理論,即我們能看到的大資料只是冰山露出來的一個小角,而我們看不到的地方,如大數據的前期工作,就是海水下是更巨大的部分。
但諮詢公司麥肯錫曾在 2011 報告中指出:
資料,已經滲透到當今每一個行業和業務職能領域,成為重要的生產因素。人們對於海量資料的挖掘和運用,預示著新一波生產率增長和消費者盈餘浪潮的到來。

是的,存在問題的地方也潛藏著機會。原始資料的格式和來源不可計數,舉一個例子,假如一家食品行業的企業需要進行大數據的收集和分析,它能收集的資料包括產量、出貨的位置資訊、天氣報告、零售商每日銷售量、社交媒體評論等。而根據這些資訊,企業能夠洞察出市場的風向和需求的變化,進而制定相應的產品計畫。
的確,獲得的資訊越多越有利於企業做出明智的決策。但這個決策是建立在不同的資料集之上的,這些來自各種感測器、文檔、網頁、資料庫的的資料,全部都是不同的格式,它們必須要被轉換為統一的格式,這樣軟體才能理解它們,進行分析。
將各類資料進行格式統一是一個嚴峻的挑戰,因為資料和人類語言一樣都具有模糊性,有些資料人類知道是什麼意思,但電腦卻不能辨識,因此我們需要人工來一次又一次地重複這個工作。
18bottleneck-master675
現在已經有不少的初創公司試圖開發相關的技術來減輕這項工作,例如 ClearStory Data,一家在帕洛阿爾托的初創公司,它開發的軟體能辨識不同的資料來源,將它們整合,並將結果用視覺方式呈現,如圖表、圖形或資料地圖。再如 Paxata,一家加州的初創公司,專注於資料的自動化——發現、清理、調配資料,通過 Paxata 處理過的資料能被送入各種分析或視覺化軟體工具。
大數據目前的情況和電腦發展的軌跡有點相似。一種先進的技術,最初往往只被幾名精英掌握,但隨著時間流逝,通過不斷地技術創新和投資,這項技術,或者說工具,會變得越來越好。特別是當其融入到商業領域中後,這項工具就能得到廣泛應用,成為社會中的主流。
所以我們現在是歷史的見證者,看著大數據如何一步步完善,我們都需要掌握或選擇一個最佳的分析方法,以更好地挖掘出大數據的價值。
繼續探索吧。

題圖來自 Deakin

                                                                                                                                                                                                                            

0 意見: