大數(shù)據(jù)時(shí)代體會(huì)文章
二十一世紀(jì)是一個(gè)信息爆炸的時(shí)代，信息紛繁復(fù)雜、真?zhèn)坞y辨。對(duì)于這個(gè)時(shí)代，對(duì)于大數(shù)據(jù)的反思和體會(huì)會(huì)尤其的多!下面是學(xué)習(xí)啦小編為大家整理的關(guān)于大數(shù)據(jù)分析文章的相關(guān)資料，供您參考!
大數(shù)據(jù)分析文章篇1：大數(shù)據(jù)時(shí)代對(duì)知識(shí)的反思
當(dāng)人類(lèi)睜開(kāi)雙眼、打開(kāi)智慧大腦時(shí)，通過(guò)DIKW層級(jí)去感知和做判斷。(DIKW，即data-information-knowledge-wisdom，從“數(shù)據(jù)”到“信息”到“知識(shí)”再到”智慧”的升級(jí)過(guò)程。)當(dāng)參觀華為公司時(shí)，驚嘆于那些成千上萬(wàn)張穿孔卡片的盒子，那只是數(shù)據(jù)，數(shù)據(jù)本身沒(méi)有價(jià)值。通過(guò)處理數(shù)據(jù)，你就得到了信息。信息之于數(shù)據(jù)，就如同葡萄酒之于葡萄園，美味與醇厚都是經(jīng)過(guò)提取和蒸餾的產(chǎn)物。也就是說(shuō)，一大堆毫無(wú)關(guān)聯(lián)的事實(shí)，根本不能稱(chēng)之為信息。信息是結(jié)構(gòu)化的數(shù)據(jù)，而知識(shí)是“可以付諸行動(dòng)的信息”，即知識(shí)是將“信息變?yōu)橹噶?rdquo;的本事。當(dāng)知識(shí)本身互相配合，便形成一個(gè)完美有序的整體。此刻，知識(shí)具有令事情成功的有用性。
憑借著DIKW，我們?nèi)绾稳ダ斫膺@個(gè)遠(yuǎn)遠(yuǎn)超出我們大腦處理能力的世界呢?最基本的做法就是：過(guò)濾、篩選，即將復(fù)雜的事情降低到較為可以掌控的層面。以往是通過(guò)做減法，將知識(shí)簡(jiǎn)化到圖書(shū)館或者科學(xué)期刊上來(lái)獲取它;與以往時(shí)代不同的是，現(xiàn)在是通過(guò)做加法，將任何一種想法、每一個(gè)細(xì)枝末節(jié)都放置在巨大、松散連接的網(wǎng)絡(luò)中，來(lái)獲取知識(shí)。
于是，一切都不同了。當(dāng)我們面臨太多來(lái)自環(huán)境的感官刺激時(shí)——比如聽(tīng)著搖滾樂(lè)隊(duì)的演唱會(huì)，同時(shí)伴隨著令人眼花繚亂的燈光秀，空氣中還混雜著數(shù)千根焚香的香味——我們的大腦可能就會(huì)困惑，幻想與真實(shí)之間的界限變得模糊。研究表明太多的信息能夠損害我們思考的能力。一個(gè)人如果擁有數(shù)不清的書(shū)籍和圖書(shū)館，書(shū)多到他窮盡一生連書(shū)名都讀不完，這有什么意義呢?我們堅(jiān)決不能過(guò)著信息超載的生活方式。
如何撥開(kāi)云霧見(jiàn)太陽(yáng)?傳統(tǒng)的知識(shí)猶猶豫豫地邁出了一步，于是乎，知識(shí)也開(kāi)始顯現(xiàn)出新的樣子：
寬度：翻譯一本書(shū)，不在依賴幾個(gè)專(zhuān)家，而是采用“眾包”：發(fā)動(dòng)上千名讀者參與。足夠的寬度本身就成為了一種深度。
無(wú)邊界：評(píng)估專(zhuān)利申請(qǐng)不能采用眾包方式，因?yàn)樗枰蟊姴⒉痪邆涞膶?zhuān)業(yè)知識(shí)。而美國(guó)專(zhuān)利局開(kāi)展了一個(gè)試點(diǎn)項(xiàng)目，征募平民專(zhuān)家，按照學(xué)科和行業(yè)分類(lèi)審查專(zhuān)利發(fā)明的新穎性，目前已成為專(zhuān)利申請(qǐng)過(guò)程中的環(huán)節(jié)。
平民主義：IBM最先利用“即興大討論”，鼓勵(lì)全體員工在幾天時(shí)間內(nèi)討論企業(yè)面臨的核心業(yè)務(wù)挑戰(zhàn)。這種討論為企業(yè)創(chuàng)造了全新的業(yè)務(wù)。即平民也可以有貢獻(xiàn)。
無(wú)證現(xiàn)象：在網(wǎng)絡(luò)世界中，你最好了解你們正在談?wù)摰脑掝}，否一紙證書(shū)毫無(wú)幫助。
分歧：過(guò)去我們依賴專(zhuān)家提供明確的答案，而如今，即使存在分歧也可以戮力合作，因?yàn)闆](méi)有人對(duì)任何事情能達(dá)成一致。
大數(shù)據(jù)時(shí)代對(duì)知識(shí)進(jìn)行反思，因?yàn)槭聦?shí)不再是事實(shí)，專(zhuān)家隨處可見(jiàn)。所有確定性都可以連根拔起，話題再無(wú)邊界。在互聯(lián)網(wǎng)的引領(lǐng)下，知識(shí)已開(kāi)拓社交性，流動(dòng)且開(kāi)放。在互聯(lián)網(wǎng)上，衡量一個(gè)專(zhuān)家的權(quán)威不在于你對(duì)某個(gè)話題能夠蓋棺定論，而在于你能否最先發(fā)出聲音。互聯(lián)網(wǎng)本身也包含豐富的多樣性，存在太多的分歧。沒(méi)有一個(gè)突出的占據(jù)優(yōu)勢(shì)地位的觀點(diǎn)，我們將迷失在一個(gè)不同觀點(diǎn)織就的漩渦里。我們需要在人們對(duì)任何事都無(wú)法達(dá)成共識(shí)且將來(lái)也無(wú)法達(dá)成共識(shí)的世界里探索如何獲得知識(shí)。
當(dāng)知識(shí)變得網(wǎng)絡(luò)化之后，房間里最聰明的那個(gè)，已經(jīng)不是站在屋子前頭給我們上課的那個(gè)，也不是房間里所有人的群體智慧。房間里最聰明的人，是房間本身：是容納了其中所有的人與思想，并把他們與外界相連的這個(gè)網(wǎng)。也不是說(shuō)，網(wǎng)絡(luò)正在變成一個(gè)具有意識(shí)的超級(jí)大腦;而是說(shuō)，知識(shí)正在變得與網(wǎng)絡(luò)不可分離。即：完全不可以想象在沒(méi)有網(wǎng)絡(luò)的支持下，知識(shí)能成為知識(shí)。我們的任務(wù)就是去學(xué)習(xí)怎樣打造這些聰明的房間，如何建立能讓我們更聰明的網(wǎng)絡(luò)。
最后，舉一個(gè)例子，說(shuō)明在商業(yè)社會(huì)知識(shí)的進(jìn)步帶來(lái)的影響。
以IT咨詢公司為例，傳統(tǒng)的公司會(huì)雇傭IT領(lǐng)域的專(zhuān)家們，非常專(zhuān)業(yè)、權(quán)威，不僅提出行業(yè)報(bào)告，還塑造了行業(yè)。行業(yè)內(nèi)的公司要想聽(tīng)取專(zhuān)家們的意見(jiàn)就必須付錢(qián)。而在美國(guó)新出爐一家名為希達(dá)里的科技咨詢公司，關(guān)于它網(wǎng)絡(luò)中的專(zhuān)家都是兼職的，他們保留了各自領(lǐng)域的本職工作，因?yàn)橄＿_(dá)里認(rèn)為這樣會(huì)讓他們更有優(yōu)勢(shì)，如果失去了本職工作，也就失去了多樣性并且專(zhuān)業(yè)突出的優(yōu)勢(shì)。它并沒(méi)有選擇行業(yè)的領(lǐng)軍人物作為全職專(zhuān)家，而是建立了一個(gè)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)的實(shí)力來(lái)自于它的多樣性。它的專(zhuān)業(yè)信服不是來(lái)自于權(quán)威機(jī)構(gòu)的證書(shū)，而是來(lái)自于同行們的認(rèn)可。結(jié)果，其盈利水平說(shuō)明希達(dá)里取得了更大的成功。
大數(shù)據(jù)分析文章篇2：大數(shù)據(jù)的初步理解
似乎一夜之間，大數(shù)據(jù)(Big Data)變成一個(gè)IT行業(yè)中最時(shí)髦的詞匯。
首先，大數(shù)據(jù)不是什么完完全全的新生事物，Google的搜索服務(wù)就是一個(gè)典型的大數(shù)據(jù)運(yùn)用，根據(jù)客戶的需求，Google實(shí)時(shí)從全球海量的數(shù)字資產(chǎn)(或數(shù)字垃圾)中快速找出最可能的答案，呈現(xiàn)給你，就是一個(gè)最典型的大數(shù)據(jù)服務(wù)。只不過(guò)過(guò)去這樣規(guī)模的數(shù)據(jù)量處理和有商業(yè)價(jià)值的應(yīng)用太少，在IT行業(yè)沒(méi)有形成成型的概念。現(xiàn)在隨著全球數(shù)字化、網(wǎng)絡(luò)寬帶化、互聯(lián)網(wǎng)應(yīng)用于各行各業(yè)，累積的數(shù)據(jù)量越來(lái)越大，越來(lái)越多企業(yè)、行業(yè)和國(guó)家發(fā)現(xiàn)，可以利用類(lèi)似的技術(shù)更好地服務(wù)客戶、發(fā)現(xiàn)新商業(yè)機(jī)會(huì)、擴(kuò)大新市場(chǎng)以及提升效率，才逐步形成大數(shù)據(jù)這個(gè)概念。
有一個(gè)有趣的故事是關(guān)于奢侈品營(yíng)銷(xiāo)的。PRADA在紐約的旗艦店中每件衣服上都有RFID碼。每當(dāng)一個(gè)顧客拿起一件PRADA進(jìn)試衣間，RFID會(huì)被自動(dòng)識(shí)別。同時(shí)，數(shù)據(jù)會(huì)傳至PRADA總部。每一件衣服在哪個(gè)城市哪個(gè)旗艦店什么時(shí)間被拿進(jìn)試衣間停留多長(zhǎng)時(shí)間，數(shù)據(jù)都被存儲(chǔ)起來(lái)加以分析。如果有一件衣服銷(xiāo)量很低，以往的作法是直接干掉。但如果RFID傳回的數(shù)據(jù)顯示這件衣服雖然銷(xiāo)量低，但進(jìn)試衣間的次數(shù)多。那就能另外說(shuō)明一些問(wèn)題。也許這件衣服的下場(chǎng)就會(huì)截然不同，也許在某個(gè)細(xì)節(jié)的微小改變就會(huì)重新創(chuàng)造出一件非常流行的產(chǎn)品。
還有一個(gè)是關(guān)于中國(guó)糧食統(tǒng)計(jì)的故事。中國(guó)的糧食統(tǒng)計(jì)是一個(gè)老大難的問(wèn)題。中國(guó)的統(tǒng)計(jì)，雖然有組織、有流程、有法律，但中央的統(tǒng)計(jì)人員依靠省統(tǒng)計(jì)人員，省靠市，市靠縣，縣靠鎮(zhèn)，鎮(zhèn)靠村，最后真正干活或上報(bào)的是基層兼職的調(diào)查人員，由于眾所周知的KPI考核導(dǎo)向的原因，層層加碼，幾乎沒(méi)有人相信這個(gè)調(diào)查數(shù)據(jù)，而其中國(guó)家統(tǒng)計(jì)局的人是最不信的。在前兩年北京的一個(gè)會(huì)議上，原國(guó)家統(tǒng)計(jì)局總經(jīng)濟(jì)師姚景源向我們講述了他們是如何做的。他們采用遙感衛(wèi)星，通過(guò)圖像識(shí)別，把中國(guó)所有的耕地標(biāo)識(shí)、計(jì)算出來(lái)，然后把中國(guó)的耕地網(wǎng)格化，對(duì)每個(gè)網(wǎng)格的耕地抽樣進(jìn)行跟蹤、調(diào)查和統(tǒng)計(jì)，然后按照統(tǒng)計(jì)學(xué)的原理，計(jì)算(或者說(shuō)估算)出中國(guó)整體的整體糧食數(shù)據(jù)。這種做法是典型采用大數(shù)據(jù)建模的方法，打破傳統(tǒng)流程和組織，直接獲得最終的結(jié)果。
從這些案例來(lái)看，大數(shù)據(jù)并不是很神奇的事情。就如同電影《永無(wú)止境》提出的問(wèn)題：人類(lèi)通常只使用了20%的大腦，如果剩余80%大腦潛能被激發(fā)出來(lái)，世界會(huì)變得怎樣?在企業(yè)、行業(yè)和國(guó)家的管理中，通常只有效使用了不到20%的數(shù)據(jù)(甚至更少)，如果剩余80%數(shù)據(jù)的價(jià)值激發(fā)起來(lái)，世界會(huì)變得怎么樣呢?特別是隨著海量數(shù)據(jù)的新摩爾定律，數(shù)據(jù)爆發(fā)式增長(zhǎng)，然后數(shù)據(jù)又得到更有效應(yīng)用，世界會(huì)怎么樣呢?
單個(gè)的數(shù)據(jù)并沒(méi)有價(jià)值，但越來(lái)越多的數(shù)據(jù)累加，量變就會(huì)引起質(zhì)變，就好像一個(gè)人的意見(jiàn)并不重要，但1千人、1萬(wàn)人的意見(jiàn)就比較重要，上百萬(wàn)人就足以掀起巨大的波瀾，上億人足以改變一切。
數(shù)據(jù)再多，但如果被屏蔽或者沒(méi)有被使用，也是沒(méi)有價(jià)值的。中國(guó)的航班晚點(diǎn)非常多，相比之下美國(guó)航班準(zhǔn)點(diǎn)情況好很多。這其中，美國(guó)航空管制機(jī)構(gòu)一個(gè)的好做法發(fā)揮了積極的作用，說(shuō)起來(lái)也非常簡(jiǎn)單，就是美國(guó)會(huì)公布每個(gè)航空公司、每一班航空過(guò)去一年的晚點(diǎn)率和平均晚點(diǎn)時(shí)間，這樣客戶在購(gòu)買(mǎi)機(jī)票的時(shí)候就很自然會(huì)選擇準(zhǔn)點(diǎn)率高的航班，從而通過(guò)市場(chǎng)手段牽引各航空公司努力提升準(zhǔn)點(diǎn)率。這個(gè)簡(jiǎn)單的方法比任何管理手段(如中國(guó)政府的宏觀調(diào)控手段)都直接和有效。這里多說(shuō)一兩句，過(guò)去一個(gè)暴政國(guó)家對(duì)內(nèi)的控制主要是物理上的暴力，就是強(qiáng)力機(jī)構(gòu)權(quán)力無(wú)限大，搞國(guó)家恐怖主義;而現(xiàn)在一個(gè)暴政國(guó)家，主要是就靠壟斷信息、封鎖信息，讓民眾難以獲得廣泛而真實(shí)的信息，從而實(shí)現(xiàn)國(guó)家的控制。這個(gè)信息封鎖，就是對(duì)大數(shù)據(jù)的封鎖。
沒(méi)有整合和挖掘的數(shù)據(jù)，價(jià)值也呈現(xiàn)不出來(lái)?！队罒o(wú)止境》中的庫(kù)珀如果不能把海量信息圍繞某個(gè)公司的股價(jià)整合起來(lái)、串聯(lián)起來(lái)，這些信息就沒(méi)有價(jià)值。
因此，海量數(shù)據(jù)的產(chǎn)生、獲取、挖掘及整合，使之展現(xiàn)出巨大的商業(yè)價(jià)值，這就是我理解的大數(shù)據(jù)。在互聯(lián)網(wǎng)對(duì)一切重構(gòu)的今天，這些問(wèn)題都不是問(wèn)題。因?yàn)?，我認(rèn)為大數(shù)據(jù)是互聯(lián)網(wǎng)深入發(fā)展的下一波應(yīng)用，是互聯(lián)網(wǎng)發(fā)展的自然延伸。目前，可以說(shuō)大數(shù)據(jù)的發(fā)展到了一個(gè)臨界點(diǎn)，因此才成為IT行業(yè)中最熱門(mén)的詞匯之一。
二、大數(shù)據(jù)將重構(gòu)很多行業(yè)的商業(yè)思維和商業(yè)模式
我想以對(duì)未來(lái)汽車(chē)行業(yè)的狂野想象來(lái)展開(kāi)這個(gè)題目。
在人的一生中，汽車(chē)是一項(xiàng)巨大的投資。以一部30萬(wàn)車(chē)、七年換車(chē)周期來(lái)算，每年折舊費(fèi)4萬(wàn)多(這里還不算資金成本)，加上停車(chē)、保險(xiǎn)、油、維修、保養(yǎng)等各項(xiàng)費(fèi)用，每年耗費(fèi)應(yīng)在6萬(wàn)左右。汽車(chē)產(chǎn)業(yè)也是一個(gè)很長(zhǎng)產(chǎn)業(yè)鏈的龍頭產(chǎn)業(yè)，這個(gè)方面只有房地產(chǎn)可以媲美。
但同時(shí)，汽車(chē)產(chǎn)業(yè)鏈?zhǔn)且粋€(gè)低效率、變化慢的產(chǎn)業(yè)。汽車(chē)一直以來(lái)就是四個(gè)輪子、一個(gè)方向盤(pán)、兩排沙發(fā)(李書(shū)福語(yǔ))。這么一個(gè)昂貴的東西，圍繞車(chē)產(chǎn)生的數(shù)據(jù)卻少的可憐，行業(yè)產(chǎn)業(yè)鏈之間幾無(wú)任何數(shù)據(jù)傳遞。
我們?cè)谶@里狂野地想象一番，如果將汽車(chē)全面數(shù)字化，都大數(shù)據(jù)了，會(huì)產(chǎn)生什么結(jié)果?
有些人說(shuō)，汽車(chē)數(shù)字化，不就是加個(gè)MBB模塊嗎?不，這太小兒科了。在我理想中，數(shù)字化意味著汽車(chē)可以隨時(shí)聯(lián)上互聯(lián)網(wǎng)，意味著汽車(chē)是一個(gè)大型計(jì)算系統(tǒng)加上傳統(tǒng)的輪子、方向盤(pán)和沙發(fā)，意味著可以數(shù)字化導(dǎo)航、自動(dòng)駕駛，意味著你和汽車(chē)相關(guān)的每一個(gè)行動(dòng)都數(shù)字化，包括每一次維修、每一次駕駛路線、每一次事故的錄像、每一天汽車(chē)關(guān)鍵部件的狀態(tài)，甚至你的每一個(gè)駕駛習(xí)慣(如每一次的剎車(chē)和加速)都記錄在案。這樣，你的車(chē)每月甚至每周都可能產(chǎn)生T比特的數(shù)據(jù)。
好了，我們假設(shè)這些數(shù)據(jù)都可以存儲(chǔ)并分享給相關(guān)的政府、行業(yè)和企業(yè)。這里不討論隱私問(wèn)題帶來(lái)的影響，假設(shè)在隱私保護(hù)的前提下，數(shù)據(jù)可以自由分享。
那么，保險(xiǎn)公司會(huì)怎么做呢?保險(xiǎn)公司把你的所有數(shù)據(jù)拿過(guò)去建模分析，發(fā)現(xiàn)幾個(gè)重要的事實(shí)：一是你開(kāi)車(chē)主要只是上下班，南山到坂田這條線路是非繁華路線，紅綠燈很少，這條路線過(guò)去一年統(tǒng)計(jì)的事故率很低;你的車(chē)況(車(chē)的使用年限、車(chē)型)好，此車(chē)型在全深圳也是車(chē)禍率較低;甚至統(tǒng)計(jì)你的駕駛習(xí)慣，加油平均，臨時(shí)剎車(chē)少，超車(chē)少，和周?chē)?chē)保持了應(yīng)有的車(chē)距，駕駛習(xí)慣好。最后結(jié)論是你車(chē)型好，車(chē)況好，駕駛習(xí)慣好，常走的線路事故率低，過(guò)去一年也沒(méi)有出過(guò)車(chē)禍，因此可以給予更大幅度的優(yōu)惠折扣。這樣保險(xiǎn)公司就完全重構(gòu)了它的商業(yè)模式了。在沒(méi)有大數(shù)據(jù)支撐之前，保險(xiǎn)公司只把車(chē)險(xiǎn)客戶做了簡(jiǎn)單的分類(lèi)，一共分為四種客戶，第一種是連續(xù)兩年沒(méi)有出車(chē)禍的，第二種過(guò)去一年沒(méi)有出車(chē)禍，第三種過(guò)去一年出了一次車(chē)禍，第四種是過(guò)去一年出了兩次及以上車(chē)禍的，就四種類(lèi)型。這種簡(jiǎn)單粗暴的分類(lèi)，就好像女人找老公，僅把男人分為沒(méi)有結(jié)過(guò)婚的、結(jié)過(guò)一次婚的、結(jié)過(guò)二次婚的、結(jié)過(guò)三次及以上婚的四種男人，就敢嫁人一樣。在大數(shù)據(jù)的支持下，保險(xiǎn)公司可以真正以客戶為中心，把客戶分為成千上萬(wàn)種，每個(gè)客戶都有個(gè)性化的解決方案，這樣保險(xiǎn)公司經(jīng)營(yíng)就完全不同，對(duì)于風(fēng)險(xiǎn)低的客戶敢于大膽折扣，對(duì)于風(fēng)險(xiǎn)高的客戶報(bào)高價(jià)甚至拒絕，一般的保險(xiǎn)公司就完全難以和這樣的保險(xiǎn)公司競(jìng)爭(zhēng)了。擁有大數(shù)據(jù)并使用大數(shù)據(jù)的保險(xiǎn)公司比傳統(tǒng)公司將擁有壓倒性的競(jìng)爭(zhēng)優(yōu)勢(shì)，大數(shù)據(jù)將成為保險(xiǎn)公司最核心的競(jìng)爭(zhēng)力，因?yàn)楸ｋU(xiǎn)就是一個(gè)基于概率評(píng)估的生意，大數(shù)據(jù)對(duì)于準(zhǔn)確評(píng)估概率毫無(wú)疑問(wèn)是最有利的武器，而且簡(jiǎn)直是量身定做的武器。
在大數(shù)據(jù)的支持下，4S店的服務(wù)也完全不同了。車(chē)況信息會(huì)定期傳遞到4S店，4S店會(huì)根據(jù)情況及時(shí)提醒車(chē)主及時(shí)保養(yǎng)和維修，特別是對(duì)于可能危及安全的問(wèn)題，在客戶同意下甚至?xí)扇∵h(yuǎn)程干預(yù)措施，同時(shí)還可以提前備貨，車(chē)主一到4S店就可以維修而不用等待。
對(duì)于駕駛者來(lái)說(shuō)，不想開(kāi)車(chē)的時(shí)候，在大數(shù)據(jù)和人工智能的支持下，車(chē)輛可以自動(dòng)駕駛，并且對(duì)于你經(jīng)常開(kāi)的線路可以自學(xué)習(xí)自優(yōu)化。谷歌的自動(dòng)駕駛汽車(chē)，為了對(duì)周?chē)h(huán)境作出預(yù)測(cè)，每秒鐘要收集差不多1GB的數(shù)據(jù)，沒(méi)有大數(shù)據(jù)的支持，自動(dòng)駕駛是不可想象的;在和周?chē)?chē)輛過(guò)近的時(shí)候，會(huì)及時(shí)提醒車(chē)主避讓;上下班的時(shí)候，會(huì)根據(jù)實(shí)時(shí)大數(shù)據(jù)情況，對(duì)于你經(jīng)常開(kāi)車(chē)的線路予以提醒，繞開(kāi)擁堵點(diǎn)，幫你選擇最合適的線路;在出現(xiàn)緊急狀況的時(shí)候，比如爆胎，自動(dòng)駕駛系統(tǒng)將自動(dòng)接管，提高安全性(人一輩子可以難以碰到一次爆胎，人在緊急時(shí)的反應(yīng)往往是災(zāi)難性的，只會(huì)更糟);到城市中心，尋找車(chē)位是一件很麻煩的事情，但未來(lái)你可以到了商場(chǎng)門(mén)口后，讓汽車(chē)自己去找停車(chē)位，等想要回程的時(shí)候，提前通知讓汽車(chē)自己開(kāi)過(guò)來(lái)接。
車(chē)輛是城市最大最活躍的移動(dòng)物體，是擁堵的來(lái)源，也是最大的污染來(lái)源之一。數(shù)字化的車(chē)輛、大數(shù)據(jù)應(yīng)用將帶來(lái)很多的改變。紅綠燈可以自動(dòng)優(yōu)化，根據(jù)不同道路的擁堵情況自動(dòng)進(jìn)行調(diào)整，甚至在很多地方可以取消紅綠燈;城市停車(chē)場(chǎng)也可以大幅度優(yōu)化，根據(jù)大數(shù)據(jù)的情況優(yōu)化城市停車(chē)位的設(shè)計(jì)，如果配合車(chē)輛的自動(dòng)駕駛功能，停車(chē)場(chǎng)可以革命性演變，可以設(shè)計(jì)專(zhuān)門(mén)為自動(dòng)駕駛車(chē)輛的停車(chē)樓，地下、地上樓層可以高達(dá)幾十層，停車(chē)樓層可以更矮，只要能高于車(chē)高度即可(或者把車(chē)豎起來(lái)停)，這樣將對(duì)城市規(guī)劃產(chǎn)生巨大的影響;在出現(xiàn)緊急情況，如前方塌方的時(shí)候，可以第一時(shí)間通知周?chē)?chē)輛(尤其是開(kāi)往塌方道路的車(chē)輛);現(xiàn)在的燃油稅也可以發(fā)生革命性變化，可以真正根據(jù)車(chē)輛的行駛路程，甚至根據(jù)汽車(chē)的排污量來(lái)收費(fèi)，排污量少的車(chē)甚至可以搞碳交易，賣(mài)排放量賣(mài)給高油耗的車(chē);政府還可以每年公布各類(lèi)車(chē)型的實(shí)際排污量、稅款、安全性等指標(biāo)，鼓勵(lì)民眾買(mǎi)更節(jié)能、更安全的車(chē)。
電子商務(wù)和快遞業(yè)也可能發(fā)生巨大的變化。運(yùn)快遞的車(chē)都可以自動(dòng)駕駛，不用趕白天的擁堵的道路，晚上半夜開(kāi)，在你家門(mén)口設(shè)計(jì)自動(dòng)接收箱，通過(guò)密碼開(kāi)啟自動(dòng)投遞進(jìn)去，就好像過(guò)去報(bào)童投報(bào)一樣。
這么想象下來(lái)，我認(rèn)為，汽車(chē)數(shù)字化、互聯(lián)網(wǎng)化、大數(shù)據(jù)應(yīng)用、人工智能，將對(duì)汽車(chē)業(yè)及相關(guān)的長(zhǎng)長(zhǎng)的產(chǎn)業(yè)鏈產(chǎn)生難以想象的巨大變化和產(chǎn)業(yè)革命，具有無(wú)限的想象空間，可能完全被重構(gòu)。當(dāng)然，要實(shí)現(xiàn)我所描述的場(chǎng)景，估計(jì)至少50年、100年之后的事情了，估計(jì)我這輩子是看不到的。
這里，我想系統(tǒng)回顧一下工業(yè)文明的發(fā)展歷程，首先是物理世界的工業(yè)文明，典型是蒸汽機(jī)的發(fā)明，使汽車(chē)、輪船進(jìn)入生活;然后是數(shù)字世界的工業(yè)文明，就是IT技術(shù)的使用，使PC及各種電子產(chǎn)品進(jìn)入生活，以及企業(yè)數(shù)字化系統(tǒng)的建立，使沃爾瑪這樣的巨型企業(yè)產(chǎn)生成為可能;下一步就是物理世界和數(shù)字世界的融合，這也就是業(yè)界熱炒的“工業(yè)互聯(lián)網(wǎng)”、“IT 3.0”，而這里面除了數(shù)字技術(shù)在傳統(tǒng)行業(yè)的使用(這個(gè)事實(shí)上已經(jīng)在廣泛使用)、電子商務(wù)在渠道的廣泛推行，更重要的就是大數(shù)據(jù)的產(chǎn)生及挖掘、使用，使企業(yè)在管理方式、市場(chǎng)機(jī)會(huì)挖掘、產(chǎn)品設(shè)計(jì)、營(yíng)銷(xiāo)、服務(wù)、商業(yè)模式等發(fā)生巨大的變化，這種巨大的變化帶來(lái)了很多行業(yè)的革命性變局，也就是顛覆與改造。這種變化在所謂的低效率的大行業(yè)將最為明顯與直接。這些所謂的的低效率大行業(yè)，就是壟斷特征明顯、產(chǎn)業(yè)規(guī)模大、產(chǎn)業(yè)鏈長(zhǎng)、歷史悠久但長(zhǎng)時(shí)間變化少、IT應(yīng)用水平低的行業(yè)，如汽車(chē)、金融、保險(xiǎn)、醫(yī)療等。
在這個(gè)章節(jié)的最后，我想總結(jié)一下自己對(duì)大數(shù)據(jù)的看法。
第一，大數(shù)據(jù)使企業(yè)真正有能力從以自我為中心改變?yōu)橐钥蛻魹橹行摹Ｆ髽I(yè)是為客戶而生，目的是為股東獲得利潤(rùn)。只有服務(wù)好客戶，才能獲得利潤(rùn)。但過(guò)去，很多企業(yè)是沒(méi)有能力做到以客戶為中心的，原因就是相應(yīng)客戶的信息量不大，挖掘不夠，系統(tǒng)也不支持，目前的保險(xiǎn)業(yè)就是一個(gè)典型。大數(shù)據(jù)的使用能夠使對(duì)企業(yè)的經(jīng)營(yíng)對(duì)象從客戶的粗略歸納(就是所謂提煉歸納的“客戶群”)還原成一個(gè)個(gè)活生生的客戶，這樣經(jīng)營(yíng)就有針對(duì)性，對(duì)客戶的服務(wù)就更好，投資效率就更高。
第二，大數(shù)據(jù)一定程度上將顛覆了企業(yè)的傳統(tǒng)管理方式?，F(xiàn)代企業(yè)的管理方式是來(lái)源于對(duì)軍隊(duì)的模仿，依賴于層層級(jí)級(jí)的組織和嚴(yán)格的流程，依賴信息的層層匯集、收斂來(lái)制定正確的決策，再通過(guò)決策在組織的傳遞與分解，以及流程的規(guī)范，確保決策得到貫徹，確保每一次經(jīng)營(yíng)活動(dòng)都有質(zhì)量保證，也確保一定程度上對(duì)風(fēng)險(xiǎn)的規(guī)避。過(guò)去這是一種有用而笨拙的方式。在大數(shù)據(jù)時(shí)代，我們可能重構(gòu)企業(yè)的管理方式，通過(guò)大數(shù)據(jù)的分析與挖掘，大量的業(yè)務(wù)本身就可以自決策，不必要依靠膨大的組織和復(fù)雜的流程。大家都是基于大數(shù)據(jù)來(lái)決策，都是依賴于既定的規(guī)則來(lái)決策，是高高在上的CEO決策，還是一線人員決策，本身并無(wú)大的區(qū)別，那么企業(yè)是否還需要如此多層級(jí)的組織和復(fù)雜的流程呢?
第三，大數(shù)據(jù)另外一個(gè)重大的作用是改變了商業(yè)邏輯，提供了從其他視角直達(dá)答案的可能性?，F(xiàn)在人的思考或者是企業(yè)的決策，事實(shí)上都是一種邏輯的力量在主導(dǎo)起作用。我們?nèi)フ{(diào)研，去收集數(shù)據(jù)，去進(jìn)行歸納總結(jié)，最后形成自己的推斷和決策意見(jiàn)，這是一個(gè)觀察、思考、推理、決策的商業(yè)邏輯過(guò)程。人和組織的邏輯形成是需要大量的學(xué)習(xí)、培訓(xùn)與實(shí)踐，代價(jià)是非常巨大的。但是否這是唯一的道路呢?大數(shù)據(jù)給了我們其他的選擇，就是利用數(shù)據(jù)的力量，直接獲得答案。就好像我們學(xué)習(xí)數(shù)學(xué)，小時(shí)候?qū)W九九乘法表，中學(xué)學(xué)幾何，大學(xué)還學(xué)微積分，碰到一道難題，我們是利用了多年學(xué)習(xí)沉淀的經(jīng)驗(yàn)來(lái)努力求解，但我們還有一種方法，在網(wǎng)上直接搜索是不是有這樣的題目，如果有，直接抄答案就好了。很多人就會(huì)批評(píng)說(shuō)，這是抄襲，是作弊。但我們?yōu)槭裁匆獙W(xué)習(xí)啊?不就是為了解決問(wèn)題嘛。如果我任何時(shí)候都可以搜索到答案，都可以用最省力的方法找到最佳答案，這樣的搜索難道不可以是一條光明大道嗎?換句話說(shuō)，為了得到“是什么”，我們不一定要理解“為什么”。我們不是否定邏輯的力量，但是至少我們有一種新的巨大力量可以依賴，這就是未來(lái)大數(shù)據(jù)的力量。
第四，通過(guò)大數(shù)據(jù)，我們可能有全新的視角來(lái)發(fā)現(xiàn)新的商業(yè)機(jī)會(huì)和重構(gòu)新的商業(yè)模式。我們現(xiàn)在看這個(gè)世界，比如分析家中食品腐敗，主要就是依賴于我們的眼睛再加上我們的經(jīng)驗(yàn)，但如果我們有一臺(tái)顯微鏡，我們一下就看到壞細(xì)菌，那么分析起來(lái)完全就不一樣了。大數(shù)據(jù)就是我們的顯微鏡，它可以讓我們從全新視角來(lái)發(fā)現(xiàn)新的商業(yè)機(jī)會(huì)，并可能重構(gòu)商業(yè)模型。我們的產(chǎn)品設(shè)計(jì)可能不一樣了，很多事情不用猜了，客戶的習(xí)慣和偏好一目了然，我們的設(shè)計(jì)就能輕易命中客戶的心窩;我們的營(yíng)銷(xiāo)也完全不同了，我們知道客戶喜歡什么、討厭什么，更有針對(duì)性。特別是顯微鏡再加上廣角鏡，我們就有更多全新的視野了。這個(gè)廣角鏡就是跨行業(yè)的數(shù)據(jù)流動(dòng)，使我們過(guò)去看不到的東西都能看到了，比如前面所述的汽車(chē)案例，開(kāi)車(chē)是開(kāi)車(chē)，保險(xiǎn)是保險(xiǎn)，本來(lái)不相關(guān)，但當(dāng)我們把開(kāi)車(chē)的大數(shù)據(jù)傳遞到保險(xiǎn)公司，那整個(gè)保險(xiǎn)公司的商業(yè)模式就全變了，完全重構(gòu)了。
最后一點(diǎn)，我想談的是大數(shù)據(jù)發(fā)展對(duì)IT本身技術(shù)架構(gòu)的革命性影響。大數(shù)據(jù)的根基是IT系統(tǒng)。我們現(xiàn)代企業(yè)的IT系統(tǒng)基本上是建立在IOE(IBM小型機(jī)、Oracle數(shù)據(jù)庫(kù)、EMC存儲(chǔ))+Cisco模型基礎(chǔ)上的，這樣的模型是Scale-UP型的架構(gòu)，在解決既定模型下一定數(shù)據(jù)量的業(yè)務(wù)流程是適配的，但如果是大數(shù)據(jù)時(shí)代，很快會(huì)面臨成本、技術(shù)和商業(yè)模式的問(wèn)題，大數(shù)據(jù)對(duì)IT的需求很快就會(huì)超越了現(xiàn)有廠商架構(gòu)的技術(shù)頂點(diǎn)，超大數(shù)據(jù)增長(zhǎng)將帶來(lái)IT支出增長(zhǎng)之間的線性關(guān)系，使企業(yè)難以承受。因此，目前在行業(yè)中提出的去IOE趨勢(shì)，利用Scale-out架構(gòu)+開(kāi)源軟件對(duì)Scale-up架構(gòu)+私有軟件的取代，本質(zhì)是大數(shù)據(jù)業(yè)務(wù)模型所帶來(lái)的，也就是說(shuō)大數(shù)據(jù)將驅(qū)動(dòng)IT產(chǎn)業(yè)新一輪的架構(gòu)性變革。去IOE潮流中的所謂國(guó)家安全因素，完全是次要的。
所以，美國(guó)人說(shuō)，大數(shù)據(jù)是資源，和大油田、大煤礦一樣，可以源源不斷挖出大財(cái)富。而且和一般資源不一樣，它是可再生的，是越挖越多、越挖越值錢(qián)的，這是反自然規(guī)律的。對(duì)企業(yè)如此，對(duì)行業(yè)、對(duì)國(guó)家也是這樣，對(duì)人同樣如此。這樣的東西誰(shuí)不喜歡呢?因此，大數(shù)據(jù)這么熱門(mén)，是完全有道理的。
大數(shù)據(jù)分析文章篇3：一篇文章讀懂大數(shù)據(jù)思維
真正的革命并不在于分析數(shù)據(jù)的機(jī)器，而在于數(shù)據(jù)本身和我們?nèi)绾芜\(yùn)用數(shù)據(jù)。將大規(guī)模的數(shù)據(jù)與運(yùn)用融合一起，將會(huì)顛覆很多我們?cè)瓉?lái)的思維。大數(shù)據(jù)思維原理到底是什么?筆者概括為10項(xiàng)原理。
一、數(shù)據(jù)核心原理：從“流程”核心轉(zhuǎn)變?yōu)?ldquo;數(shù)據(jù)”核心
大數(shù)據(jù)時(shí)代，計(jì)算模式也發(fā)生了轉(zhuǎn)變，從“流程”核心轉(zhuǎn)變?yōu)?ldquo;數(shù)據(jù)”核心。Hadoop體系的分布式計(jì)算框架已經(jīng)是“數(shù)據(jù)”為核心的范式。非結(jié)構(gòu)化數(shù)據(jù)及分析需求，將改變IT系統(tǒng)的升級(jí)方式：從簡(jiǎn)單增量到架構(gòu)變化。大數(shù)據(jù)下的新思維——計(jì)算模式的轉(zhuǎn)變。
例如：IBM將使用以數(shù)據(jù)為中心的設(shè)計(jì)，目的是降低在超級(jí)計(jì)算機(jī)之間進(jìn)行大量數(shù)據(jù)交換的必要性。大數(shù)據(jù)下，云計(jì)算找到了破繭重生的機(jī)會(huì)，在存儲(chǔ)和計(jì)算上都體現(xiàn)了數(shù)據(jù)為核心的理念。
大數(shù)據(jù)和云計(jì)算的關(guān)系：云計(jì)算為大數(shù)據(jù)提供了有力的工具和途徑，大數(shù)據(jù)為云計(jì)算提供了很有價(jià)值的用武之地。而大數(shù)據(jù)比云計(jì)算更為落地，可有效利用已大量建設(shè)的云計(jì)算資源，最后加以利用。
科學(xué)進(jìn)步越來(lái)越多地由數(shù)據(jù)來(lái)推動(dòng)，海量數(shù)據(jù)給數(shù)據(jù)分析既帶來(lái)了機(jī)遇，也構(gòu)成了新的挑戰(zhàn)。大數(shù)據(jù)往往是利用眾多技術(shù)和方法，綜合源自多個(gè)渠道、不同時(shí)間的信息而獲得的。為了應(yīng)對(duì)大數(shù)據(jù)帶來(lái)的挑戰(zhàn)，我們需要新的統(tǒng)計(jì)思路和計(jì)算方法。
說(shuō)明：用數(shù)據(jù)核心思維方式思考問(wèn)題，解決問(wèn)題。以數(shù)據(jù)為核心，反映了當(dāng)下IT產(chǎn)業(yè)的變革，數(shù)據(jù)成為人工智能的基礎(chǔ)，也成為智能化的基礎(chǔ)，數(shù)據(jù)比流程更重要，數(shù)據(jù)庫(kù)、記錄數(shù)據(jù)庫(kù)，都可開(kāi)發(fā)出深層次信息。云計(jì)算機(jī)可以從數(shù)據(jù)庫(kù)、記錄數(shù)據(jù)庫(kù)中搜索出你是誰(shuí)，你需要什么，從而推薦給你需要的信息。
二、數(shù)據(jù)價(jià)值原理：由功能是價(jià)值轉(zhuǎn)變?yōu)閿?shù)據(jù)是價(jià)值
大數(shù)據(jù)真正有意思的是數(shù)據(jù)變得在線了，這個(gè)恰恰是互聯(lián)網(wǎng)的特點(diǎn)。非互聯(lián)網(wǎng)時(shí)期的產(chǎn)品，功能一定是它的價(jià)值，今天互聯(lián)網(wǎng)的產(chǎn)品，數(shù)據(jù)一定是它的價(jià)值。
例如：大數(shù)據(jù)的真正價(jià)值在于創(chuàng)造，在于填補(bǔ)無(wú)數(shù)個(gè)還未實(shí)現(xiàn)過(guò)的空白。有人把數(shù)據(jù)比喻為蘊(yùn)藏能量的煤礦，煤炭按照性質(zhì)有焦煤、無(wú)煙煤、肥煤、貧煤等分類(lèi)，而露天煤礦、深山煤礦的挖掘成本又不一樣。
與此類(lèi)似，大數(shù)據(jù)并不在“大”，而在于“有用”，價(jià)值含量、挖掘成本比數(shù)量更為重要。不管大數(shù)據(jù)的核心價(jià)值是不是預(yù)測(cè)，但是基于大數(shù)據(jù)形成決策的模式已經(jīng)為不少的企業(yè)帶來(lái)了盈利和聲譽(yù)。
數(shù)據(jù)能告訴我們，每一個(gè)客戶的消費(fèi)傾向，他們想要什么，喜歡什么，每個(gè)人的需求有哪些區(qū)別，哪些又可以被集合到一起來(lái)進(jìn)行分類(lèi)。大數(shù)據(jù)是數(shù)據(jù)數(shù)量上的增加，以至于我們能夠?qū)崿F(xiàn)從量變到質(zhì)變的過(guò)程。
舉例來(lái)說(shuō)，這里有一張照片，照片里的人在騎馬，這張照片每一分鐘，每一秒都要拍一張，但隨著處理速度越來(lái)越快，從1分鐘一張到1秒鐘1張，突然到1秒鐘10張后，就產(chǎn)生了電影。當(dāng)數(shù)量的增長(zhǎng)實(shí)現(xiàn)質(zhì)變時(shí)，就從照片變成了一部電影。
美國(guó)有一家創(chuàng)新企業(yè)Decide.com，它可以幫助人們做購(gòu)買(mǎi)決策，告訴消費(fèi)者什么時(shí)候買(mǎi)什么產(chǎn)品，什么時(shí)候買(mǎi)最便宜，預(yù)測(cè)產(chǎn)品的價(jià)格趨勢(shì)，這家公司背后的驅(qū)動(dòng)力就是大數(shù)據(jù)。他們?cè)谌蚋鞔缶W(wǎng)站上搜集數(shù)以十億計(jì)的數(shù)據(jù)，然后幫助數(shù)以十萬(wàn)計(jì)的用戶省錢(qián)，為他們的采購(gòu)找到最好的時(shí)間，降低交易成本，為終端的消費(fèi)者帶去更多價(jià)值。
在這類(lèi)模式下，盡管一些零售商的利潤(rùn)會(huì)進(jìn)一步受擠壓，但從商業(yè)本質(zhì)上來(lái)講，可以把錢(qián)更多地放回到消費(fèi)者的口袋里，讓購(gòu)物變得更理性，這是依靠大數(shù)據(jù)催生出的一項(xiàng)全新產(chǎn)業(yè)。這家為數(shù)以十萬(wàn)計(jì)的客戶省錢(qián)的公司，在幾個(gè)星期前，被eBay以高價(jià)收購(gòu)。
再舉一個(gè)例子，SWIFT是全球最大的支付平臺(tái)，在該平臺(tái)上的每一筆交易都可以進(jìn)行大數(shù)據(jù)的分析，他們可以預(yù)測(cè)一個(gè)經(jīng)濟(jì)體的健康性和增長(zhǎng)性。比如，該公司現(xiàn)在為全球性客戶提供經(jīng)濟(jì)指數(shù)，這又是一個(gè)大數(shù)據(jù)服務(wù)。
定制化服務(wù)的關(guān)鍵是數(shù)據(jù)?！洞髷?shù)據(jù)時(shí)代》的作者維克托·邁爾·舍恩伯格認(rèn)為，大量的數(shù)據(jù)能夠讓傳統(tǒng)行業(yè)更好地了解客戶需求，提供個(gè)性化的服務(wù)。
說(shuō)明：用數(shù)據(jù)價(jià)值思維方式思考問(wèn)題，解決問(wèn)題。信息總量的變化導(dǎo)致了信息形態(tài)的變化，量變引發(fā)了質(zhì)變，最先經(jīng)歷信息爆炸的學(xué)科，如天文學(xué)和基因?qū)W，創(chuàng)造出了“大數(shù)據(jù)”這個(gè)概念。
如今，這個(gè)概念幾乎應(yīng)用到了所有人類(lèi)致力于發(fā)展的領(lǐng)域中。從功能為價(jià)值轉(zhuǎn)變?yōu)閿?shù)據(jù)為價(jià)值，說(shuō)明數(shù)據(jù)和大數(shù)據(jù)的價(jià)值在擴(kuò)大，數(shù)據(jù)為“王”的時(shí)代出現(xiàn)了。數(shù)據(jù)被解釋是信息，信息常識(shí)化是知識(shí)，所以說(shuō)數(shù)據(jù)解釋、數(shù)據(jù)分析能產(chǎn)生價(jià)值。
三、全樣本原理原理：從抽樣轉(zhuǎn)變?yōu)樾枰繑?shù)據(jù)樣本
需要全部數(shù)據(jù)樣本而不是抽樣，你不知道的事情比你知道的事情更重要，但如果現(xiàn)在數(shù)據(jù)足夠多，它會(huì)讓人能夠看得見(jiàn)、摸得著規(guī)律。數(shù)據(jù)這么大、這么多，所以人們覺(jué)得有足夠的能力把握未來(lái)，對(duì)不確定狀態(tài)的一種判斷，從而做出自己的決定。
這些東西我們聽(tīng)起來(lái)都是非常原始的，但是實(shí)際上背后的思維方式，和我們今天所講的大數(shù)據(jù)是非常像的。
舉例：在大數(shù)據(jù)時(shí)代，無(wú)論是商家還是信息的搜集者，會(huì)比我們自己更知道你可能會(huì)想干什么?，F(xiàn)在的數(shù)據(jù)還沒(méi)有被真正挖掘，如果真正挖掘的話，通過(guò)信用卡消費(fèi)的記錄，可以成功預(yù)測(cè)未來(lái)5年內(nèi)的情況。
統(tǒng)計(jì)學(xué)里頭最基本的一個(gè)概念就是，全部樣本才能找出規(guī)律。為什么能夠找出行為規(guī)律?一個(gè)更深層的概念是人和人是一樣的，如果是一個(gè)人特例出來(lái)，可能很有個(gè)性，但當(dāng)人口樣本數(shù)量足夠大時(shí)，就會(huì)發(fā)現(xiàn)其實(shí)每個(gè)人都是一模一樣的。
說(shuō)明：用全數(shù)據(jù)樣本思維方式思考問(wèn)題，解決問(wèn)題。從抽樣中得到的結(jié)論總是有水分的，而全部樣本中得到的結(jié)論水分就很少，大數(shù)據(jù)越大，真實(shí)性也就越大，因?yàn)榇髷?shù)據(jù)包含了全部的信息。
四、關(guān)注效率原理：由關(guān)注精確度轉(zhuǎn)變?yōu)殛P(guān)注效率
關(guān)注效率而不是精確度，大數(shù)據(jù)標(biāo)志著人類(lèi)在尋求量化和認(rèn)識(shí)世界的道路上前進(jìn)了一大步，過(guò)去不可計(jì)量、存儲(chǔ)、分析和共享的很多東西都被數(shù)據(jù)化了，擁有大量的數(shù)據(jù)和更多不那么精確的數(shù)據(jù)為我們理解世界打開(kāi)了一扇新的大門(mén)。
大數(shù)據(jù)能提高生產(chǎn)效率和銷(xiāo)售效率，原因是大數(shù)據(jù)能夠讓我們知道市場(chǎng)的需要，人的消費(fèi)需要。大數(shù)據(jù)讓企業(yè)的決策更科學(xué)，由關(guān)注精確度轉(zhuǎn)變?yōu)殛P(guān)注效率的提高，大數(shù)據(jù)分析能提高企業(yè)的效率。
例如：在互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代，企業(yè)產(chǎn)品迭代的速度在加快。三星、小米手機(jī)制造商半年就推出一代新智能手機(jī)。利用互聯(lián)網(wǎng)、大數(shù)據(jù)提高企業(yè)效率的趨勢(shì)下，快速就是效率、預(yù)測(cè)就是效率、預(yù)見(jiàn)就是效率、變革就是效率、創(chuàng)新就是效率、應(yīng)用就是效率。
競(jìng)爭(zhēng)是企業(yè)的動(dòng)力，而效率是企業(yè)的生命，效率低與效率高是衡量企來(lái)成敗的關(guān)鍵。一般來(lái)講，投入與產(chǎn)出比是效率，追求高效率也就是追求高價(jià)值。手工、機(jī)器、自動(dòng)機(jī)器、智能機(jī)器之間效率是不同的，智能機(jī)器效率更高，已能代替人的思維勞動(dòng)。智能機(jī)器核心是大數(shù)據(jù)制動(dòng)，而大數(shù)據(jù)制動(dòng)的速度更快。
在快速變化的市場(chǎng)，快速預(yù)測(cè)、快速?zèng)Q策、快速創(chuàng)新、快速定制、快速生產(chǎn)、快速上市成為企業(yè)行動(dòng)的準(zhǔn)則，也就是說(shuō)，速度就是價(jià)值，效率就是價(jià)值，而這一切離不開(kāi)大數(shù)據(jù)思維。
說(shuō)明：用關(guān)注效率思維方式思考問(wèn)題，解決問(wèn)題。大數(shù)據(jù)思維有點(diǎn)像混沌思維，確定與不確定交織在一起，過(guò)去那種一元思維結(jié)果，已被二元思維結(jié)果取代。
過(guò)去尋求精確度，現(xiàn)在尋求高效率;過(guò)去尋求因果性，現(xiàn)在尋求相關(guān)性;過(guò)去尋找確定性，現(xiàn)在尋找概率性，對(duì)不精確的數(shù)據(jù)結(jié)果已能容忍。只要大數(shù)據(jù)分析指出可能性，就會(huì)有相應(yīng)的結(jié)果，從而為企業(yè)快速?zèng)Q策、快速動(dòng)作、創(chuàng)占先機(jī)提高了效率。
五、關(guān)注相關(guān)性原理：由因果關(guān)系轉(zhuǎn)變?yōu)殛P(guān)注相關(guān)性
關(guān)注相關(guān)性而不是因果關(guān)系，社會(huì)需要放棄它對(duì)因果關(guān)系的渴求，而僅需關(guān)注相關(guān)關(guān)系，也就是說(shuō)只需要知道是什么，而不需要知道為什么。這就推翻了自古以來(lái)的慣例，而我們做決定和理解現(xiàn)實(shí)的最基本方式也將受到挑戰(zhàn)。
例如：大數(shù)據(jù)思維一個(gè)最突出的特點(diǎn)，就是從傳統(tǒng)的因果思維轉(zhuǎn)向相關(guān)思維，傳統(tǒng)的因果思維是說(shuō)我一定要找到一個(gè)原因，推出一個(gè)結(jié)果來(lái)。
而大數(shù)據(jù)沒(méi)有必要找到原因，不需要科學(xué)的手段來(lái)證明這個(gè)事件和那個(gè)事件之間有一個(gè)必然，先后關(guān)聯(lián)發(fā)生的一個(gè)因果規(guī)律。它只需要知道，出現(xiàn)這種跡象的時(shí)候，我就按照一般的情況，這個(gè)數(shù)據(jù)統(tǒng)計(jì)的高概率顯示它會(huì)有相應(yīng)的結(jié)果，那么我只要發(fā)現(xiàn)這種跡象的時(shí)候，我就可以去做一個(gè)決策，我該怎么做。
這是和以前的思維方式很不一樣，老實(shí)說(shuō)，它是一種有點(diǎn)反科學(xué)的思維，科學(xué)要求實(shí)證，要求找到準(zhǔn)確的因果關(guān)系。
在這個(gè)不確定的時(shí)代里面，等我們?nèi)フ业綔?zhǔn)確的因果關(guān)系，再去辦事的時(shí)候，這個(gè)事情早已經(jīng)不值得辦了。所以“大數(shù)據(jù)”時(shí)代的思維有點(diǎn)像回歸了工業(yè)社會(huì)的這種機(jī)械思維——機(jī)械思維就是說(shuō)我按那個(gè)按鈕，一定會(huì)出現(xiàn)相應(yīng)的結(jié)果，是這樣狀態(tài)。
而農(nóng)業(yè)社會(huì)往前推，不需要找到中間非常緊密的、明確的因果關(guān)系，而只需要找到相關(guān)關(guān)系，只需要找到跡象就可以了。社會(huì)因此放棄了尋找因果關(guān)系的傳統(tǒng)偏好，開(kāi)始挖掘相關(guān)關(guān)系的好處。
例如：美國(guó)人開(kāi)發(fā)一款“個(gè)性化分析報(bào)告自動(dòng)可視化程序”軟件從網(wǎng)上挖掘數(shù)據(jù)信息，這款數(shù)據(jù)挖掘軟件將自動(dòng)從各種數(shù)據(jù)中提取重要信息，然后進(jìn)行分析，并把此信息與以前的數(shù)據(jù)關(guān)聯(lián)起來(lái)，分析出有用的信息。
非法在屋內(nèi)打隔斷的建筑物著火的可能性比其他建筑物高很多。紐約市每年接到2.5萬(wàn)宗有關(guān)房屋住得過(guò)于擁擠的投訴，但市里只有200名處理投訴的巡視員，市長(zhǎng)辦公室一個(gè)分析專(zhuān)家小組覺(jué)得大數(shù)據(jù)可以幫助解決這一需求與資源的落差。
該小組建立了一個(gè)市內(nèi)全部90萬(wàn)座建筑物的數(shù)據(jù)庫(kù)，并在其中加入市里19個(gè)部門(mén)所收集到的數(shù)據(jù)：欠稅扣押記錄、水電使用異常、繳費(fèi)拖欠、服務(wù)切斷、救護(hù)車(chē)使用、當(dāng)?shù)胤缸锫?、鼠患投訴，諸如此類(lèi)。
接下來(lái)，他們將這一數(shù)據(jù)庫(kù)與過(guò)去5年中按嚴(yán)重程度排列的建筑物著火記錄進(jìn)行比較，希望找出相關(guān)性。果然，建筑物類(lèi)型和建造年份是與火災(zāi)相關(guān)的因素。不過(guò)，一個(gè)沒(méi)怎么預(yù)料到的結(jié)果是，獲得外磚墻施工許可的建筑物與較低的嚴(yán)重火災(zāi)發(fā)生率之間存在相關(guān)性。
利用所有這些數(shù)據(jù)，該小組建立了一個(gè)可以幫助他們確定哪些住房擁擠投訴需要緊急處理的系統(tǒng)。他們所記錄的建筑物的各種特征數(shù)據(jù)都不是導(dǎo)致火災(zāi)的原因，但這些數(shù)據(jù)與火災(zāi)隱患的增加或降低存在相關(guān)性。
這種知識(shí)被證明是極具價(jià)值的：過(guò)去房屋巡視員出現(xiàn)場(chǎng)時(shí)簽發(fā)房屋騰空令的比例只有13%，在采用新辦法之后，這個(gè)比例上升到了70%——效率大大提高了。
全世界的商界人士都在高呼大數(shù)據(jù)時(shí)代來(lái)臨的優(yōu)勢(shì)：一家超市如何從一個(gè)17歲女孩的購(gòu)物清單中，發(fā)現(xiàn)了她已懷孕的事實(shí);或者將啤酒與尿不濕放在一起銷(xiāo)售，神奇地提高了雙方的銷(xiāo)售額。大數(shù)據(jù)透露出來(lái)的信息有時(shí)確實(shí)會(huì)起顛覆。
比如，騰訊一項(xiàng)針對(duì)社交網(wǎng)絡(luò)的統(tǒng)計(jì)顯示，愛(ài)看家庭劇的男人是女性的兩倍還多;最關(guān)心金價(jià)的是中國(guó)大媽?zhuān)o隨其后的卻是90后。而在過(guò)去一年，支付寶中無(wú)線支付比例排名前十的竟然全部在青海、西藏和內(nèi)蒙古地區(qū)。
說(shuō)明：用關(guān)注相關(guān)性思維方式來(lái)思考問(wèn)題，解決問(wèn)題。尋找原因是一種現(xiàn)代社會(huì)的一神論，大數(shù)據(jù)推翻了這個(gè)論斷。
過(guò)去尋找原因的信念正在被“更好”的相關(guān)性所取代。當(dāng)世界由探求因果關(guān)系變成挖掘相關(guān)關(guān)系，我們?cè)鯓硬拍芗炔粨p壞建立在因果推理基礎(chǔ)之上的社會(huì)繁榮和人類(lèi)進(jìn)步的基石，又取得實(shí)際的進(jìn)步呢?這是值得思考的問(wèn)題。
解釋?zhuān)恨D(zhuǎn)向相關(guān)性，不是不要因果關(guān)系，因果關(guān)系還是基礎(chǔ)，科學(xué)的基石還是要的。只是在高速信息化的時(shí)代，為了得到即時(shí)信息，實(shí)時(shí)預(yù)測(cè)，在快速的大數(shù)據(jù)分析技術(shù)下，尋找到相關(guān)性信息，就可預(yù)測(cè)用戶的行為，為企業(yè)快速?zèng)Q策提供提前量。
比如預(yù)警技術(shù)，只有提前幾十秒察覺(jué)，防御系統(tǒng)才能起作用。比如，雷達(dá)顯示有個(gè)提前量，如果沒(méi)有這個(gè)預(yù)知的提前量，雷達(dá)的作用也就沒(méi)有了，相關(guān)性也是這個(gè)原理。比如，相對(duì)論與量子論的爭(zhēng)論也能說(shuō)明問(wèn)題，一個(gè)說(shuō)上帝不擲骰子，一個(gè)說(shuō)上帝擲骰子，爭(zhēng)論幾十年，最后承認(rèn)兩個(gè)都存在，而且量子論取得更大的發(fā)展——一個(gè)適用于宇宙尺度，一個(gè)適用于原子尺度。
看過(guò)“大數(shù)據(jù)分析文章”的人還看了：
1.大數(shù)據(jù)時(shí)代讀書(shū)心得體會(huì)
4.大數(shù)據(jù)基礎(chǔ)知識(shí) 大數(shù)據(jù)意義價(jià)值
5.讀書(shū)《大數(shù)據(jù)時(shí)代》心得體會(huì)演講稿3篇
大數(shù)據(jù)時(shí)代體會(huì)文章
