A. 《大數據》這個期刊的質量怎麼樣，本人有一篇文章被錄用，版面費要2700。作為學生覺得有點貴了。
你要是找的代理的話，不但貴，而且還有可能被騙，直接找雜志社，不會那麼貴。
B. 演算法推薦服務被戴「緊箍」，流量造假、控制熱搜等有治了
演算法推薦是把「雙刃劍」
騰訊安全戰略研究中心聯合賽博研究院發布的《人工智慧時代數字內容治理的機遇與挑戰》報告顯示，演算法精準推薦已經占據信息流分發主導地位，演算法能夠實現數字內容聚合和精準推薦，快速匹配信息與人。基於演算法的個性化內容推送在為用戶提供精準化、個性化服務的同時，也帶來了國家安全風險因素增高、不良信息泛濫風險增加以及傳統權利保護難度加大等問題，已然成為一把「雙刃劍」。
上海 財經 大學研究員崔麗麗表示，互聯網平台作為消除信息不對稱的先進技術代表，有責任維持技術手段的客觀性，反映流量的自然狀態，呈現真實的公眾意見。不應該因為商業利益的驅使在流量上作假。過去曾發生過一些涉及到商業利益的新聞、信息被操控的情況，這樣獲取的商業利益是一種市場不公平的表現，甚至是不合法的。
提出演算法「向善」新要求
根據徵求意見稿，管理規定將適用於在境內應用演算法推薦技術提供互聯網信息服務的公司。這也意味著，以內容推薦演算法為核心競爭力的短視頻平台、UGC（用戶生產內容）平台、推薦內容或是廣告的電商和社交平台等主流互聯網公司和平台的演算法推薦技術都包含在此。
崔麗麗表示，不論是UGC還是PGC（專業生產內容）平台，內容的審核以及對於受眾的推薦實際都有相應的規則，互聯網信息平台已經在形態上取代了過去的傳統媒體，因此，可能具備了一定的公共設施屬性，所以信息的產生、審核和分發應該符合公允、客觀以及符合事實等要求。
徵求意見稿指出，演算法推薦服務提供者應當堅持主流價值導向，優化演算法推薦服務機制，積極傳播正能量，促進演算法應用「向上向善」。演算法推薦服務提供者應當定期審核、評估、驗證演算法機制機理、模型、數據和應用結果等，不得設置誘導用戶沉迷或者高額消費等違背公序良俗的演算法模型。
王娟表示，徵求意見稿對演算法的主體價值導向、個人數據用途、行業自律等提出了演算法「向善」的要求，提出了演算法提供者備案責任，明確了演算法推薦服務提供者作為落實演算法安全的主體責任 ，還對演算法推薦服務日誌等信息提出了留存要求，留存期限不少於六個月，並在相關執法部門依法查詢時予以提供，對回溯求證環節進行了加強。
徵求意見稿明確，演算法推薦服務提供者應落實演算法安全主體責任，建立健全用戶注冊、信息發布審核、演算法機制機理審核、安全評估監測、安全事件應急處置、數據安全保護和個人信息保護等管理制度，制定並公開演算法推薦相關服務規則，配備與演算法推薦服務規模相適應的專業人員和技術支撐。
從用戶的角度來看，演算法對數據的交互模式也提出了很多要求。徵求意見稿提出，演算法推薦服務提供者應當以顯著方式告知用戶其提供演算法推薦服務的情況，並以適當方式公示演算法推薦服務的基本原理、目的意圖、運行機制等。同時，演算法推薦服務提供者應當向用戶提供選擇、修改或者刪除用於演算法推薦服務的用戶標簽的功能，以及不針對其個人特徵的選項，或者向用戶提供便捷的關閉演算法推薦服務的選項。
而對於大數據「殺熟」等頑疾，徵求意見稿強調，演算法推薦服務提供者向消費者銷售商品或者提供服務的，應當保護消費者合法權益，不得根據消費者的偏好、交易習慣等特徵，利用演算法在交易價格等交易條件上實行不合理的差別待遇等違法行為。
網路熱搜將被嚴管
近年來，網路熱搜已經成為實時的輿情風向標和輿論的集散地，徵求意見稿也特別對熱搜作出了規范管理，明確演算法推薦服務提供者應當加強演算法推薦服務版面頁面生態管理，建立完善人工干預和用戶自主選擇機制，在首頁首屏、熱搜、精選、榜單類、彈窗等重點環節積極呈現符合主流價值導向的信息內容。
王娟表示，徵求意見稿對熱搜、虛假流量可謂「重拳出擊」，核心仍是圍繞互聯網不是法外之地，建立清朗網路空間、樹立良好 社會 價值觀，微博熱搜榜等各類「帶節奏」式資本疊加流量的運作模式將受到重大挑戰。
面對外界的質疑，微博也在近日發布了熱搜管理規則，並對「花錢買熱搜」「花錢壓熱搜」等質疑回應稱，熱搜根據微博用戶的真實行為進行計算，並根據搜索量、發博量、互動量等數據指標，形成實時榜單。榜單演算法中包含了嚴格的排水軍和反垃圾機制，以確保公正客觀。同時上半年熱搜還將「減少 娛樂 佔比」作為主要調控目標。
C. 大數據時代哪7類人最賺錢
大數據時代哪7類人最賺錢
一個劃時代新的技術和思維的興起，它會驅動幾乎所有的產業變革，大數據更是如此，通過幾高笑年的觀察和最近大量的基金公司朋友的接觸，我從賺錢的角度對這個領域進行了分析。
第一類：對已經上市企業股票投資的基金公司
他們通過炒作概念在股票市場活動巨額回報。這些人分析發展趨勢，把握大局，他們關心產業政策，關心市場空間，少關心具體運營能力和市場競爭格局。據了解，大數據概念股以 2010 年 6 月 1 日為原始起點，截至 2015 年 11 月 10 日，大數據概念指數變化區間在 ［95%，1860%］，一直以來強於上證指數，相對上證指數有很高的收益，這個相對收益是驚人的，最高時超額收益超過 15 倍。即使從 2012 年底開始的創業板指數，也跑弱於大數據概念指數，足見大數據概念相關個股具有較好的回報。相對高點時，大數據概念指數強於創業板指數 10 倍以上；從低點起來，大數據指數漲幅到最高點超過 18 倍，如此高的漲幅讓許多人羨慕不已，相關個股精彩紛呈。投資這類的企業如拓而思，用友，東方國信、啟明星辰、綠盟科技、恆生電子。
他們用最短的時間，研究股票，投資，獲益，資本效率極高，一些高端的股票和投資者，他們會專門針對行業要求做培訓，走訪企業家走訪客戶。短時間內就可以賺的缽滿盤滿。
第二類：對大數據創業方向投資的 VC 和 PE 們
他們從最開始就投資有最高價值的大數據的企業，並從中發現商機，過去的幾年只是一個開始，可以預見大數據行業未來十年仍然會是創業公司的機遇地。他們眼光超前，投資的估值不斷高升；他們跟進投資，然後迅速推動企業發展，然後期待包裝上市。這類企業如：集奧聚合、國雙科技、華院數雲、品友互動、易贊普、百分點科技、永洪科技、國雲信禪數據、數據堂、數海科技等。投資資本如：寬頻資本、紅杉資本、IDG、創新工場、深圳創投、清科、軟銀中國，今日資本等。
第三類：創始人和聯合創始人，企業越來越值錢
雖然有些企業死了，但是大部分還在受到資本追捧，創業者最苦逼，但是在資本催生產業變革的年代他們獲益也是最多的，現在大數據企業的估值從幾年前的幾個億到幾十億是翻了近十倍；企業老闆的身價也是翻了近十倍，這類人筆者認識很多，因為比較涉密不一一列舉。
第四類：講課的人
行業內專家教授參加各種會議各種講課，培訓機構，在線教滑念塵育，還有專家學者備受親來。筆者成立的大數據培訓聯盟、數據共享聯盟等微信群，經常會收到邀請做講課深有體會。
第五類：CDO 們，技術架構師們，大數據分析師們，獲得長足的薪水提高第六類：一些媒體，自媒體
媒體版面改版，自媒體增多，受到關注的大數據自媒體如：大數據邦、大數據文摘、大數據參考、騰訊大數據、CSDN 大數據、36 大數據等。
第七類：他們沒有賺錢，但是都在圈地，投入很大，未來會成為非常賺錢的企業
那就是免費數據，收費 api 的這些數據開放平台們；已經成功的如： Salesforce 23 億美元的年收入中超過的一半的收入是通過 API 產生的。Google 每天通過 API 處理 50 億筆交易，Twitter 每天通過 API 處理 130 億筆交易，亞馬遜每天通過 API 處理萬億筆交易，還沒有成功的但是已經獲得很好的發展的國內如：BAT、運營商、政府的數據開放平台，高德數據開放平台，數據交易市場 (數海科技、數據堂、聚合數據、九次方、美林數據等)。
數據之美在於流通，在於推動業務發展，在於提高用戶體驗，在於預測業務發展做好企業戰略規劃，在於集群眾智慧、激活人員動力。利用數據推動商業變革才剛剛開始，做企業賺錢才是硬道理，先活下來，因為企業的大數據路還很長，變數也很多。盲目跟風，不可取！
D. 怎麼分析新聞報道情況
親親您好，一、研究背景
2010年，「互聯網之父」蒂姆·伯納斯—李說了這樣一句話：「Date-driven journalism is the future」(數據驅動新聞代表未來)這句話在當時被廣泛傳播，使「數據新聞」開始進入公眾的視野。關於數據新聞的定義，目前在新聞傳播屆採用最多的依然出自歐洲新聞中心和開放知識基金會共同編寫的《數據新聞手冊》中的表述：「與其他類型的新聞區別或許在於將傳統的新聞敏感和使用數字信息講述一則好故事的能力相結合而帶來新的可能性，數據新聞能夠幫助記者使用數據圖表講述一個錯綜復雜的故事。」[1]一些國內學者根據自己的理解，也對「數據新聞」下了定義：「數據新聞是以數據為中心，密切圍繞數據來組織報道，同時與數據相關的各種技術在新聞生產中都被賦予了重要地位。」[2]結合上述兩種對「數據新聞」的解釋，我們認為：「數據新聞」就是在新聞報道中，以數據作為支撐整個新聞報道的核心論據，圍繞數據進行信息的採集、整理、分析與呈現工作，最終形成的新聞報道。數據新聞的本質不僅是對數據的呈現，而更在於挖掘數據背後隱藏的意義與價值。
現代體育離不開數據，體育競賽過程中會產生大量的數據，數據永遠都是體育賽事的核心。不論是奧運會、世界盃或是各種職業聯賽，其比賽的最終結果都可以通過數據表現出來，而運動員的表現同樣可以通過數據得以呈現。因此，體育媒體行業的工作人員想要報道好體育新聞，必然需要和各種數據打交道，數據顯然對於體育媒體人來說相較於其他行業更具重要性。如今在大數據時代下，體育新聞人同樣可以憑借大數據技術，來挖掘體育賽事數據，形成生動、有深度的新聞報道，大數據技術為體育新聞生產注入新動力。
二、研究目的
(一)了解目前我國網路媒體對體育數據新聞的應用現狀
相較於傳統媒體，我國網路媒體較早開始了數據新聞實踐，並表現出專門頻道為主，專題報道為輔的運行模式。而傳統媒體方面，雖然也在數據新聞方面有過一些嘗試，但由於自身條件的限制，使得數據新聞在傳統媒體上總是難以施展拳腳。比如，電視媒體在製作數據新聞時會受到播出時間的限制，紙媒則由於版面容量的問題限制數據新聞的刊載。而其在網路媒體上則不會受到版面和時間的限制，這就導致傳統媒體的數據新聞在數量和質量上都無法與網路媒體相比。所以本文選取了兩家網路媒體——《新浪體育》與《肆客足球》作為研究的主體，將這兩家網媒在俄羅斯世界盃期間製作的數據新聞為研究樣本，來探析目前我國網媒對體育數據新聞的應用現狀。
(二)研究當下我國網媒在製作體育數據新聞時存在的問題並提出對策
本文通過對俄羅斯世界盃期間《新浪體育》與《肆客足球》製作的130篇體育數據新聞進行全樣本內容分析，發現並分析當下網媒上的體育數據新聞在製作和傳播應用中存在的問題，在借鑒西方主流媒體發展經驗的基礎上，結合我國的國情，為國內體育數據新聞的報道提供可借鑒策略。
三、研究結果以及問題分析
(一)新聞選題全面多樣、特色鮮明，但預測類新聞相對較少
本文將選題角度劃分為六種類型，分別是：預測、賽後、回顧、場外、專題以及人物。隨後將全部130篇體育數據新聞按照這六個類目進行統計整理，在俄羅斯世界盃期間，《新浪體育》和《肆客足球》製作發表的體育數據新聞，在六個類型的選題方面都有涉及，其中專題類新聞最多共有34篇，占總體樣本的26%左右；而預測類新聞最少，只有11篇，占總體樣本的9%左右。通過以上數據我們發現，目前網媒製作的體育數據新聞選題覆蓋比較全面，且結合自身特色的專題類報道成為了數據新聞的「主力軍」，但同時又比較缺乏對預測類新聞的製作。
(二)體育數據新聞內容以文字敘述為主，可視化設計水平參差不齊
本文將選取的體育數據新聞內容劃分為兩種類型，即非可視化數據新聞和可視化數據新聞。再將非可視化數據新聞分為純文字和圖文兩種，將可視化數據新聞分為圖表、視頻、H5三種。經過統計整理發現：在俄羅斯世界盃期間，《新浪體育》與《肆客足球》發表的體育數據新聞在內容上主要以文字敘述數據的方式為主，共有67篇；在可視化數據新聞作品中，主要以H5形式的作品為主，共有32篇，占可視化數據新聞的51%；而視頻類數據新聞較少，只佔可視化數據新聞的5%左右。經過分析，發現目前網媒對體育數據新聞的報道內容多以文字敘述為主，依然處於數據新聞製作的早期形態；在數據可視化製作方面，多愛採用H5的方式製作數據新聞，同時也存在一些以各類數據圖表為內容的可視化作品。另外視頻數據新聞製作水平較低，多為動圖配字幕的形式，所以目前的體育數據新聞可視化水平有待進一步發展。
(三)體育數據新聞的數據來源多樣，但通過自己挖掘的數據較少
本文將選取的130篇數據新聞的數據來源進行統計，發現目前我國網媒在製作數據新聞時採集的數據主要來源於四個方面：一、自己挖掘；二、專業數據機構(主要為一些國外數據機構如：OPTA、Transfer Market、Squawka);三、官方網站(國際足聯官網、機構官網、足協官網、維基網路)；四、外媒。經過統計整理發現：《新浪體育》與《肆客足球》在製作數據新聞使所採用的數據來源具有多樣化的特點。這其中共69篇新聞的數據來自官方網站，占總體樣本的53%左右；而利用通過自己的工作人員挖掘整理的數據進行報道的新聞只有15篇，占總體樣本的11%。經過分析發現，目前我國網媒獲取數據的渠道較多，說明大數據時代數據的開放程度變得越來越高；另一方面，目前我國網媒的數據新聞製作者應提高大數據挖掘技術，進一步提升自主生產、挖掘數據新聞的水平。
四、研究結論及建議
數據新聞起於西方、興於西方，《衛報》是最早踐行數據新聞的西方主流媒體，其製作的數據新聞獲得業界高度贊譽。根據本研究對我國網媒應用體育數據新聞的現狀分析，同時借鑒英國《衛報》在體育數據新聞方面的成功案例，可以得出以下研究結論及建議
(一)提高預測類數據新聞比重，發揮數據新聞價值優勢
通過對我國網媒體育數據新聞應用現狀的分析，發現目前我國網媒製作的體育數據新聞雖然題材多樣，生產效率較高，但仍然缺乏一些具有深度的新聞報道。作為一名數據新聞記者，一定要有高水準的數據素養，具備敏銳的數據感知和分析能力，要能夠在大數據的海洋中捕撈出最具新聞價值的數據信息，深挖數據背後所隱藏的故事，最終擬成有價值的選題呈現給受眾，這樣才能夠使復雜的數據發揮出最大的價值。
如要改變現狀，一方面，新聞機構要對自己的數據新聞記者組織培訓，邀請業界富有能力、經驗的數據新聞記者來為自己的數據新聞團隊授業解惑；另一方面，高校作為培養國家人才的大熔爐，也必須設立專門的數據新聞課程，來為社會培養具備高水準數據素養的新聞人才。雖然目前國內於2013年開始，也有幾家高校開辟了數據新聞專業，畢竟還處於探索階段，且培養出來的人才數量有限，還遠遠不能滿足社會的需要。
(二)提高數據可視化製作水平
通過對我國網媒體育數據新聞應用現狀的分析，發現目前我國網媒製作的體育數據新聞的可視化設計水平有待提高。「可視化」(visualization),來源於「visual」,原意是「視覺的」、「形象的」。事實上，將任何抽象的事物、過程變成圖形、圖像的表示都可以稱為可視化[1]。
提高數據可視化呈現水平，首先，媒體需要在自己的數據新聞團隊里組建一個得力的視覺團隊。記者在將數據信息進行可視化處理時，需要兼備新聞、技術與藝術素養的專業人員來做視覺專業的工作。一個相對完整的視覺團隊大致包括選題策劃、文字攝影攝像記者、數據編輯、美術設計、電腦制圖、版面編輯和網頁設計等層面的人員。
其次，在設計環節要對數據可視化工作有高要求。《衛報》「數據博客」前主編西蒙·羅傑斯曾說：「對好圖表的追求，就像是要更多的陽光和免費巧克力。」數據新聞的可視化絕不是隨意的將數據以圖表的形式展現，在數據可視化的製作中還需要將圖表進行美化，使可視化效果盡可能的貼合視覺感受，只有經過這樣嚴苛地工作過程，才能為受眾帶來更好的閱讀體驗，良好的閱讀體驗是數據新聞生存的根本。
(三)搭建屬於自己的高水平資料庫
經過分析發現，目前我國的網路媒體基本沒有建立屬於自己的資料庫，在製作數據新聞時，主要依靠兩種渠道：一種是通過記者在網上查找搜尋數據；一種是花錢從專業的數據公司購買數據。如此現狀，可能導致媒體人在製作數據新聞時受到數據開放程度的限制，而無法製作優質的數據新聞作品。數據新聞又稱「數據驅動新聞」，因此必須要有高水平的資料庫做支撐，才能保障數據新聞的質量。建立資料庫同樣有兩種途徑：一種是採集公共數據，主要是來自社會權威渠道的一些公開數據源；另一種是媒體自身的數據資料庫，是媒體在長期的新聞報道中積累起來的新聞素材和數據信息。基於這些渠道，我們便可以建立起一個高質量、結構化的專業資料庫，為數據新聞報道打下良好的基礎。
從整體來看，我國的體育數據新聞在俄羅斯世界盃報道中的應用尚處於探索發展階段，存在不少問題。數據新聞作為時代的產物，必然具有先進性，這種新型的新聞報道模式在我國擁有廣闊的應用前景，值得學者、媒體對其進行研究。在今後的發展中，我國的體育新聞媒體需要改進數據新聞製作模式與方法，以追求更高質量的數據新聞作品。另一方面，更應將數據人才培養放在首位。只有人才隊伍的壯大，才能夠最終使我國的體育數據新聞獲得強大的生命力，實現永續發展，實現追趕超越。
E. 關於大數據的五大謬見
關於大數據的五大謬見
近期，有關大數據的新聞占據著各大媒體科技報道的主要版面。但是，有許多文章似乎華而不實，一些報道鼓吹大數據是能夠解決一切問題的解決方案，如它能進行入侵檢測、預防詐騙、治療癌症，甚至還能設置最優的產品價格。
但是，業界定義的大數據是指迅速收集的、各種各樣的、大量的數據集合，而不是能夠處理一切問題的萬能解決方案。在現實中，如果一些企業偏信這些與大數據相關的謬見，那麼這些企業很可能會偏離正軌，走向錯誤的發展方向，浪費大量的時間和金錢，喪失其在市場上有利的競爭地位，還可能損害企業的聲譽。
此篇文章就講述了業界常出現的有關大數據五大謬見。
1. 只有數據科學家才能處理大數據
事實上，在處理大數據時，光靠數據科學家是遠遠不夠的。
「如果你不能首先確定到底需要什麼樣的信息的話，那麼單憑數據科學家自己是不可能成功地從大數據中提取有用信息的」，賓夕法尼亞大學醫院（Penn Medicine）數據分析部門高級主管Pat Farrell說：「你還需要熟悉業界動態、掌握相關領域知識的人才，他們知道問題的所在，也了解什麼樣的解決方案對於你所從事的領域最有價值。」
例如，在賓夕法尼亞大學醫院有兩個系統，一個是醫療系統，一個是醫學院系統。長期以來，醫療系統通常從一個數據倉庫中收集臨床醫療數據。與此同時，在醫學院系統中，出現了一個新的技術，可以實現對人類基金組的排序，並產生了大量的數據。
Farrell說：「我們知道這些數據一定存在著某些價值，而我們最終也有了能夠獲取這些價值的計算能力。我們將專業的醫療知識與數據分析技術相結合，為預測醫療開拓了一片新的、更廣闊的領域。」
2. 數據越大，價值越大
收集數據，並把它儲存起來再登記入冊，這會花費許多時間、佔用很多資源。如果企業或機構在收集數據時不加選擇、任意地收集大量數據，那麼很可能會造成大量的資源浪費，而這些資源完全可以用到更有價值的項目上去。
Farrell建議企業在收集數據之前一定要有一個具體的目標，或關鍵性能指標，要明確自己需要什麼樣的數據，再去有目的地收集數據。
Farrell說：「你需要從你收集的數據中提取有價值的信息，但這並不代表你收集的數據越多，你所獲得的價值越大。」
3.大數據用於大企業
大企業或許會有更多的內部數據來源，他們可以利用這些數據獲取對自身企業發展有價值的東西。但這並不代表大數據只用於大企業，小企業也能夠收集來自社交媒體平台、政府機構和數據供應商的數據，並從這些數據中提取有利信息。
戴爾軟體信息管理解決方案部門的產品管理高級總監Darin Bartik說：「對於企業來說，不管它的規模有多大，利用數據分析制定的決策總比單純依靠直覺或第六感制定的決策要好得多，且更加可靠。」
小企業雖然不像大企業那樣經常利用數據分析來制定決策，但是當這些小企業真正這樣做的時候，它們會使公司走向快速、正確的發展軌道。
Darin Bartik說：「小企業可以利用其最佳實踐，進一步推動數據分析決策在企業中的發展，以此趕超或者勝過那些強大的競爭對手。」
4. 收集數據後不及時整理分類
位於美國舊金山的雲計算商業智能供應商Birst的首席執行官Brad Peters表示，雖然數據存儲的成本越來越低，但它並不是免費的。然而，對於許多大公司來說，它們對於數據慾望的增長速度要比數據存儲成本降低的速度快得多。
許多企業往往在收集完數據之後，並不迅速處理這些數據，造成數據存儲成本增加。Brad Peters說：「我發現很多大的企業或機構收集了一大堆數據之後卻不及時處理這些數據，導致他們在這些數據上的開支逐漸增大，而他們也並沒有從這些數據中獲取任何價值。」
事實上，企業中的一些數據集已經開始造成了企業的收益遞減。這種現象就像通過分析選民數據信息來預測選舉結果一樣，在預測過程中，你需要一定數量的選民作為樣本，但是如果樣本數量超過一個臨界點之後，無論增加多少選民，對於預測結果不會有任何太大的影響。也就是說，樣本數量過多，所花費的成本也就越多，但對於目標沒有任何實質性的價值。
「數據冗餘的話，企業支出的不僅僅是存儲成本，還會面臨許多其他的問題」， Recommind公司信息治理和大數據管理全球主管Dean Gonsowski說。比如，如果數據泄露的話，那麼公司也會承擔相應的損失。Recommind是一家位於美國舊金山的專注於非結構化數據分析的公司。
最終，數據越多，那麼分類整理數據所需要的時間也就越多。Dean Gonsowski說：「當數據倉庫的規模達到數十億條記錄時，那麼光是檢索數據就需要花上幾個小時，甚至是幾個星期。這時候，這些信息非但不會給企業帶來商業價值，反而會阻礙企業系統的運轉，因為這些系統根本不能處理這么大信息量。」
5. 所有數據都是一樣的
美國佛吉尼亞州曾收集過在過去20年裡學生的注冊信息、獎學金，以及學位授予情況的數據，但這並不意味著20年前收集的與之存儲在同一個數據域里的數據就一定是相同的數據。
佛吉尼亞州高等教育委員會的政策研究和數據倉庫部門的主管Tod Massa說：「由於數據都存儲在一個數據倉庫里，這導致研究人員認為這些數據都是等同的，而這正是我需要處理的一個最大的問題。我們收集的ACT（American College Test，美國大學入學考試）和SAT（Scholastic Assessment Test，學術能力評估測試）的學生成績，最初我們收集的只是整個佛吉尼亞州的學生成績，但這導致我們的調查研究出現一個缺口，所以後來我們不僅收集了佛吉尼亞州的數據，還收集了其他州學生的數據。而且，不同種族在K-12級和高等教育的數據也不同。」
事實上，任何特定的數據，如果由不同的組織機構，或在不同的時間內，或由不同的人發布的話，也有所不同。Tod Massa說：「假如收集數據的這家公司或機構是完全孤立或與世隔絕的，那麼情況可能會不一樣。但我認為，隨著時間的推移，它們收集的數據也會有所變化。」
因此，數據分析人員不僅要有數據統計的技能，還要掌握一定的數據知識，並清楚地了解相關行業內的動向和整體發展趨勢。
這一點也同樣適用於從外部數據源收集的數據，過去的那種數據收集和分析的方式已經完全改變了。能夠了解不同的數據文化背景和數據環境，對於充分利用這些數據是非常必要的。
F. 如何將大數據進行到底
如何將大數據進行到底
「大數據」這個詞可以說是已經完全把「雲計算」的風頭蓋了下去，現在各種行業會議彷彿不提大數據就跟不上時代。而Gartner近日有報告顯示，雖然全球范圍內各大企業用戶都加強了對大數據（Big Data）業務的投資力度，但有6成企業對大數據投資額的回報產生質疑。是什麼原因讓企業對這個趨之若鶩的技術產生了懷疑？
60%企業認為談回報拍叢率為時尚早
Gartner報告顯示，2012年全球各大企業用於大數據業務的投資總額達到43億美元，其中絕大部分投資是針對公司伺服器上運行的軟體。預計2013年期間，這個投資總額將增至340億美元。
但是，盡管企業加大了對大數據業務的投資，大部分企業未能確信這些投資將有良好回報。通過對800多名商業和IT主管的調查顯示，60%的受訪者表示，目前判斷大數據投資能夠帶來良好回報還為時過早。
大數據光鮮背後
什麼是大數據？到現在對於 「大數據」還沒有標準的定義。維基網路上有人對大數據作了如下描述：數據增長如此之快，以至於難以使用現有的資料庫管理工具來駕馭，困難存在於數據的獲取，存儲，搜索，共享，分析和可視化等方面。
作為未來發展的必然趨勢，毫無疑問大數據對於企業有著極為深遠的意義。近兩年來，包括IBM、惠普等在內的存儲廠商在追捧「大數據」的概念，他們提出除了為客戶提供基礎的存儲解決方案外，還向企業推廣一襲高櫻系列針對「大數據」的分析解決方案，挖掘數據背後的價值。
但在各種文章鋪天蓋地描述大數據的美好前景的同時，卻鮮有大數據項目實念悄施的實際效果的相關報道。
能夠引起企業對回報率的質疑，首先我們必須看到的是，「回報率」在有些行業並不是顯而易見。在金融服務領域，大數據能夠促使服務更好、更有效，從而實現更有利的經營策略。媒體公司可以銷售更多的廣告版面。電子商務公司可賣出更多產品。
但是這些公司擁有一般企業經營公司不具備的一個共同點：投資回報率顯而易見，足以使這些公司排除進入障礙進入大數據領域。而對於大多數企業，大數據是否具有足夠的吸引力？很可能不會。大數據價值必須非常高、便宜而且足夠成熟，才能吸引企業購買。
如何將大數據進行到底
有業內人士指出，制約大數據發展的因素主要有兩個：第一，能夠發掘大數據的技術還沒有成熟；第二，成本太高。做大數據的時候，存儲應該非常便宜，雖然存儲比很多年前便宜很多，但還是很高。
非結構數據的快速增長加大了數據處理的難度。同時，許多公司仍處於大數據的研發階段。也因此，在很多企業內心增加了很多不確定性。大數據技術必須更加容易，項目管理技能更廣泛，大數據方可真正成為主流。
從具體技術上來看，數據投資回報是數據價值除以數據成本，首先，我們需要降低數據成本，提升數據價值。降低數據成本的方法很多，最重要的是把低活躍度的數據轉移到低成本的存貯器上去。而增加數據的價值則要收集更多、更全面的數據，最近比較火的社交化軟體正可以在此發揮作用。其次，要針對數據質量有一個數據治理的隊伍和流程。最後，要有很好的數據分析的能力，「數據可視化」是當前的大趨勢。