1. 大數據是否存在泡沫呢
凡是數據都會存在泡沫的，這是毫無疑問的。尤其是官統數據。大數據這個東西，高端大氣上檔次。如果你是個商人，聊天時候，不字里行間吐露出你的戰略計劃里涵蓋對大計劃的籌謀。十有八九，會遭到同行的輕視。感情你就是個寒冬即將到來，但卻不知道儲備糧食的傻A。當下，越來越多的媒體，無論是官媒，商媒,還是自媒。反正帶個媒字的。聊起大數據，無不抱著敬仰敬畏之情。差點沒拜倒在大數據的淫威之下。那論調，就像幾年前大家炒作電商的概念一樣。近乎決絕而悲壯的大喊，未來不電商者——死！結果，死是死了一堆人，但與此同時，「電商」這個概念也死的只剩下一口氣了。為什麼，因為大家發現，電商是不能完全獨立的，他是與實體經濟不可分割的。所以，在籠統的「電商」概念之後，咱又整出了一個更加精細化的說法：O2O，覺得這才是電商本色。那種純粹以為電商就是把店鋪放網上的，都是沒文化的。但現實到這塊兒就完了嗎？別忘記，在O2O之後，我們又在醞釀一個新玩意兒，那就是粉絲經濟。現在已經開始有人喊出。（情景多像當年的電商口號）未來商業競爭，無粉絲者死，有粉絲者活。無論你是網店還是實體店，也無論你是巨頭還是新入行的雛。粉絲，粉絲，一切都是粉絲。有了粉絲，一切好說話，沒有粉絲，你就是明天的諾基亞，而且還是遇到蘋果後的諾基亞。不知道什麼意思？意思是，你是個巨頭，沒有粉絲，你也就一發育不良的大頭娃娃，除了等死，就是被收購！那麼，這一番不著調的話跟大數據有什麼關系？說實話，沒太大關系，但別急著拍磚。機理相似。今天大家談大數據，就像幾年前談「電商」。是個極其籠統的概念。某種程度，當下無論商業環境還是政治環境，對大數據的醞釀，甚至還達不到讓大家從電商的泛概念里悟出「O2O」的地步。為什麼？因為曾經那「籠統的電商」概念，他的好壞優劣，是直接反應在商業行為里的。所以，大家在觸電之後。立馬發現，純粹電商是不可行的。一定得O2O，線上線下必須合作，才能形成一個生態互補，真正激發出各自的潛力。而大數據呢，他比「電商」這個概念更加模糊，更加不可定性。舉個例子。現在某大型電商的電子統計圖里清晰的顯示出，全國各大地區出現食鹽的旺盛需求，而按照此需求的增長速率，此電商必須立刻補貨。否則，食鹽就會缺貨。而作為此電商的決策人，你是補還是不補？要知道，按常態理解來看，食鹽這種商品是沒理由出現大規模銷量暴漲的，但是，系統匯總全國用戶的購買信息繪制出的銷量圖是基本不會出錯的。但問題就在於，如果按銷量圖預判的未來趨勢采購食鹽，但銷量卻突然下滑，那麼，付出的物流倉儲成本是不小的。這個案例透露出什麼？大數據在運用過程中，有他的天然短板。這個短板是什麼呢？是他不夠「大」。就像案例所說，常態情況，食鹽這種商品是沒理由大規模銷量暴漲的，但你的銷售系統提供的圖表，清晰顯示這段時間以及未來的食鹽銷量趨勢不斷增長。而你，即使看到了數據，也斷然不敢輕易做采購決定。為什麼，因為即使銷量統計圖給了你一個可能的增長信息，但這違背了你腦海中的預判邏輯。所以，你會猶豫不決。除非，這個大數據能「大」到把一切變數全部涵蓋那麼我們再換一個案例，從另一個角度來說根據某公司調查，中國人均工資平均每年上漲百分之七，勉強應對通貨膨脹。此數據精確可靠，是此公司通過全國各地工資收入情況匯總後，由系統精算得出不知道大家看到這條信息什麼感覺？如果你不是政府官員，只是一個打工仔。相信你十有八九會覺得，一堆廢話。為什麼。因為你在乎的不是工資上漲的百分比的統計。而是怎麼讓自己的工資上漲。因為，如果要算工資漲多少，你自己把這幾年領到的錢加減乘除，輕輕鬆鬆就算出來了。而這透露出什麼。透露出大數據的相對「無效性」。即即使你用大數據能得出一些東西，但你得出的東西對我而言是毫無價值的。那麼，管你大數據還是小數據。多看一眼都是耽誤時間。（官方機構統計「下館子」人群越來越多的信息，對部分地理位置不那麼好的小飯店無用也是類似機理）那麼，以上兩個案例如果匯總，我們客觀總結一下大數據的缺陷一：如果某個事務的關聯信息不能完全容納進「大數據」系統，則大數據的可靠性，實用性將天然減弱。二：很多東西，我們根本不需要大數據來告訴我們。因為我們本就知道。我們苦惱的，是如何解決當下面臨的困境。而大數據顯然無法在中短期給我們提供幫助。因此，某種程度我們可以說：大數據，也就是一個參考價值相對更高一丁點的數據而已。如果你所處的行業變數太多或者本就是早已知道原因只不過能力不足才面臨困境的話。大數據對你而言，其實沒那麼大的價值。那些動不動就大數據的人，其實，很可能不那麼了解大數據的運作機理但同時，為了讓大家視角更全面，給個正向案例。中國哪個地區的女性身材相對而言最好？答案是：內蒙古為什麼，根據某大型電商平台的數據。內蒙古的女性購買的內衣尺寸比全國任何一個地區都顯得「豐滿」。而在商業應用中，此數據的統籌可以幫助打算在內蒙古開設女性內衣店的商人，提前進行市場預判，別店子開到內蒙古後，才發現自己采購的貨源在當地因為尺寸不對而完全銷售不出去當然，筆者為什麼要把這個案例放在最後呢？因為，這個案例雖然是正向的大數據應用案例，但卻能反向對大數據不那麼好進行詮釋。何解？如果我們仔細觀察這個正向案例，會發現，此案例能夠正向應用的基礎是，女性的身材在成年後幾乎不會再發生大的改變。而且，此案例相對聚焦的僅僅是商人在貨源采購上的單項的預判性，並沒有涉及其他諸如競爭對手信息，當地運營成本等因素這意味著什麼呢？意味著即使大數據可以應用，但也局限在相對的「變數」不多的局部的層面，否則，他的能效性就遠遠匹配不上他「大數據」的稱謂了。因此，我們在某種程度上可以說，大數據即使在未來會越來越顯示出價值，但由於其涉及面太廣，所以，除了部分行業，多數商人或者個人其實沒必要那麼的緊張大數據。除非，你是借用大數據分析某種「相對狹義的定量」。否則，大數據在十幾二十年內。在相對細分行業，不能說雞肋，但想要起大的價值，是很難的。
2. 2018~2019年是互聯網行業的寒冬嗎
對於互聯網寒冬這個說法，我認為這對於互聯網行業來說，機遇和挑戰並存。所謂的互聯網寒冬其實更多是行業的去粕存精的過程。中國互聯網發展20年來，有太多的資本進入到這個行業，既產生了一批批的大型互聯網公司，也有很多名不見經傳的小公司。但行業的生存空間就這么大，不可能讓所有的公司生存下來。所以互聯網寒冬不如說是一個行業的新陳代謝、優勝劣汰。
互聯網寒冬現象產生的原因
第一點，那就是互聯網公司要根據市場發展規律的正常調整。
第二點，那就是項目的業績沒有達到預期。從相關數據來看，目前2018年國內外科技公司的整體表現都不能令市場感到滿意，這也是導致了不少大型科技公司市值出現了下降的重要原因，當然也是導致目前裁員浪潮的原因之二。
第三點，互聯網行業發展前景並且不明朗。目前根據各自細節來看，整個互聯網都正處在消費互聯網向產業互聯網過渡的階段，如何利用好大數據、物聯網、人工智慧等新型技術來賦能傳統行業發展的動力是互聯網公司的關注重點，但是由於行業壁壘很難打破，從而導致目前大數據等新型技術的落地應用存在一定的困難。
第四點，那就是市場變化太快。市場變化快是今年的一個重要特點，市場變化的過快，也就導致科技公司在人員布局方面出現了一定的問題，而裁員往往是比較常見的解決方案，這也是各大互聯網公司心照不宣的。
所以，因為以上四大因素的綜合影響，導致了2019年互聯網市場顯得是變化莫測，但是，即使如此，我們也不能就此判斷互聯網的寒冬要到了，因為這也還為時過早，畢竟產業互聯網的發展空間還是非常廣闊的，這其中的潛力並沒有挖掘完，還是有著相當大的市場的前景的，一旦互聯網公司摸清發展脈絡，那麼這條路還是能走下去的。
3. 大數據目前好找工作嗎，最近互聯網行業不好，好多公司都裁員
大數據的就業情況由幾個因素決定：
一、是否學到了回真正的大數據技術
1、學習答能力
2、是否掌握真正的大數據技術
3、是否為有真實的大數據項目經驗
二、學歷（大數據開發對學歷要求較高，最低門檻是大專及以上學歷）
三、學性格（是否適合大數據開發行業，是否可以與團隊協作，是否善於交流融入到團隊等）
四、時運因素（我有好幾個學員學得挺好，但找工作碰壁很多，後來調整了心態，堅持了一段時間，也順利入職了。不是有人說會有「水逆期」嗎，總有一段時間會特別不順，要堅持一下）
大數據工程師的薪資待遇在IT行業一直算是比較靠前的，影響你薪資的最主要是你的專業水平，以及工作能力，在技術崗位上，都是靠技術吃飯的，你得有拿得出手的能力。
學習大數據可以從事很多工作，比如說：hadoop 研發工程師、大數據研發工程師、大數據分析工程師、資料庫工程師、hadoop運維工程師、大數據運維工程師、java大數據工程師、spark工程師等等都是我們可以從事的工作崗位！不同的崗位，所具備的技術知識也是不一樣的，需要從各個方向學習，逐個擊破！