論述大數據

㈠ 何謂大數據大數據的特點,意義和缺陷.

大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

大數據，更多的功能是分析過去，提醒現在，展望未來。廣泛應用於商業領域，藉以實現精準營銷，預測趨勢，實現商業利益的最優與最大。體現的價值為：

（1）利用大數據針對大量消費者的消費習慣，精準提供產品或服務；

（2）利用大數據做服務轉型，做小而美模式；

（3）不能充分利用大數據價值的企業，將會在互聯網壓力之下搖搖欲墜。

國家通過結合大數據和高性能的分析，是指效率更加提高，同時也能降低國家運行成本。如：

（1）為成千上萬的車輛規劃實時交通路線，躲避擁堵；

（2）及時解析問題和缺陷的根源，是制度更加完善。

（3）使用點擊流分析和數據挖掘來規避欺詐行為。

大數據的缺陷：

企業遭到黑客攻擊，客戶的資料大量非法流出，再利用大數據分析挖掘，人群進行分類排除，從而讓人更容易受騙。

(1)論述大數據擴展閱讀：

2016年3月17日，《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》發布，其中第二十七章「實施國家大數據戰略」提出：把大數據作為基礎性戰略資源，全面實施促進大數據發展行動，加快推動數據資源共享開放和開發應用，助力產業轉型升級和社會治理創新。

具體包括：加快政府數據開放共享、促進大數據產業健康發展。

㈡ 結合大數據時代信息化發展趨勢，試論述大數據為什麼叫大數據

大數據包含幾個方面的內涵吧
1. 數據量大，TB，PB，乃至EB等數據量的數據需要分析處理。
2. 要求回快速響應，答市場變化快，要求能及時快速的響應變化，那對數據的分析也要快速，在性能上有更高要求，所以數據量顯得對速度要求有些「大」。
3. 數據多樣性：不同的數據源，非結構化數據越來越多，需要進行清洗，整理，篩選等操作，變為結構數據。
4. 價值密度低，由於數據採集的不及時，數據樣本不全面，數據可能不連續等等，數據可能會失真，但當數據量達到一定規模，可以通過更多的數據達到更真實全面的反饋。

很多行業都會有大數據需求，譬如電信行業，互聯網行業等等容易產生大量數據的行業，很多傳統行業，譬如醫葯，教育，采礦，電力等等任何行業，都會有大數據需求。

隨著業務的不斷擴張和歷史數據的不斷增加，數據量的增長是持續的。
如果需要分析大數據，則可以Hadoop等開源大數據項目，或Yonghong Z-Suite等商業大數據BI工具。

不同行業的數據有不同的自身特點，還需要結合自身的行業知識才能把大數據轉換為價值。

㈢ 從「道」的角度來論述大數據對企業的價值

從「道」的角度來論述大數據對企業的價值

本文更多是從比較高的層面，也許就是我們說的「道」的層面去思考大數據如何對於一個企業產生價值。有很多觀點的值得借鑒，值得大家去深入思考的，本文更多是一個方向，一個比較「虛」的描述，如果你從事一段時間的大數據工作，或者數據分析相關工作，相信你對本文有一定體會。

但是，大數據價值的實現與真正「落地」，絕對不是一句簡單的事情。一個企業如何讓【大】數據產生價值，絕對不是一句口號。真的需企業方方面面去支持。前期在技術上就需要投入大量資源，例如：大數據相關開發人員，數據分析人員，各種機器。

數據基礎的建設，僅僅只是最基礎的工作，真正要讓數據對企業產生商業價值，不讓對數據的基礎投入成為擺設，則需要是公司的「文化」支持，不然會變成光是貼在牆上的口號：

「讓數據說話!依據數據行事!」

「所有決策都需要數據支持!」

數據要產生價值要企業「文化」來澆灌，數據需要滲透企業「靈魂」中，這會涉及到企業很多人工作方式，流程，習慣，思維的轉化。這往往是很「痛苦」的。一起看看這篇文章吧!

一、大數據使企業真正有能力從以自我為中心改變為以客戶為中心

企業是為客戶而生，目的是為股東獲得利潤。只有服務好客戶，才能獲得利潤。但過去，很多企業是沒有能力做到以客戶為中心的，原因就是相應客戶的信息量不大，挖掘不夠，系統也不支持，目前的保險業就是一個典型。大數據的使用能夠使對企業的經營對象從客戶的粗略歸納(就是所謂提煉歸納的「客戶群」)還原成一個個活生生的客戶，這樣經營就有針對性，對客戶的服務就更好，投資效率就更高。

二、大數據一定程度上將顛覆了企業的傳統管理方式

現代企業的管理方式是來源於對軍隊的模仿，依賴於層層級級的組織和嚴格的流程，依賴信息的層層匯集、收斂來制定正確的決策，再通過決策在組織的傳遞與分解，以及流程的規范，確保決策得到貫徹，確保每一次經營活動都有質量保證，也確保一定程度上對風險的規避。過去這是一種有用而笨拙的方式。在大數據時代，我們可能重構企業的管理方式，通過大數據的分析與挖掘，大量的業務本身就可以自決策，不必要依靠膨大的組織和復雜的流程。大家都是基於大數據來決策，都是依賴於既定的規則來決策，是高高在上的CEO決策，還是一線人員決策，本身並無大的區別，那麼企業是否還需要如此多層級的組織和復雜的流程呢?

三、大數據另外一個重大的作用是改變了商業邏輯，提供了從其他視角直達答案的可能性

現在人的思考或者是企業的決策，事實上都是一種邏輯的力量在主導起作用。我們去調研，去收集數據，去進行歸納總結，最後形成自己的推斷和決策意見，這是一個觀察、思考、推理、決策的商業邏輯過程。人和組織的邏輯形成是需要大量的學習、培訓與實踐，代價是非常巨大的。

但是否這是唯一的道路呢?大數據給了我們其他的選擇，就是利用數據的力量，直接獲得答案。就好像我們學習數學，小時候學九九乘法表，中學學幾何，大學還學微積分，碰到一道難題，我們是利用了多年學習沉澱的經驗來努力求解，但我們還有一種方法，在網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。很多人就會批評說，這是***，是作弊。

但我們為什麼要學習啊?不就是為了解決問題嘛。如果我任何時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，為了得到「是什麼」，我們不一定要理解「為什麼」。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，這就是未來大數據的力量。

四、通過大數據，我們可能有全新的視角來發現新的商業機會和重構新的商業模式

我們現在看這個世界，比如分析家中食品腐敗，主要就是依賴於我們的眼睛再加上我們的經驗，但如果我們有一台顯微鏡，我們一下就看到壞細菌，那麼分析起來完全就不一樣了。大數據就是我們的顯微鏡，它可以讓我們從全新視角來發現新的商業機會，並可能重構商業模型。我們的產品設計可能不一樣了，很多事情不用猜了，客戶的習慣和偏好一目瞭然，我們的設計就能輕易命中客戶的心窩；我們的營銷也完全不同了，我們知道客戶喜歡什麼、討厭什麼，更有針對性。特別是顯微鏡再加上廣角鏡，我們就有更多全新的視野了。這個廣角鏡就是跨行業的數據流動，使我們過去看不到的東西都能看到了，比如前面所述的汽車案例，開車是開車，保險是保險，本來不相關，但當我們把開車的大數據傳遞到保險公司，那整個保險公司的商業模式就全變了，完全重構了。

五、數據發展對IT本身技術架構的革命性影響

最後一點，我想談的是大數據發展對IT本身技術架構的革命性影響。大數據的根基是IT系統。我們現代企業的IT系統基本上是建立在IOE(IBM小型機、Oracle資料庫、EMC存儲)+Cisco模型基礎上的，這樣的模型是Scale-UP型的架構，在解決既定模型下一定數據量的業務流程是適配的，但如果是大數據時代，很快會面臨成本、技術和商業模式的問題，大數據對IT的需求很快就會超越了現有廠商架構的技術頂點，超大數據增長將帶來IT支出增長之間的線性關系，使企業難以承受。因此，目前在行業中提出的去IOE趨勢，利用Scale-out架構+開源軟體對Scale-up架構+私有軟體的取代，本質是大數據業務模型所帶來的，也就是說大數據將驅動IT產業新一輪的架構性變革。去IOE潮流中的所謂國家安全因素，完全是次要的。

所以，美國人說，大數據是資源，和大油田、大煤礦一樣，可以源源不斷挖出大財富。而且和一般資源不一樣，它是可再生的，是越挖越多、越挖越值錢的，這是反自然規律的。對企業如此，對行業、對國家也是這樣，對人同樣如此。這樣的東西誰不喜歡呢?因此，大數據這么熱門，是完全有道理的。

以上是小編為大家分享的關於從「道」的角度來論述大數據對企業的價值的相關內容，更多信息可以關注環球青藤分享更多干貨

㈣ 如何正確認識大數據的價值和效益

1、數據使用必須承擔保護的責任與義務

我國數據流通與數據交易主要存在以下問題：數據源活性不夠，數據中介機構還處於起步階段；多源數據的匯集技術尤其是非結構化數據分析技術滯後；缺乏熟悉不同行業並掌握在特定領域使用數據技術的人才。

數據的價值在於融合與挖掘，數據流通、交易有利於促進數據的融合和挖掘，搞活數據從而產生效益。數據共享開放、流通交易和數據保護及數據安全對數據技術提出嚴峻挑戰，對法律的制定及執行提出了很高要求。為此，數據使用必須承擔保護的責任與義務。

㈤ 一文認識並讀懂大數據

一文認識並讀懂大數據

在寫這篇文章之前，我發現身邊很多IT人對於這些熱門的新技術、新趨勢往往趨之若鶩卻又很難說的透徹，如果你問他大數據和你有什麼關系？估計很少能 說出一二三來。究其原因，一是因為大家對新技術有著相同的原始渴求，至少知其然在聊天時不會顯得很「土鱉」；二是在工作和生活環境中真正能參與實踐大數據 的案例實在太少了，所以大家沒有必要花時間去知其所以然。

我希望有些不一樣，所以對該如何去認識大數據進行了一番思索，包括查閱了資料，翻閱了最新的專業書籍，但我並不想把那些零散的資料碎片或不同理解論述簡單規整並堆積起來形成毫無價值的轉述或評論，我很真誠的希望進入事物探尋本質。

如果你說大數據就是數據大，或者侃侃而談4個V，也許很有深度的談到BI或預測的價值，又或者拿Google和Amazon舉例，技術流可能會聊起 Hadoop和Cloud Computing，不管對錯，只是無法勾勒對大數據的整體認識，不說是片面，但至少有些管窺蠡測、隔衣瘙癢了。……也許，「解構」是最好的方法。

首先，我認為大數據就是互聯網發展到現今階段的一種表象或特徵而已，沒有必要神話它或對它保持敬畏之心，在以雲計算為代表的技術創新大幕的襯托下，這些原本很難收集和使用的數據開始容易被利用起來了，通過各行各業的不斷創新，大數據會逐步為人類創造更多的價值。

其次，想要系統的認知大數據，必須要全面而細致的分解它，我著手從三個層面來展開：

第一層面是理論，理論是認知的必經途徑，也是被廣泛認同和傳播的基線。我會從大數據的特徵定義理解行業對大數據 的整體描繪和定性；從對大數據價值的探討來深入解析大數據的珍貴所在；從對大數據的現在和未來去洞悉大數據的發展趨勢；從大數據隱私這個特別而重要的視角 審視人和數據之間的長久博弈。

第二層面是技術，技術是大數據價值體現的手段和前進的基石。我將分別從雲計算、分布式處理技術、存儲技術和感知技術的發展來說明大數據從採集、處理、存儲到形成結果的整個過程。

第三層面是實踐，實踐是大數據的最終價值體現。我將分別從互聯網的大數據，政府的大數據，企業的大數據和個人的大數據四個方面來描繪大數據已經展現的美好景象及即將實現的藍圖。

最早提出大數據時代到來的是麥肯錫：「數據，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。人們對於海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈餘浪潮的到來。」

業界（IBM 最早定義）將大數據的特徵歸納為4個「V」（量Volume，多樣Variety，價值Value，速Velocity），或者說特點有四個層面：第一， 數據體量巨大。大數據的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）；第二，數據類型繁多。比如，網路日誌、視頻、圖 片、地理位置信息等等。第三，價值密度低，商業價值高。第四，處理速度快。最後這一點也是和傳統的數據挖掘技術有著本質的不同。

其實這些V並不能真正說清楚大數據的所有特徵，下面這張圖對大數據的一些相關特性做出了有效的說明。

古語雲：三分技術，七分數據，得數據者得天下。先不論誰說的，但是這 句話的正確性已經不用去論證了。維克托·邁爾-舍恩伯格在《大數據時代》一書中舉了百般例證，都是為了說明一個道理：在大數據時代已經到來的時候要用大數 據思維去發掘大數據的潛在價值。書中，作者提及最多的是Google如何利用人們的搜索記錄挖掘數據二次利用價值，比如預測某地流感爆發的趨 勢；Amazon如何利用用戶的購買和瀏覽歷史數據進行有針對性的書籍購買推薦，以此有效提升銷售量；Farecast如何利用過去十年所有的航線機票價 格打折數據，來預測用戶購買機票的時機是否合適。

那麼，什麼是大數據思維？維克托·邁爾-舍恩伯格認為，1-需要全部數據樣本而不是抽樣；2-關注效率而不是精確度；3-關注相關性而不是因果關系。

阿里巴巴的王堅對於大數據也有一些獨特的見解，比如，

「今天的數據不是大，真正有意思的是數據變得在線了，這個恰恰是互聯網的特點。」

「非互聯網時期的產品，功能一定是它的價值，今天互聯網的產品，數據一定是它的價值。」

「你千萬不要想著拿數據去改進一個業務，這不是大數據。你一定是去做了一件以前做不了的事情。」

特別是最後一點，我是非常認同的，大數據的真正價值在於創造，在於填補無數個還未實現過的空白。

有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在「大」，而在於「有用」。價值含量、挖掘成本比數量更為重要。

大數據是什麼？投資者眼裡是金光閃閃的兩個字：資產。比如，Facebook上市時，評估機構評定的有效資產中大部分都是其社交網站上的數據。

如果把大數據比作一種產業，那麼這種產業實現盈利的關鍵，在於提高對數據的「加工能力」，通過「加工」實現數據的「增值」。

Target 超市以20多種懷孕期間孕婦可能會購買的商品為基礎，將所有用戶的購買記錄作為數據來源，通過構建模型分析購買者的行為相關性，能准確的推斷出孕婦的具體臨盆時間，這樣Target的銷售部門就可以有針對的在每個懷孕顧客的不同階段寄送相應的產品優惠卷。

Target的例子是一個很典型的案例，這樣印證了維克托·邁爾-舍恩伯格提過的一個很有指導意義的觀點：通過找出一個關聯物並監控它，就可以預測 未來。Target通過監測購買者購買商品的時間和品種來准確預測顧客的孕期，這就是對數據的二次利用的典型案例。如果，我們通過採集駕駛員手機的GPS 數據，就可以分析出當前哪些道路正在堵車，並可以及時發佈道路交通提醒；通過採集汽車的GPS位置數據，就可以分析城市的哪些區域停車較多，這也代表該區 域有著較為活躍的人群，這些分析數據適合賣給廣告投放商。

不管大數據的核心價值是不是預測，但是基於大數據形成決策的模式已經為不少的企業帶來了盈利和聲譽。

從大數據的價值鏈條來分析，存在三種模式：

1- 手握大數據，但是沒有利用好；比較典型的是金融機構，電信行業，政府機構等。

2- 沒有數據，但是知道如何幫助有數據的人利用它；比較典型的是IT咨詢和服務企業，比如，埃森哲，IBM，Oracle等。

3- 既有數據，又有大數據思維；比較典型的是Google，Amazon，Mastercard等。

未來在大數據領域最具有價值的是兩種事物：1-擁有大數據思維的人，這種人可以將大數據的潛在價值轉化為實際利益；2-還未有被大數據觸及過的業務領域。這些是還未被挖掘的油井，金礦，是所謂的藍海。

Wal-Mart作為零售行業的巨頭，他們的分析人員會對每個階段的銷售記錄進行了全面的分析，有一次他們無意中發現雖不相關但很有價值的數據，在 美國的颶風來臨季節，超市的蛋撻和抵禦颶風物品竟然銷量都有大幅增加，於是他們做了一個明智決策，就是將蛋撻的銷售位置移到了颶風物品銷售區域旁邊，看起 來是為了方便用戶挑選，但是沒有想到蛋撻的銷量因此又提高了很多。

還有一個有趣的例子，1948年遼沈戰役期間，司令員林彪要求每天要進行例常的「每日軍情匯報」，由值班參謀讀出下屬各個縱隊、師、團用電台報告的 當日戰況和繳獲情況。那幾乎是重復著千篇一律枯燥無味的數據：每支部隊殲敵多少、俘虜多少;繳獲的火炮、車輛多少，槍支、物資多少……有一天，參謀照例匯 報當日的戰況，林彪突然打斷他：「剛才念的在胡家窩棚那個戰斗的繳獲，你們聽到了嗎?」大家都很茫然，因為如此戰斗每天都有幾十起，不都是差不多一模一樣 的枯燥數字嗎?林彪掃視一周，見無人回答，便接連問了三句：「為什麼那裡繳獲的短槍與長槍的比例比其它戰斗略高?」「為什麼那裡繳獲和擊毀的小車與大車的 比例比其它戰斗略高?」「為什麼在那裡俘虜和擊斃的軍官與士兵的比例比其它戰斗略高?」林彪司令員大步走向掛滿軍用地圖的牆壁，指著地圖上的那個點說： 「我猜想，不，我斷定!敵人的指揮所就在這里!」果然，部隊很快就抓住了敵方的指揮官廖耀湘，並取得這場重要戰役的勝利。

這些例子真實的反映在各行各業，探求數據價值取決於把握數據的人，關鍵是人的數據思維；與其說是大數據創造了價值，不如說是大數據思維觸發了新的價值增長。

以上是小編為大家分享的關於一文認識並讀懂大數據的相關內容，更多信息可以關注環球青藤分享更多干貨