关于大数据，你不知道的几点

云计算的应用，更快的数据处理速度，以及从物联网输入大量的数据，这些意味着，企业现在正在收集前所未见的数据量。现在大数据比以往任何时候都大。但是如何组织、处理和理解数据仍然是许多组织面临的一个主要挑战。

你的公司是否仍然在努力理解大数据是什么，以及如何管理吗?这里有6个关于大数据的误区，行业专家将帮助你把真相从虚构的大数据领域中分离出来。

1.大数据意味着“很多”数据

目前，大数据已经成为一个流行词。但人们通常对它真正的含义还是不清楚。有些人将大数据简单地认为是大量的数据。但是，这并不完全正确，它比这稍微复杂一些。大数据是指一个数据集，无论是结构(如数据表)或非结构化(如元数据从电子邮件)结合的数据，如社会媒体分析或物联网数据，形成一个更大的故事。大数据故事说明组织很难用传统的分析技术来捕获发生的趋势。

丰田研究院的数据研究总监吉姆•阿德勒表达了一个很好的观点：“数据也有质量。这就像水一样：玻璃容器中的水是非常易于管理。但是，如果混杂在洪水中，这将是压倒性的灾害。”他说，“在数据分析系统中，工作在一台机器的的数据将被冲走时，其数据规模将增长100或1000倍。所以，当然，原型虽小，但其架构却很大。”

2.数据需要清洁

“大的误区就是你必须要有干净的数据进行分析。”BeyondCore公司首席执行官阿里吉特•森古普塔说，“没有人有干净的数据，必须将数据进行清理，否则分析是行不通的。这是一个疯狂的想法。你要做的就是进行一个足够好的分析。你要分析所有的数据，尽管这些数据是肮脏的，这只说明你有数据质量问题。我可以告诉你一些模式，尽管数据存在质量问题，但完全可以进行正常分析。现在，你可以集中进行数据质量工作，只是提高数据可以得到稍微好一点的洞察力。”

InOutsource商业智能和分析总监梅根•布茨梅因对此表示赞同，“很多时候，企业就会将这些工作能拖就拖，因为他们认为数据是不干净的，这是没有必要的。部署的分析应用程序将可以找到数据的薄弱环节，”她说。“一旦这些问题已经确定，清理计划可以投入到位。然后，分析应用程序可以利用一种机制，加大清理力度，并监测进展情况。”

布茨梅因说。“一旦你把这些数据整合在一起，你将在一个应用程序中赋予它生命的视觉，你可以看到这些汇集在一起的数据的关联，你会很快看到你的资料不足。”她说，“你可以看到数据的问题在于要提供一个清理数据的基准。”

3.等待，让你的数据完美

你不应该等待清理你的数据，这里还有一个原因，森古普塔说，“在你完全清除数据之后，这可能需要三个月的时间，然而三个月后，这些数据已经陈旧过时了。”因此，这些信息将不再适用。

森古普塔表示，第一州际银行的乔希•巴特曼在会议提出了一个重要观点。乔希展示了他是如何运行分析，发现问题，分析变化，重新运行分析的。他说，“你看，我的分析时间只有大约四到五分钟。所以，如果我可以运行分析，发现问题，解决问题，再重新进行分析，并在四、五分钟后查看报告，改变如何处理分析的方法。”

森古普塔用编码来比喻那些旧方式。“我的一切都是正确的，然后我进行编码。但现在，每个人进行编码都不太灵活。”他说。“你写好程序之后，你必须要测试它，并查看如何能使它更好，那么等它变得更好之后。世界发生了变化，人们仍然采用的是旧的做事方法。”

4.数据湖

数据湖是持有大量的原始结构化和结构化数据的松散的存储库，经常在大数据的背景下提到。

唯一的问题是，尽管他们是如何经常被引用，但它们却不存在，阿德勒说，“一个组织的数据不被倒入一个数据湖中。这是精心策划的一个部门的数据库。鼓励集中使用专业知识。他们还提供了良好的数据治理和合规性所需的问责性和透明度。”

5.分析数据是昂贵的

如果假定在数据分析工具涉及一些费用的话，你可能会害怕获得数据。而可以告诉你的有好消息是，如今有许多免费的数据工具，任何人都可以开始使用这些工具来分析大数据。

同时，森古普塔表示，当今云计算的低成本意味着“你真的可以做那些以前从来不可能实现的的事情。”

6.机器算法将取代人类分析

森古普塔认为在分析大数据方法有一个有趣的二分法。“有人说，解决这个问题需要成千上万的数据科学家来分析解决，随后，又有人说，采用机器学习就可以做到这一切。这将是完全自动的。”

但是，桑古塔并不认为这些都是合适的解决方案。“没有足够的数据科学家，成本将快速上升。”他说，“此外，企业用户有多年的域名登录经验，并有着对他们业务的直觉。当你请来一个数据科学家，并认为他会搞定这些工作，并告诉你该怎么做。这实际上创造了一个确切的错误，数据科学家们往往无法无法足够了解企业的业务。”

“完美”的数据科学家，是那些准确理解具体业务如何运作，以及其数据是如何工作的，这是一个误区。森古普塔说，“这样的人根本不存在。”

在现实中，森古普塔说，“大多数数据科学项目实际上没有得到实施，因为它是如此艰难，需要几个月得到完成，而当它完成的时候，你所关心的问题是已经陈旧过时了。”

但是，也有过于依赖机器学习问题。“机器学习只是给出一个答案，但并没有解释。它告诉人们该怎么做，而不是为什么要那样做，”他说。“人们不喜欢别人告诉他该怎么做，尤其是神奇的机器。”他说，其关键是不只是答案，而是其解释和建议。

一方面，他说，数据科学家将变得越来越专业化，而这是真正困难的问题。“想一想各机构和企业开始建设了数据处理部门和一些处理部门。世界500强企业也有数据处理部门“或数字加工部门。但他们基本上变成了Excel，Word和PowerPoint。”尽管如此，人们仍然是数据和数字处理方面的专家。

“如果我去摩根士丹利，相信我，那些数据处理和数字处理方面的专家仍然存在。他们只是有着不同的名称和不同的工作，但在真正的情况下，这些人仍然存在，但80%-90%的专家已经转移到Excel，Word和PowerPoint方面，这是全球在大数据方面应该发展的主要原因。”