发帖
雷达卡
分析大数据需要大智慧，更需要商业价值视野，干这事儿还需要专业人士。
最近IDC发布了一篇名为《大数据仍在炒作，但成熟正在招手》(Big data hypesrill here, but maturitybeckons)的文章，虽然简短但对于目前市场的评价却很中肯。如果说前几年Big Data更多是来自市场、销售人员的鼓动，抑或是来自技术大牛的号召，那么最近Big Data界的几件大事却把分析师一下子从幕后推到了舞台中央，随即也带来一个值得深思的问题——谁赋予Big Data灵魂与生命，又是谁赋予Big Data商业价值?
第一个问题其实挺复杂，因为从提出Big Data构想到最终建立起林林总总的系统，用户、系统管理员、DBA、软件工程师、信息安全专家等一系列角色参与其中，但与之前数据仓库、数据库这些概念商业化之初不同的是，Big Data尽管已被很多领先企业用于做各种分析，并且在搜索、电子商务、电子政务等领域取得了不错的效果，但似乎能震动到IT圈之外的事件很少，很少有类似当年“啤酒和尿布”这样能被IT圈以外的其他媒体大幅报道的案例。这也许来自3个原因：1.有些Big Data的分析效果不方便甚至不适合发布出来，分析方自己闷头做挺好；2.分析需求来自于IT系统，回头又直接服务于IT系统，始终在体内循环；3.建立的模型在样本的来源上选择过窄，导致其自身比较脆弱，只能在一个相对固定的系统内部产生结果，无法针对零散分布的Big Data获得出人意料的预测结果。
而微软纽约研究院的David Rothschild博士通过对各种分散的Big Data.数据分析，近乎完美地预测了奥巴马竞选期间51个州中的50个州的成绩，并且随即在对第85届奥斯卡奖项的预测中除最佳导演奖之外其他全部应验。也许有的人觉得，这只是简单的预测、运气成分也不少，以往通过各种传统数据仓库技术一样能获得类似的结果，尤其是通过对海量关系数据的分析之后一样获得了“啤酒和尿布”这样的典型成功案例，但这里忽视了一个非常重要的事实——现实世界中绝大部分数据没有那么中规中矩，就好像“林子大了什么鸟都有”一样，数据充斥在这个信息时代的每个角落，例如家里的智能电表里、315晚会反复提到的Cookie里、博鳌亚洲论坛门口的二维码广告牌里…它们就在哪里，只多不少，但如果我们忽略这些事实，没有用Big Data专门的思路去发现这些线索，事实上很难把信息背后的超前的商业价值找到，毕竟等到所有数据都已结构化处理好了再去做分析可能面临两个难题：1对手已掌握先机，后知后觉的一方错过了商机，2数据确实太大而且不断出现，结构化处理不太现实。这也呼应了数据仓库他爹-Bill Inmon在DW 2.0的构想里，需要将结构化，半结构化、非结构化信息一股脑儿地全都划入数据仓库分析对象的圈子里。
当这些汇聚在一起，不难发现业内一个新的行当含苞欲放——Big Data分析师。那么Big Data分析师需要什么技能呢？以我的浅见至少包括如下几项。
1，目前主流数据分析师的通用能力，这是基础。
2，更为难能可贵的是具有数据“采风”能力。这就好像新闻记者样，能推开电脑走到影院、加油站、胡同、菜市场、托儿所……这些似乎远离数据分析师日常工作的场所，发现分散在犄角旮旯的数据，当然也包括互联网上的舆情、娱乐，最后将这些“野路子”的数据和正式渠道的数据结合在一起进行分析。
3，具有加工和驾驭Big Data散乱形式数据的能力，就好像不久,前IBM和牛津大学萨义德商学院发布的“现实世界中的大数据使用”中提到的数据形式一样，能加工交易数据、日志、邮件、待办事项、社会化媒体、地理空间、POS和RFID扫描信息、传感器实时信号等多种数据，并且能从中找到数据之间的血缘和线索。
4，具有不同知识和行业背景，就像David Rothschild博士一样，作为一名经济学背景的研究员，运用Big Data实现众多政治经济学家争论来争论去都无法拿出可信凭据的研究结果。当然，我希望他能从美国放眼世界，预测一下2016年谁将主政纽约联合国大楼。
分析大数据需要大智慧，更需要商业价值视野，干这事儿还得专业的。
作者：王翔（Vision Wang）
软件架构师，主要研究方向为XML、NET、领域设计和PKI应用。工作之余喜爱旅游、写作和烹饪。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
