白话大数据 | 配图才是亮点啊~

这个时代，你在外面混，无论是技术还是产品还是运营还是商务，如果嘴里说不出“大数据”“云存储”“云计算”，真不好意思在同行面前抬头。但是，到底什么才是大数据？是Hadoop那头玩具小象？是千万级别的用户信息还是动辄XXXTB的数据量？

大数据的几大误区

1.误区一 大数据就是数据大

“光大是不够的！”当我掷地有声用这句话开场时，正好一个妹子推门而入，听到这句话，微微一怔，低头坐下。

如今在很多场合，一提起大数据，基本都会说“日处理数据量XXGB，上传图片XXGB，并发数XXX”“Hadoop集群拥有XXXX节点，总存储XXPB”……诸如此类的技术语言。但是不是数据大了，就可以达到大数据的境界，可以一起达到人生的大和谐了？

数据再大，不去使用，呆在机房里偏安一隅，那绝不是大数据，而是败家子。在这个问题上，传统的门户网站基本上就属于坐拥金山却无钱上青楼。无论搜狐新浪网易，每天的用户数以亿计，但是除了简单的广告呈现，并没有通过对数据的分析产生更多的价值。之所以没有提企鹅，是因为他们手里有最庞大的QQ用户，没推广但不代表没有做，例如当年推出QQ圈子的那种惊艳感，现在想起来还触目惊心。

而对于中小网站来说，不用盲目追求先进技术牛逼架构。首先需考虑的是商业运作和推广，只有用户量飙升见红的情况下，再去考虑技术升级。

2.误区二 懂大数据就必须要懂技术

“我不懂技术，我能学会大数据吗？”

大数据更多的是一种能力，而非技能，这种能力能从无尽的数据里看出商机看出价值。诸葛亮懂兵法，他知道该在哪里伏兵该在哪里生火，他不必知道关羽是如何耍大刀，也不必知道张飞杀人时，蛇矛是扎还是砍。

3.误区三 所有公司都必须懂大数据

我承认如果卖煎饼果子的大妈能开发一个APP，拿到客户对煎饼里薄脆是否爽口，辣椒酱是否够味的直接意见，那么很有利于产品的改进。但是你会为一个3元钱的煎饼去下载一个8M的APP吗？

而在移动互联网大会上，Evernote的CEO Phil Libin明确说自己产品的商业模式就是向用户收费，让他们甘心为产品体验付费，而不玩当下流行的大数据那一套。

知道自己能玩什么很常见，而知道自己不能玩不必玩什么更可贵。

4.误区四 数据越多越好

从陈冠希到李宗瑞，无不透露出浓浓的收藏癖。那些被大家藏在硬盘深处的姑娘们，真的有重见天日的一天吗？无论东京热还是加勒比，由来只有新人亚买碟，有谁听得旧人COME ON？

而搜一搜“存款 贬值”的关键词，从“五十年前的百万变13块”，到“一万元存一年赔19元”都可以看出，钱必须要用才有价值，数据也是一样。

只有不停的使用数据，挖掘数据背后的关系和价值，才能如滚雪球一般，使数据之间的相互关系更丰富更完善。

大数据的核心思想

1.有什么不重要，怎么用才重要

Netflix公司利用大数据来拍《纸牌屋》的励志故事大家都听过无数遍。Netflix是美国最大的DVD与网络视频租赁网站，他们在国内有2700万用户，全球有3300万。他们从流媒体视频用户处收集到的数据是异常惊人的，每一次搜索，每一次暂停，每一次积极或者消极的评价，还有自己的位置数据设备数据社交媒体数据，在分析完这些数据之后，发现自己的这些观众都喜欢演员凯文-史派西，还喜欢导演大卫-芬奇，并且喜欢1990年的英国同名电视剧。三项综合在一起，Netflix就下定决心拍摄《纸牌屋》，并将数据分析运用得淋漓尽致。在Netflix的观影页面上，提供暂停后截图的功能，他们就依靠这种数据来判断观众更喜欢哪种布景和画面。

当然，这三个因素其实都有不稳定性，例如凯文-史派西也曾拍过只被评了4.2分的《弗雷德圣诞老人》，大卫-芬奇首次执导的《异形3》也成系列中口碑最差的一部。但是从概率上来说，这三个成功因素都包括的剧集更靠谱。

所以大数据的核心并不是拥有数据，而是拿数据去做了什么。也就是说你不能仅仅占有人家的身子，也要占据人家的心灵。

2.对数据的容错性更强，来源更加多样化

一个500M的用户数据excel表算不算大数据？曾经在做某款产品的用户筛选时，这么一个excel成功拖死我电脑三次，我当时愤怒的说：“KAO，这SB大数据！”现在想起来，我冤枉了大数据君，您受苦了。

真正的大数据，应该是从不同维度，不同途径过来的各种格式数据碎片，并不限于文字/视频/声音/位置/图片等。只有将不同维度的数据放在一起判断，得出来的趋势才有可能更真实。雷同的数据积累的再多，超过某一个限度之后，我们再从新样本上获得的有用信息就越来越少。而用简单点儿的话解释就是如果你已经交往过五个IT码农，那么第六个其实也不会新鲜到哪里去，倒不如重新调整方向，换个高富帅找点儿不同的刺激。

多样化的来源同样可以避免陷在一个死胡同里出不来。这两天淘宝首页给我推送的个性化广告除了情趣用品就是“花花公子”服饰大优惠，我不就是为了找素材和配图搜了一下“情趣用品”么？你们没完没了的给我推送这个，节操何在？

如果你们能拿到我小学老师的评语，初中老师的评语和操行评定，高中老师的评语和操行评定，通过对多个来源不同的数据源分析，那么你们给我推送的一定会是《钢铁是怎么炼成的》《雷锋日记》等好书。

3.拥有大数据的身，也要有大数据的心

以往的数据分析，更多的是精确的样本/深度的数据挖掘，“精确”就是其代名词。不符合规格的样本过滤掉，然后再深度挖掘数据字段间的关系，得出几个精确无比数字去做PPT，或者从一系列数据里精准的找到某个正一脸猥琐偷拍姑娘的人。

但是大数据更多的是通过对各种数据分析得出某种趋势，这种趋势不必过于精确，但是能让相关决策人有底气去做某项决定。大数据不重要，重要的是使用大数据的人。

因为哪怕面向完全相同的数据源，不同的人得出的结论或者决定也可能是截然不同的。三国赤壁大战，当庞统献计“若以大船小船各皆配搭，或三十为一排，或五十为一排，首尾用铁环连锁，上铺阔板，休言人可渡，马亦可走矣”时，同时听到这话的两个人，曹操下席而谢，“非先生良谋，安能破东吴耶！”，而徐庶却私下里扯住庞统“你好大胆，只恐烧不尽绝。”由此可见，“以人为本”是多么精辟的一句废话啊！

无论你NB还是SB，数据总在那里，不离不弃。

大数据应用瞎想

1.医疗服务

通过一系列的病历等数据，得出某一类人的健康趋势，例如“做IT8年”“每天加班6小时”“病中还坚持工作”“每天吃盒饭”“每天一包烟提神”“每天一杯咖啡提神”将这些标签具体到某一群人，然后个性化的推送一条如上图的信息。

还有人要加班吗？

2.罪案预警

通过对全市的历史罪案以及出警纪录得出城市各种罪案高发区域，例如剁手区/掏包区/性侵区……等等，每天发布提醒，推送到市民的手机/平板等所有终端。我相信性侵区的流氓早晚会不堪重负而投案自首的。

3.大龄青年相亲

此想法如果搭配上类似Google Glass的可穿戴设备就更棒了，在上百人的男女相亲大会上，你带着功能齐全的眼镜四处看妞，系统自动分析各种数据，帮你找到最搭配的另一半，按照匹配度自动走在一起。当然，如果那时红外线透视功能很发达，能加入匹配度最高可以付费看裸体的VIP功能就更棒了。

总结

连哄带骗白话了1个小时的大数据话题，回到工位不久，就有一个实习男生给我发来了下面一条消息：

“刀老师，听了你的大数据分享，我是否可以这么理解？大数据就是系统根据一个屌丝的年龄/身高/体重/穿衣风格/购物倾向等基本资料，加上以前看A片的频率/主演/风格/时长/快进次数，并且综合参考跟我一样的屌丝群体的女神/播放格式/地区等因素，当我打开电脑，自动给我推荐一部最合适我的A片？”

我看了这段话，久久不能平静。只有一首歌可以表达我此刻的心情。

“啊~~~~~~~多么痛的领悟！”

PPV课其他精彩文章：

1、回复“干货”查看干货 数据分析师完整知识结构

2、回复“答案”查看大数据Hadoop面试笔试题及答案

3、回复“设计”查看这是我见过最逆天的设计，令人惊叹叫绝

4、回复“可视化”查看数据可视化专题-数据可视化案例与工具

5、回复“禅师”查看当禅师遇到一位理科生，后来禅师疯了！！知识无极限

6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布

7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载

8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募

9、回复“每日一课”查看【每日一课】手机在线视频集锦

PPV课大数据ID: ppvke123 （长按可复制）

大数据人才的摇篮！专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！