大資料能做什麼？

**：

什麼是大資料？

大資料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資訊資產。

新處理模式具有兩層含義：1、由於海量資料，需要更高效的儲存和處理技術，hadoop。2、大資料明顯標誌是資料探勘和人工智慧的緊密結合。資料統計只是對已有的資料進行縱向歸類，大資料是基於已有的資料，對未產生的資料進行**和推薦。

**和推薦是如何實現的？

目前的推薦推薦演算法可以分為兩類，乙個是基於行為，乙個是基於內容的。1、基於行為的分析，即使用者在網際網路、移動網際網路留下的「」痕跡「」，得出未來會選擇購買的**和推薦結果。基於行為的分析，屬於群體智慧型，綜合利用群體使用者行為偏好/ 2、基於內容的分析，包括對文字、、音訊等資訊的分析，得出**和推薦的結論。

大資料到底能做什麼？

科技的進步讓人變得更懶，也就是我們自身的處理能力降低，無論是主觀的還是客觀的。而可被選擇的物件卻在日益增多。從紛繁複雜的商品（電商），到海量曲庫中的樂曲；從婚戀**的男女朋友，到交通管理的訊號燈。

基於人工智慧下的大資料，就是可以使人們「變懶」的乙個手段。基於你的歷史行為，判斷出你可能的喜好，乃至需求，將最佳結果，推薦給你。這就是大資料，她是你的貼心管家，或者說是最懂你的朋友。

乙個最經典的案例是沃爾瑪曾經做過的「啤酒」和「尿布」調研：沃爾瑪在研究中發現，一類顧客經常在購買尿布的同時也購買啤酒。尿布跟啤酒自然是毫無關聯的兩個品類的商品，從個人經驗上來看，根本想不到二者的聯絡。後來發現，這是一類社會現象所導致的。美國有很多年輕夫婦，尿布用完後，女主人在家帶孩子，而男主人就去超市買尿布。買完尿布之後，男主人通常會順帶著買些啤酒。

上述例子說明，資料經常可以讓你發現看似不合理不合邏輯但卻存在，並且經常發生的現象。

再舉個例子，北京的交通擁堵是地球人都知道的事情。尤其是早晚高峰，這已經不需要**了。但如果根據歷史交通資料，再經過數學模型，計算出乙個全北京最佳的交通訊號燈管理系統，這就屬於大資料的範疇了。

大資料不是萬能的

不要以為是海量資料就一定會有價值，在過往的工作中，我們經常發現來自甲方的資料來源有80-90%的資料都是無用的。只有10%-20%的資料才會產生一定的價值。這就又讓我想到marry meeker打的那個比喻，「大資料的工作就像在一堆稻草中尋找一根針」。

何況，大多數領域本身業務屬於早期，所擁有的資料非常貧乏。冷啟動、稀疏性是大資料在諸多領域面臨的挑戰。

另一方面，對於不同領域，不同專案，沒有放之四海而皆準的演算法，必須要根據具體問題具體分析解決。在實際的工作中發現，不只是不同的領域（如文章推薦與商品推薦），甚至同一領域的不同單元（同屬電商但不同類電商，如母嬰類和服裝類或者奢侈品類）也有所不同。

資料的交叉利用

上面提到的兩個大資料在實際應用中面臨的最大問題，即冷啟動時資料的匱乏和業務早期資料的稀疏性問題，並不是無藥可救。業界一直討論的資料打通，就是解決這兩問題的出路。

對於一些新興領域，缺乏資料是必然的，而另一方面，正由於缺乏資料的支援，所以才更需要有強大決策支援的系統對其業務做指導和支撐，以實現少走彎路，利益最大化的目的。

移動網際網路領域的專案，尤為代表。雖然在過去的兩三年裡，移動網際網路得到了高速的發展，但畢竟在各個方面的積累，都無法與網際網路相比。尤其在人們形成穩定的使用習慣之前，資料還不具備更多的價值和意義。

但如果能把網際網路的資料與移動網際網路資料打通，那麼我們就掌握了這個人的喜好等多方面資訊，從而為移動網際網路業務做出更有效的指導和幫助。

當然，資料的打通絕不僅限於網際網路和移動網際網路。每個資料來源的資料往往刻畫了乙個人的不同方面。正如巴拉巴西教授在《爆發》一書中描繪的那樣，如果資料充分，人類93%的行為是可以預知的，是有規律的。

也只有將這些不同**的資料重新組織，才能挖掘出更有意義的資訊。

大資料能做什麼？

大資料能做什麼

大資料能做什麼

大資料能做什麼

相關推薦