談到大資料，讓我想起了乙個段子，說人們談大資料就像青少年談**，每個人都談的頭頭是道，但都不知道對方說的是什麼玩意，同時還要裝做自己都聽懂了。
好在這些曾經的青少年，有的也已經過了**禮，或多或少的有了一些經驗，沒有了當初的青澀和懵懂，也沒有當初那麼健談。
再說起大資料時，已經從最開始的狂熱，逐步變得理性，或者有意地做理性的思考。
這不光是大資料，幾乎所有的概念、技術出來都會經歷這樣乙個過程，恍如曾經的物件導向、設計模式、ajax、資料倉儲、推薦系統、網際網路+,,,,都不可避免的走這麼一遭。
這有點像機器學習中的退火演算法，要想求得最優解，需要將初始解「加熱」到隨機態。
退火這個概念是從物理學中借鑑過來的，那退火之前要做什麼呢？ 「加熱」。
這個加熱到退火的過程，像極了某些概念剛出道時的甚囂塵上，以及之後的理性回歸。
就跟鐵匠打鐵，要先加熱，不加熱就不能鍛造；然後要冷卻，不冷卻就不能成器。
現在的大資料，已經過了其溫度最高的時候。
這並不是說它現在不火了，恰恰相反，乙個「火」著的東西，是很難創造什麼真正價值的，因為它光顧著火了，什麼都做不了。
那開始冷卻的大資料概念，怎麼樣才能發揮其應有的價值，給這些追隨它的信徒們帶來白花花的銀子呢？
或者乙個更直接、更實際的問題：乙個公司，大資料工作如何開展，才能真正有效、物有所值？
這個問題，很難有統一的、技術層面的答案。
不過，我覺得首先得明確以下幾點，大資料才有可能發揮其真正的威力。
首先，大資料不是萬能的，而且也沒有什麼東西是萬能的。
1. 既然不是萬能的，你就要明確，你希望大資料能幫助你解決什麼問題。
2. 大資料，最不能少的就是資料，要解決什麼問題，就要有可能解決該問題所需要的資料，否則就是無公尺之炊。
3. 有了問題，有了資料，還要有人，要有對問題理解透徹、同時能搞的定資料的人。
上訴三點，缺一不可，缺少任何一項都會讓你在錯誤的道路上越走越遠。
有一些公司和團隊，做大資料就是狂造平台，以為造乙個大的平台放資料，就是大資料了。
還有一些，拼命招人，以為招幾個所謂的大牛就能幫祝你在風口優雅地飛起來。
當然這還不是最糟糕和令人惋惜的，最令人痛心的是：有了超一流的資料平台， 也有了超一流的團隊，但是沒有想清楚問題是什麼，沒有商業模式、沒有場景、沒有問題。
物不能盡其用，人不能盡其才。 what a pity!!!
大資料實施關鍵：
資料、人、商業場景，乙個都不能少。
雜談大資料
王堅博士在書中提到，大資料這個叫法是有些許錯誤的。於是，我便帶著這個問題 大資料不叫大資料，那它應該叫什麼？去認真的閱讀了此書。下面分享一下，我對這個問題的些許看法。大資料 雲計算是共生體。為什麼將它們兩個放在一起呢？因為它們兩個誰也離不開誰，準確的來說它們兩個算得上一對宿命鴛鴦。資料不計算永遠產生...
大資料雜談之 HIVE和HBASE區別
1.兩者分別是什麼？apache hive是乙個構建在hadoop基礎設施之上的資料倉儲。通過hive可以使用hql語言查詢存放在hdfs上的資料。hql是一種類sql語言，這種語言最終被轉化為map reduce.雖然hive提供了sql查詢功能，但是hive不能夠進行互動查詢 因為它只能夠在ha...
資料倉儲雜談
昨天跟同事聊了下目前哪些行業資料倉儲比較領先，各個行業的資料倉儲是怎麼做的，跟網際網路比，差別是什麼東西，前期資源評估，資料庫選型怎麼搞等。有點心得，記錄如下 1，目前來看，金融，保險，通訊，網際網路，物流這幾個行業的資料倉儲做的比較領先，其中由於金融和通訊的業務模型比較穩定，清晰，所以基本上從業務...