盡管大數據已成為熱門話題，但很多企業并不知道如何正確地步入大數據的懷抱，特別是對于很多中小企業，沒有大筆資金以及人力的它們更是手足無措。與此同時，企業在談到大數據和分析的時候，常常考慮的切實問題是如何從數據當中獲得更多的價值，特別是對于擁有不同數據的行業客戶而言，其最關心的是如何從數據中提取價值，并驅動其基于業務而非IT進行分析。
    近日，美國數據科學家、Taste Analytics創始人及CEO汪曉宇博士表示，無論是大型企業還是中小企業，其面臨的困境都大同小異：一是正確的認識大數據和分析，二是企業如何簡便地參與進來。
 

[[159736]]
Taste Analytics創始人及CEO汪曉宇博士
 

原始數據需要架構
    在汪曉宇看來，很多企業特別是大型企業所蘊藏的數據量驚人，但數據分析的關注重點并不是對體量的研究，而是聚焦在數據所產生的價值。
    “有些原始數據實際上非常復雜，包括結構化數據、非結構化數據、半結構化數據，如果僅是原始數據，即一堆雜亂無章的信息，大數據帶來的實際意義并不大。”汪曉宇表示，企業必須對數據進行架構，找出其中的價值。
    除此之外，對于數據本身而言，因為數據獲取渠道很多，所以會遭遇很多問題，包括這些數據是否真實，是否完整，是否有沖突，是否存在不確定性等，這都需要一一確認。
    同時，企業還需要考慮數據的同理化和社會化，畢竟數據來源不同，但企業需要用一體化的建模方式對待數據、分析數據，這樣才能使最終用戶得到有價值的產品或信息。

大數據分析不僅是科學而是藝術
    跨過原始數據的障礙后，在數據分析部分，僅在最開始數據清洗環節便面臨不小的挑戰。如果手動地進行信息處理，有報告指出，光是數據清洗就將耗費分析師超過80%的時間。
    汪曉宇表示，在這個過程中，業界有種聲音是通過機器學習進行分析建模，這樣盡管能解決部分問題，但因為機器學習算法可能非常僵硬、晦澀，分析容易受限并忽略整體情況，缺乏了人類的智能，而這樣的結果并不能發揮出數據的真正意義。
    所以在汪曉宇看來，大數據分析與其說是科學（計算模型），還不如說是藝術（需要人類分析的智能）。
    一個著名的人機智能PK案例是，1997年國際象棋冠軍Garry Kasparov和深藍（計算機）大戰，***敗給深藍。但在2005年的人工智能和“增強智能”（Augmented Intelligence）的大戰中，“增強智能”優勢體現出來了，一位大師利用1套象棋程序打敗了象棋計算機Hydra。
    “如果擁有人工智能，或得到計算機輔助，作為人的我們就可以進行更好的協作，并得出更好的決策。所以在大數據分析中，以人為中心的轉變，應從數據操作轉移到決策本身。”汪曉宇表示。
 
B2B模式應由業務而非IT驅動
    在大數據及分析的過程中，人成為核心，并應將關注點轉移到決策部分。那么對于企業，如何得到這樣符合商業要求的分析結果，從而配合人的決策實現“增強智能”呢？
    汪曉宇表示，現在Taste Analytics已經有簡便的方式向企業提供所需的數據。他表示，可以在采用虛擬化技術的基礎上，通過三方面助力企業進入大數據。
    一是分析工具的采用，使得企業不用親自去完成所有的數據清洗等過程。同時考慮到B2B的商業模式應該由業務驅動而非IT，所以可以在業務環境中部署分析工具，從而實現企業運轉的靈活及敏捷性。
    二是提供按需的數據，企業無需如過去一樣耗費很大精力建立數據之間的相關性，而是由平臺提供相關任務的數據。
    三是以用戶為中心的分析，決策者通過正確的提問，并可以得到與其業務環境相關的回答。
    目前Taste Analytics正在這么做，以使得分析結果符合客戶的商業需求，同時“面向不同的客戶提供不同的工具，只有這樣才能幫助客戶在各異的行業中發掘洞察。”
    汪曉宇強調，在未來企業的B2B商業模式中，業務增長是關鍵，而基于大數據的業務分析正符合了時代需求，同時通過人類和計算機的互動，使得圍繞最終用戶的商業分析成為可能。

（更多資訊請關注硅谷B2B自媒體“TA赫茲”，微信號：tahezi，二維碼如下）