【51CTO.com原創(chuàng)稿件】大數(shù)據(jù)概論

“大數(shù)據(jù)”是近兩年來(lái)各界最熱議的話題之一。那么大數(shù)據(jù)究竟是什么?

據(jù)我個(gè)人理解，大數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)(Structured Data)和非結(jié)構(gòu)化數(shù)據(jù)(Unstructured Data)。數(shù)據(jù)來(lái)源包括傳統(tǒng)交易如企業(yè)ERP、財(cái)務(wù)、CRM系統(tǒng)和潛在海量的數(shù)字來(lái)源如網(wǎng)頁(yè)、移動(dòng)應(yīng)用用戶行為、教育視頻點(diǎn)播和媒體資源。

由于“大數(shù)據(jù)”的熱點(diǎn)集中和可以處理海量數(shù)據(jù)如大規(guī)模并行計(jì)算(massively parallel computing)、云計(jì)算、Hadoop和MapReduce。因此，Oracle、IBM、微軟、SAP和其他大廠家目前共同在推動(dòng)相關(guān)對(duì)話。但光談技術(shù)解決不了中國(guó)非500強(qiáng)企業(yè)所面臨的行業(yè)競(jìng)爭(zhēng)和混亂。這些企業(yè)已了解轉(zhuǎn)型的必要性和緊迫性，關(guān)注的話題包含集合傳統(tǒng)數(shù)據(jù)和數(shù)字?jǐn)?shù)據(jù)產(chǎn)生的洞察和如何形成研究問(wèn)題。當(dāng)然非500強(qiáng)企業(yè)也了解B744引擎放不進(jìn)拖拉機(jī)，所以偏向先建立扎實(shí)的數(shù)據(jù)分析基礎(chǔ)，優(yōu)化用戶體驗(yàn)。

我也堅(jiān)信大數(shù)據(jù)確實(shí)帶來(lái)新業(yè)務(wù)機(jī)遇，但目前更關(guān)注數(shù)據(jù)如何驅(qū)動(dòng)企業(yè)實(shí)際價(jià)值。本文將分享Countly與客戶合作所獲取的經(jīng)驗(yàn)。

大數(shù)據(jù)的六大規(guī)則。

從Countly累計(jì)的經(jīng)驗(yàn)，我整理了一些規(guī)則適合“小”和“大”的數(shù)據(jù)領(lǐng)域。當(dāng)你開(kāi)始你的大數(shù)據(jù)路途，這些規(guī)則將會(huì)幫你縮短學(xué)習(xí)曲線，并獲得更大的價(jià)值：

1、在早期階段，先建立數(shù)據(jù)燈塔再考慮大數(shù)據(jù)。

好好規(guī)劃你的數(shù)據(jù)項(xiàng)目。在最初期，建議“失敗快，但往前跌”(fail faster while failing forward)的規(guī)劃。不要花24個(gè)月搭建海量的大數(shù)據(jù)環(huán)境，后期再發(fā)現(xiàn)這是你***的錯(cuò)誤。

你可以相當(dāng)快開(kāi)始采集數(shù)據(jù)、建立非完善的數(shù)據(jù)倉(cāng)庫(kù)和做數(shù)據(jù)分析。這種組建可稱為數(shù)據(jù)燈塔，先關(guān)注三大趨勢(shì)：

• 發(fā)現(xiàn)以前未知的走勢(shì)或關(guān)鍵驅(qū)動(dòng)因素
• 摸索異常的記錄
• 理解數(shù)據(jù)中的相關(guān)性

覆蓋率有可能不完善，但獲取一些立竿見(jiàn)影的成果和指引后期的擴(kuò)展。關(guān)鍵是一開(kāi)始得考慮規(guī)劃擴(kuò)展性和靈活性的選擇。

2、建立大數(shù)據(jù)思考。

Avinash Kaushik，一位數(shù)字分析的專家，倡導(dǎo)采用框架的數(shù)字營(yíng)銷計(jì)量模型確保數(shù)據(jù)分析項(xiàng)目針對(duì)公司最重要的業(yè)務(wù)(請(qǐng)查看Avinash所整理的以下例子)。此外，你必須與高層有共識(shí)，不需太細(xì)，但在一頁(yè)面總結(jié)明確的業(yè)務(wù)目標(biāo)與實(shí)現(xiàn)。

數(shù)字營(yíng)銷核心指標(biāo)

當(dāng)你通過(guò)數(shù)據(jù)燈塔掌握這些數(shù)據(jù)，你所獲取的見(jiàn)解將帶給你驚喜。你對(duì)企業(yè)的影響將是巨大的，因?yàn)樵诤芏嗥髽I(yè)還沒(méi)集合傳統(tǒng)數(shù)據(jù)和數(shù)字?jǐn)?shù)據(jù)。

3、如果大數(shù)據(jù)思考比大數(shù)據(jù)技術(shù)更重要，那么在技術(shù)方面我們又能做些什么呢?

當(dāng)你的公司使用免費(fèi)的用戶分析平臺(tái)，如Google Analytics或友盟，你的數(shù)據(jù)將是產(chǎn)品，為廠家建立附加值(如谷歌Adsense)。由于虛擬商業(yè)模式抄襲是市場(chǎng)最隆重的贊美，自部署或在私人化的部署越主流以保障數(shù)據(jù)安全和靈活融合數(shù)據(jù)。

讓我們繼續(xù)討論數(shù)字?jǐn)?shù)據(jù)解決方案。由于你需要評(píng)估成本、二次開(kāi)發(fā)靈活性、可擴(kuò)展性、數(shù)據(jù)所有權(quán)和性能，可考慮開(kāi)放的平臺(tái)，如Countly用戶行為分析平臺(tái)和其他推薦數(shù)據(jù)可視化和其他實(shí)用的Javascript軟件。

4、先追求正確的時(shí)刻獲取數(shù)據(jù)，而不是實(shí)時(shí)數(shù)據(jù)。

另外，建議你先徹底了解你的公司目前如何組織數(shù)據(jù)，然后把數(shù)字?jǐn)?shù)據(jù)融入現(xiàn)有流程。始終目標(biāo)是如何匹配數(shù)據(jù)傳化成見(jiàn)解和洞察。如果實(shí)時(shí)數(shù)據(jù)沒(méi)創(chuàng)造業(yè)務(wù)價(jià)值，你何必投入資源實(shí)現(xiàn)呢?而且你的公司將省很多錢(qián)，因?yàn)楹Ａ康膶?shí)時(shí)數(shù)據(jù)肯定不便宜!

數(shù)據(jù)采集過(guò)后，你的公司需要任何人工處理嗎?如果答案是需要，那么你不需要實(shí)時(shí)數(shù)據(jù)，你需要正確的時(shí)刻獲取數(shù)據(jù)。如果你有智能或規(guī)則驅(qū)動(dòng)的自動(dòng)化系統(tǒng)，那么你可考慮獲取實(shí)時(shí)數(shù)據(jù)的“原材料”。

5、數(shù)據(jù)質(zhì)量差，但還是得做業(yè)務(wù)決定。

我們的目標(biāo)應(yīng)該是盡可能地采集、處理和存儲(chǔ)數(shù)據(jù)。這流程可能不完善，但數(shù)字?jǐn)?shù)據(jù)仍然具有價(jià)值。因?yàn)橄鄬?duì)于任何的傳統(tǒng)來(lái)源，數(shù)字?jǐn)?shù)據(jù)讓你建立最完善的用戶畫(huà)面與傳化。

數(shù)字?jǐn)?shù)據(jù)質(zhì)量確實(shí)有優(yōu)化的空間，如何處理視頻或眼花繚亂的社會(huì)媒體平臺(tái)。但市場(chǎng)不會(huì)等你做這些優(yōu)化，所以開(kāi)始憑數(shù)據(jù)做小決定。記住，即使這些決定將是革命性的，因?yàn)閿?shù)字與傳統(tǒng)數(shù)據(jù)集在好多公司從來(lái)沒(méi)集合!隨著經(jīng)驗(yàn)的累計(jì)和了解數(shù)據(jù)的限制，你將可以做更多附加值的決定。

6、消除噪音比找到信號(hào)更有價(jià)值。

到目前為止，我們查詢的目標(biāo)是從所有噪音摸索有價(jià)值的信號(hào)。以掌握正確的信號(hào)，前提包括清晰的研究問(wèn)題、數(shù)據(jù)規(guī)模較小、數(shù)據(jù)集更完整。前美國(guó)國(guó)防部長(zhǎng)DonaldRumsfeld所謂的已知的已知(Known Knowns)和已知的未知(Known Unknowns)。Rumsfeld采用這概念討論反恐情報(bào)的噪音，但也適用于分析和研究(請(qǐng)查看以下模式),做明智的業(yè)務(wù)決定。當(dāng)然，“未知”的象限需要你的公司累計(jì)經(jīng)驗(yàn)才可以比較進(jìn)行有效探討。

已知的已知模式(來(lái)自TextOre)

以建立數(shù)據(jù)燈塔和面臨大數(shù)據(jù)時(shí)代，你必須知道如何消除海量數(shù)據(jù)量的噪音，才可能開(kāi)始尋找信號(hào)。

六個(gè)簡(jiǎn)單的規(guī)則，讓你們革命者遵循，確保，革命成功。

這六條規(guī)則正在解決***執(zhí)行官的問(wèn)題，而不是CIO或CTO。因此，所思考的的問(wèn)題較宏觀。此外，討論大數(shù)據(jù)之前，我建議先建立扎實(shí)的基礎(chǔ)，通過(guò)大數(shù)據(jù)思考并搭建數(shù)據(jù)燈塔。

你覺(jué)得以上的框架有價(jià)值嗎?它會(huì)驅(qū)使你改變對(duì)大數(shù)據(jù)的處理方式嗎?關(guān)于以上的規(guī)則，哪一條規(guī)則最實(shí)用?你從經(jīng)驗(yàn)中分享的***的數(shù)據(jù)建議是什么?期待回音!

作者介紹

陳俊勛是Countly的中國(guó)與亞太區(qū)的市場(chǎng)經(jīng)理。Countly 代表一種新類型的互動(dòng)協(xié)作技術(shù)，從而為技術(shù)型和非技術(shù)型利益相關(guān)者提供一條求知和創(chuàng)新之路。Countly建立了一個(gè)開(kāi)放的Web和移動(dòng)解決方案，允許公司掌握自己的數(shù)據(jù)，回答針對(duì)不同領(lǐng)域需求的問(wèn)題。因此，Countly 的格言相當(dāng)簡(jiǎn)單，“贏在定制” 。如果你有意向分享自己公司在數(shù)據(jù)分析的不平凡之路，歡迎隨時(shí)聯(lián)系 Countly(hello@count.ly)。

【51CTO原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文作者和出處為51CTO.com】