正确运用避免陷入大数据的“陷阱”

1. 正确运用避免陷入大数据的“陷阱”

正确运用避免陷入大数据的“陷阱” 
通常，对于新的IT关键词必定会出现“反对派”。最近，“大数据”就成为被攻击的对象，诸如“大数据失败论”等论调也明显增加。
    业界对大数据抱着极大的期待，这一点从大量的大数据研讨会和展示会风潮就足以证明。这些年来，除了云计算浪潮，缺乏热烈话题的IT业界而言，大数据是期待已久的大型关键词，也许大数据会成为恢复业界活力的强心剂。
  
与此同时，日本政府提出新的IT战略--“将行政数据向民间开发，以便不断创造新商务”。也就是说，如何有效利用数据，推动商业成功，业已成为国家战略的一环。
    虽然笔者既不是强烈的赞成派也不是反对派，但通过以往的采访经验，对处理数据的难度有着清醒的认识。更何况涉及到大数据，其难度显而易见。
    笔者周边很多人对大数据也有着各种不同的看法，提出各种问题。当然这些对于IT业界的读者而言，都是理所当然的事情，笔者说这些也许是班门弄斧了。但是，正是这些众所周知的道理通常也是非常重要不可忽视的。因此，下面笔者将重新提出大数据的“陷阱”，探讨如何才能避免运用大数据的失败。
   是否真正需要大量的数据
    首先，必须明确的一点是，是否真正需要大量的数据。
    在一次活动中，一位统计分析的专家在谈到大数据时说：“本来统计分析学是如何通过少量的取样，去了解事务整体的学问。例如，电视的收视率调查就是一个典型的事例，这类调查就是通过极少的样本，来掌握日本全国的收视状况。如果目的明确，并不需要大量的数据。”
    由于上述言论出自目前作为“数据科学家”备受瞩目的统计分析方面的专家之口，让笔者不禁大吃一惊。这就是说，只要有一定量的数据，无关数据数量，分析的结果并不会有很大的差别。如果果真如此，不禁让人产生怀疑，即到底大数据是为何而存在。
    听到上述观点，使人感到大数据所面临的矛盾的应当不仅仅是笔者一人。本以为通过大数据分析，满怀期待能够发现以往没有认识到的新的东西，但有时其结果不过是已有所知的事实而已。如果企业为系统开发投入数十亿日元，得出的不过是证明资深职员“经验”的结论，这也未免让人难以接受。
    正因为如此，就有必要重新考虑为何需要大数据这一问题。例如，企业需要明确通过将有交易往来的公司和社交媒体等本企业外的大量数据进行组合，是为达到何种目的等，即有必要事先制定大数据的目标。
  数据的“质量”有无问题
    第二点是由谁来维护大量的数据，即数据的“质量”如何能够得到保障。
    笔者曾听说这样一件事。某企业的总经理每个月都会收到有交易往来的IT供应商的宣传（PR）杂志，但收件人的头衔不是“总经理”，而是他曾经兼任公司CIO时的头衔“常务董事”。虽然将头衔搞错，但还是都能收到，因此并没有太在意。但当这家IT供应商的总经理到公司进行礼节性拜访时，就提出了希望改一下头衔的想法。
    而这家IT供应商的新的卖点是大数据，公司的总经理当场表示回去马上会进行修改。起初以为这点事情对于运营大数据业务的IT供应商而言不过是举手之劳，一定会进行纠正。但是，等到下一个月他收到的的PR杂志时，发现收件人的头衔仍然是“常务董事”。这位总经理通过两本PR杂志感到仿佛看到了大数据的现状，因此他非常失望地说：“归根到底IT供应商并没有维护顾客数据库”。
    上述例子虽然是顾客数据，而不仅仅是顾客数据，说到大数据必然还需要处理很多各种各样的企业外部的数据。但是，这些数据是否是最新数据，其数据的精确度又如何等数据的“质量”就会非常重要。分析出处不明的数据将毫无意义。如果顾客数据不能随时进行维护，也就不会产生任何价值。不应当将当初以为是宝山的大数据，变成一座堆满垃圾的山。
   是否忽视了现场职工的工作干劲
    第三点就是企业不仅应当努力培养数据科学家，同时也需要提升现场职员的分析数据的能力。如果在店头等现场直接接触顾客的员工变得“擅长数字”，他们也能够常常通过数据考虑事情并进行判断，这样的企业必定会强大起来。
    例如，有一家超市的店头销售员就从与顾客的对话中得到启发，通过购进新的商品或是改变商品陈列的方法，提升了销售额。又比如，在特快列车上负责销售的员工，发现似乎“可吸烟座位的咖啡畅销”，当他整理出不同列车的销售业绩，结果发现确实是如此。于是决定在吸烟车厢集中推销咖啡，结果咖啡的销售量明显增加。
    当然，通过现场增加的销售额，也许和利用大数据获得的销售数字相比很小，而且其分析能力也远远不及数据科学家。但是即便如此，如果通过将这种方式横向拓展到其他现场，积累的数字也会非常可观。同时，最为重要的是，这种方式能够提升现场员工的工作动力。
    实际上，某零售企业自从将其销售分析统一由总公司实施后，店头员工就失去干劲，甚至出现退职的员工。这说明只依靠上级的指令，则会降低现场的职业道德。因此，这家公司决定给予现场员工自由分析判断的职能，由此店头又重新恢复了活力。虽然大数据非常重要，但是如果将权限集中在某些部门，则会导致现场丧失工作干劲。
    以上三点实际上不仅仅对大数据而言非常重要，而且同时适用于整个信息系统。大数据是IT业界期待已久的关键词，为使其成长壮大，就需要脚踏实地的努力，而不应被其华丽的部分所束缚摆弄。正因为如此，笔者认为提出的上述三点需要重新铭记心中。

2. 大数据的陷阱是什么？

3. 大数据实在的陷阱有哪些？

4. 大数据时代的陷阱有哪些呢？

5. 大数据时代的陷阱是什么？

6. 大数据时代都有哪些陷阱？

7. 大数据分析的四类陷阱

大数据分析的四类陷阱
科技领域的人们正摩拳擦掌以迎接大数据（Big Data）时代的到来。大数据技术的本质是能够对数十亿的信息进行分析，从中获得有价值的洞见。例如惠普的研究人员就能根据Twitter来预测好莱坞的票房。由此看来，其它行业只要具备合适的工具，就能对社会网络进行数据分析。但是事情并非如此简单。首先，分析大数据集并不是什么新鲜事。有些公司已经做了几十年的数据分析。当前技术的不同之处在于，它提升了分析的速度，扩展了数据规模，使小型企业也能使用这种技术。而另一方面，大数据也会造成更严重的错误。针对上例，普林斯顿大学就得出了不同的研究结论：Twitter并不能真的预测票房成绩。对同一个问题，研究者怎么会得出相反的结论呢？我们来看一下数据分析中最常见的四类陷阱。1、样本缺乏代表性大数据的背景仍是统计分析和推断。而统计系学生应该学到的一件事就是：统计结论依赖于样本的代表性。Twitter用户可能受到更高教育且收入更高，其年龄也会偏大一些。如果用这种有偏的样本来预测目标观众是年轻人的电影票房，其统计结论可能就不会合理了。提示：确保你得到的样本数据代表了研究总体。否则，你的分析结论就缺乏坚实的基础。2、事物是变化的对研究对象的科学理解需要耐心。可能你的实验获得了预期的效果，但这还不够。你应该进行后续实验看能否得到相同的结果，还要看其他研究人员能否重现你的实验结果。特别是在处理人类个体或团队行为的时候，这一点尤其重要。这是因为事物在是不断变化的。惠普和普林斯顿大学的研究项目有两年的时间间隔，在这段时间中Twitter用户有可能发生了改变。同样的道理，如果观察到公司的增长速度发生变化，这有可能是客户群的情绪变化，也可能是使用了错误的数据收集或分析方法。提示：不要只进行一次分析。要定期验证你之前的结论。 3、理解数据方式不同惠普和普林斯顿的两组研究人员所看到的数据不仅仅是推文。惠普的研究人员建立了一个模型，来研究电影首映时的发推率和上映影院数量。但上映影院的数量与票房成功之间有很强相关性。而普林斯顿的研究人员使用机器学习技术，来研究在三个不同时间段（影片上映之前、期间或观影后）用户的推文情绪特征（正面或负面）。也就是说，这两个研究团队都表示，他们在研究Twitter的预测能力。但实际上，他们除了使用twitter数据之外还利用了其它数据资源，例如上映影院数量和IMDB评分等等。这样Twitter的预测效果与其它因素混合在一起，它或许是预测票房成功的一种影响因素，这要取决于研究人员如何理解和使用它。提示：一组数据可以提供多种类型的信息。你需要找到不同的解释方式，并加以分析 4、错误和偏差人会犯各种错误。有可能是某个研究小组出现了某个错误。例如试图将所有的推文都归为正面或负面的情绪，这种方法也许有些粗糙。又或许研究人员不自觉地选择数据，以支持他们的论点。例如普林斯顿大学研究人员假设，是推文本身而非推文的数量，蕴含着消费者的情绪表达。提示：不要只使用一种方法。用事实来检验你的假设是否奏效。大数据技术能很好的改善企业产品和服务，并更好地满足市场。但是，信息需要人来解释，而人的错误有时是致命的。所以大数据是一柄双刃剑，成功与否还得看持剑人的功力。
以上是小编为大家分享的关于大数据分析的四类陷阱的相关内容，更多信息可以关注环球青藤分享更多干货

8. 大数据给我们带来了怎样的技术问题呢?

1、如何利用信息技术等手段处理非结构化和半结构化数据
2、如何探索大数据复杂性、不确定性特征描述的刻画方法及大数据的系统建模
3、数据异构性与决策异构性的关系对大数据知识发现与管理决策的影响