關於大數據的九點思考：沒有妳想的那麽神奇
大數據思考之壹
任何壹個網站的數據都是人們互聯網行為數據的很小的壹個子集，無論這個子集多麽全面，分析多麽深入，都是子集，不是全集。對於企業來講，競爭對手的數據價值遠遠超過自己網站數據的價值，從量級上，對於所有公司都壹樣，自己擁有的數據遠遠小於全集數據。看起來的全數據恰恰是殘缺數據。
大數據思考之二
數據量的大幅增加會造成結果的不準確，來源不同的信息混雜會加大數據的混亂程度。研究發現：巨量數據集和細顆粒度的測量會導致出現“錯誤發現”的風險增加。那種認為“假設、檢驗、驗證的科學方法已經過時”的論調，正是大數據時代的混亂與迷茫，人們索性擁抱凱文凱利所稱的混亂。
大數據思考之三
互聯網用戶的基本特征、消費行為、上網行為、渠道偏好、行為喜好、生活軌跡與位置等，反映用戶的基本行為規律。體系完整是所有分析性工作的第壹步，完整的框架甚至勝過高深的模型。人類的認識最大的危險是不顧後果的運用局部知識。如果只關心自己網站數據，其分析基礎必然是斷裂數據。
大數據思考之四
現在談到大數據，基本有四個混亂觀念：第壹，大數據是全數據，忽視甚至蔑視抽樣；第二，連續數據就是大數據；第三，數據量級大是大數據；第四，數據量大好於量小。對應的是：抽樣數據只要抽樣合理，結論準確；連續只是壹個數據結構；大量級的噪音會得出錯誤結論；大小與價值關系不大。
大數據思考之五
大數據不是新事物，天氣、地震、量子物理、基因、醫學等都是，借鑒他們的方法有益。他們用抽樣調查。互聯網數據挖掘方法論也如此，不同的是更難，因為人的復雜性。既然是關於人的研究就需應用所有研究人的方法梳理大數據。只要懂編程、懂調動數據的人就可以做大數據挖掘的說法是謬誤。
大數據思考之六
大數據分析中分析構架為第壹要著，算法也極為關鍵，在最近的大數據處理中發現：解析網址後的分類是是壹個難點，主要有幾個方面，壹個千萬人的網絡行為數據壹天產生的域名大約50000個，雖然有壹些算法，但是混淆、難以辨認、連續更新與判別是分析中的重要步驟，簡單分易，精細分難。
大數據思考之七
算法中，只要包含文本，就必然有兩個關鍵基礎技術：關鍵詞（字典）與語義分析，關鍵詞技術成熟，語義技術是瓶頸，中文語義太難，能解決50%的團隊就不錯了，尤其是社交語言，比如＂真可以！＂何解？需上下文。希望風投們多鼓勵此類基礎技術研發，突破此瓶頸是大數據挖掘的關鍵點之壹。
大數據思考之八
社交數據挖掘中，很多團隊集中在運用推特瀑布思路，就是可視化技術，其構圖精美值得稱道，問題是，其理論還是沿用三十多年前的社會計量法，概念還是局限在點、橋、意見領袖等小群體分析，不適合巨網，突破可視化框架的社交分析需要理論探索和實踐努力。
大數據思考之九
移動互聯網對社會生活的影響本質是時間與空間的解構，分析這類大數據需要把握這兩點，如果僅僅分析app和網絡使用行為，那麽分析上就失去了移動的意義。單純看流量、點擊率等簡單數字無法解決復雜的營銷問題。不創新的延續原有思維模式是人類思考惰性。
以上是小編為大家分享的關於關於大數據的九點思考 沒有妳想的那麽神奇的相關內容，更多信息可以關註環球青藤分享更多幹貨