如果數(shù)據(jù)有一點(diǎn)點(diǎn)就不錯(cuò)了，那么數(shù)據(jù)是海量的話就一定棒極了，對(duì)不對(duì)?這就好比說(shuō)， 如果一個(gè)炎日夏日里的微風(fēng)讓你感覺涼爽，那么你會(huì)為一陣一陣的涼風(fēng)感到欣喜若狂。以下為譯文：

也許對(duì)大數(shù)據(jù)更好的一個(gè)類比是它就像一匹意氣風(fēng)發(fā)的冠軍賽馬: 通過(guò)適當(dāng)?shù)挠?xùn)練和天賦的騎師，良種賽馬可以創(chuàng)造馬場(chǎng)記錄–但沒有訓(xùn)練和騎手，這個(gè)強(qiáng)大的動(dòng)物根本連起跑門都進(jìn)不了。

[[202124]]

為了確保你組織的大數(shù)據(jù)計(jì)劃保持正軌，你需要消除以下10種常見的誤解。

1. 大數(shù)據(jù)就是‘很多數(shù)據(jù)’

大數(shù)據(jù)從其核心來(lái)講，它描述了結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)如何結(jié)合社交媒體分析，物聯(lián)網(wǎng)的數(shù)據(jù)和其他外部來(lái)源，來(lái)講述一個(gè)”更大的故事”。該故事可能是一個(gè)組織運(yùn)營(yíng)的宏觀描述，或者是無(wú)法用傳統(tǒng)的分析方法捕獲的大局觀。從情報(bào)收集的角度來(lái)看，其所涉及的數(shù)據(jù)的大小是微不足道的。

2. 大數(shù)據(jù)必須非常干凈

在商業(yè)分析的世界里，沒有“太快”之類的東西。相反，在IT世界里，沒有“進(jìn)垃圾，出金子”這樣的東西，你的數(shù)據(jù)有多干凈?一種方法是運(yùn)行你的分析應(yīng)用程序，它可以識(shí)別數(shù)據(jù)集中的弱點(diǎn)。一旦這些弱點(diǎn)得到解決，再次運(yùn)行分析以突出 “清理過(guò)的” 區(qū)域。

3. 所有人類分析人員會(huì)被機(jī)器算法取代

數(shù)據(jù)科學(xué)家的建議并不總是被前線的業(yè)務(wù)經(jīng)理們執(zhí)行。行業(yè)高管Arijit Sengupta在 TechRepublic 的一篇文章中指出，這些建議往往比科學(xué)項(xiàng)目更難實(shí)施。然而，過(guò)分依賴機(jī)器學(xué)習(xí)算法也同樣具有挑戰(zhàn)性。Sengupta說(shuō)，機(jī)器算法告訴你該怎么做，但它們沒有解釋你為什么要這么做。這使得很難將數(shù)據(jù)分析與公司戰(zhàn)略規(guī)劃的其余部分結(jié)合起來(lái)。

預(yù)測(cè)算法的范圍從相對(duì)簡(jiǎn)單的線性算法到更復(fù)雜的基于樹的算法，***是極其復(fù)雜的神經(jīng)網(wǎng)絡(luò)。

來(lái)源：dataiku， dataconomy 。

4. 數(shù)據(jù)湖是必須的

據(jù)豐田研究所數(shù)據(jù)科學(xué)家Jim Adler說(shuō)，巨量存儲(chǔ)庫(kù)，一些IT經(jīng)理們?cè)O(shè)想用它來(lái)存儲(chǔ)大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，根本就不存在。企業(yè)機(jī)構(gòu)不會(huì)不加區(qū)分地將所有數(shù)據(jù)存放到一個(gè)共享池中。Adler說(shuō)，這些數(shù)據(jù)是 “精心規(guī)劃”的，存儲(chǔ)于獨(dú)立的部門數(shù)據(jù)庫(kù)中，鼓勵(lì)”專注的專業(yè)知識(shí)”。這是實(shí)現(xiàn)合規(guī)和其他治理要求所需的透明度和問(wèn)責(zé)制的唯一途徑。

5. 算法是萬(wàn)無(wú)一失的預(yù)言家

不久前， 谷歌流感趨勢(shì)項(xiàng)目 被大肆炒作，聲稱比美國(guó)疾病控制中心和其他健康信息服務(wù)機(jī)構(gòu)更快、更準(zhǔn)確地預(yù)測(cè)流感疫情的發(fā)生地。正如《紐約客》的Michele Nijhuis 在 2017年6月3日的文章 中所寫的那樣， 人們認(rèn)為與流感有關(guān)詞語(yǔ)的搜索會(huì)準(zhǔn)確地預(yù)測(cè)疫情即將爆發(fā)的地區(qū)。事實(shí)上，簡(jiǎn)單地繪制本地溫度是一個(gè)更準(zhǔn)確的預(yù)測(cè)方法。

谷歌的流感預(yù)測(cè)算法陷入了一個(gè)常見的大數(shù)據(jù)陷阱——它產(chǎn)生了無(wú)意義的相關(guān)性，比如將高中籃球比賽和流感爆發(fā)聯(lián)系起來(lái)，因?yàn)閮烧叨及l(fā)生在冬季。當(dāng)數(shù)據(jù)挖掘在一組海量數(shù)據(jù)上運(yùn)行時(shí)，它更可能發(fā)現(xiàn)具有統(tǒng)計(jì)意義而非實(shí)際意義的信息之間的關(guān)系。一個(gè)例子是將緬因州的離婚率與美國(guó)人均人造黃油的消費(fèi)量掛鉤：盡管沒有任何現(xiàn)實(shí)意義，但這兩個(gè)數(shù)字之間確實(shí)存在“統(tǒng)計(jì)上顯著”的關(guān)系。

6. 你不能在虛擬化基礎(chǔ)架構(gòu)上運(yùn)行大數(shù)據(jù)應(yīng)用

大約10年前，當(dāng)”大數(shù)據(jù)”***出現(xiàn)在人們眼前時(shí)，它就是Apache hadoop的代名詞。就像VMware的Justin Murray在 2017年5月12日的文章 中所寫的，大數(shù)據(jù)這一術(shù)語(yǔ)現(xiàn)在包括一系列技術(shù)，從NoSQL(MongoDB，Apache Cassandra)到Apache Spark。

此前，批評(píng)者們質(zhì)疑Hadoop在虛擬機(jī)上的性能，但Murray指出，Hadoop在虛擬機(jī)上的性能與物理機(jī)相當(dāng)，而且它能更有效地利用集群資源。Murray還炮轟了一種誤解，即認(rèn)為虛擬機(jī)的基本特性需要存儲(chǔ)區(qū)域網(wǎng)絡(luò)(SAN)。實(shí)際上，供應(yīng)商們經(jīng)常推薦直接連接存儲(chǔ)，這提供了更好的性能和更低的成本。

7. 機(jī)器學(xué)習(xí)是人工智能的同義詞

一個(gè)識(shí)別大量數(shù)據(jù)中模式的算法和一個(gè)能夠根據(jù)數(shù)據(jù)模式得出邏輯結(jié)論的方法之間的差距更像是一個(gè)鴻溝。ITProPortal 的Vineet Jain在 2017年5月26日的文章 中寫道，機(jī)器學(xué)習(xí)使用統(tǒng)計(jì)解釋來(lái)生成預(yù)測(cè)模型。這是算法背后的技術(shù)，它可以根據(jù)一個(gè)人過(guò)去的購(gòu)買記錄來(lái)預(yù)測(cè)他可能購(gòu)買什么，或者根據(jù)他們的聽歌歷史來(lái)預(yù)測(cè)他們喜歡的音樂。

雖然這些算法很聰明，但它們遠(yuǎn)遠(yuǎn)不能達(dá)到人工智能的目的，即復(fù)制人類的決策過(guò)程?；诮y(tǒng)計(jì)的預(yù)測(cè)缺乏人類的推理、判斷和想象力。從這個(gè)意義上說(shuō)，機(jī)器學(xué)習(xí)可能被認(rèn)為是真正AI的必要先導(dǎo)。即使是迄今為止最復(fù)雜的AI 系統(tǒng)，比如 IBM沃森 ，也無(wú)法提供人類數(shù)據(jù)科學(xué)家所提供的大數(shù)據(jù)的洞察力。

8. 大多數(shù)大數(shù)據(jù)項(xiàng)目至少實(shí)現(xiàn)了一半的目標(biāo)

IT經(jīng)理們知道沒有數(shù)據(jù)分析項(xiàng)目是100%成功的。當(dāng)這些項(xiàng)目涉及大數(shù)據(jù)時(shí)，成功率就會(huì)直線下降，NewVantage Partners最近的調(diào)查結(jié)果顯示了這一點(diǎn)。在過(guò)去的五年中，95%的企業(yè)領(lǐng)導(dǎo)人表示，他們的公司參與了一個(gè)大數(shù)據(jù)項(xiàng)目，但只有48.4%的項(xiàng)目取得了”可衡量的結(jié)果”。

NewVantage Partners的大數(shù)據(jù)執(zhí)行調(diào)查顯示， 只有不到一半的大數(shù)據(jù)項(xiàng)目實(shí)現(xiàn)了目標(biāo)，而 “文化”變化是最難實(shí)現(xiàn)的。資料來(lái)源: Data Informed 。

事實(shí)上，根據(jù)2016年10月發(fā)布的 Gartner的研究結(jié)果 ，大數(shù)據(jù)項(xiàng)目很少能跨過(guò)試驗(yàn)階段。Gartner的調(diào)查發(fā)現(xiàn)，只有15%的大數(shù)據(jù)實(shí)現(xiàn)被部署到生產(chǎn)中，與去年調(diào)查報(bào)告的14%的成功率相對(duì)持平。

9. 大數(shù)據(jù)的增長(zhǎng)將減少對(duì)數(shù)據(jù)工程師的需求

如果你公司大數(shù)據(jù)計(jì)劃的目標(biāo)是盡量減少對(duì)數(shù)據(jù)科學(xué)家的需求，你可能會(huì)得到令人不快的驚喜。 2017 Robert Half 技術(shù)薪資指南 指出， 數(shù)據(jù)工程師的年薪平均躍升到13萬(wàn)美元和19.6萬(wàn)美元之間， 而數(shù)據(jù)科學(xué)家的薪資目前平均在11.6萬(wàn)美元和16.3萬(wàn)美元之間， 而商業(yè)情報(bào)分析員的薪資目前平均在11.8萬(wàn)美元到13.875萬(wàn)美元之間。

10. 員工和一線經(jīng)理將張開雙臂擁抱大數(shù)據(jù)

NewVantage Partners的調(diào)查發(fā)現(xiàn)，85.5%的公司都致力于創(chuàng)造一個(gè)“數(shù)據(jù)驅(qū)動(dòng)的文化”。然而，新的數(shù)據(jù)計(jì)劃的整體成功率僅為37.1%。這些公司最常提到的三個(gè)障礙是缺乏組織一致性(42.6%)，缺乏中層管理人員的采納和理解(41%)，以及業(yè)務(wù)阻力或缺乏理解(41%)。

未來(lái)可能屬于大數(shù)據(jù)，但獲得這一技術(shù)的好處需要大量的針對(duì)多樣人性的老式辛勤工作。