大数据与小数据

 作者：Praveen Asthana戴尔解决方案副总裁

源自：Big data and little data

IT界最近的一个热门词是“大数据”（big data）。这是什么意思呢？它与“小数据”（little data）的不同在哪里？它会成为下一个大事件吗？我们对它应有所敬畏吗？

事实上，大数据就在我们身边。分析它，能够提高一切事物的性能，包括从游戏到汽车。Farmville（风行美国的梦幻农场游戏）就是一个很好的例子。每一天，Farmville的制作公司Zynga都会对大量的数据开展广泛的统计分析。该公司具备全世界最大的数据仓库之一，而这对于他们来说也恰如所需。其游戏每天生成超过15TB的新数据。（1TB等于不列颠百科全书的1000份拷贝。）Zynga的目标是鼓励玩家行动起来，保持对游戏的兴趣，改进财务转换——游戏中的种种元素可以换成真正的钱。

为了实现目标，Zynga充分利用了对玩家行为的持续数据分析结果，以便于测试和调优游戏中的特性。这种做法将该公司推上新兴领域“大数据分析”的前沿。“大数据分析”即对大规模数据开展分析，以便于收获智能化的预见性。不错，Zynga将自己称之为“掩盖在游戏公司身份之下的分析公司”。

另一个通过大数据分析赢得巨大优势的例子是沃尔沃。这家瑞典汽车制造商从其汽车的内置传感器、客户关系管理（CRM）系统、经销商、汽车工厂收集以TB计的数据。各种来源的数据流被合并起来进行分析，从而产生早期预见性信息，例如尚未发生的制造缺陷。所有垂直行业都能从分析中获益，而有的行业获益尤为显著。McKinsey & Co.预测零售链可通过分析将利润率提高60%。沃尔玛是该领域的先锋，在大数据分析流行之前很早就已实施。

那么大数据与普通规模的数据有何不同？

大数据指的是大量的数据，往往包含数百TB甚至PB级（1000TB）的信息。它通常以非结构性数据的形式出现，并且包含彼此无联系的数据集，例如来自各种各样独立数据流的片段，例如社交媒体、CRM、调查结果、人口统计数据、缺陷评定等等。这一点上，它不同于传统的数据集，因为传统数据集往往是彼此相关的。大数据分析的另一个重要方面是分析速度，其分析非常快速，甚至能实时出结果。

大数据分析常常突破传统数据库和分析流程与体系的界限。数据集可能太过巨大，彼此无联系，并且需要极其快速地加以分析。为了适应其需求，一个新行业应运而生，基于的是新兴技术（例如Hadoop Map Reduce）、 “R”统计语言，以及全新的高性能基础架构解决方案（包括并行多处理、高速网络、快速IO存储）。不仅如此，大数据分析还需要一批经验丰富的工作人员：数据科学家，甚至数据艺术家。有些公司还设置了“首席分析官”的职位。

但是，要从分析中获益，您不必加入“PB俱乐部”。无论大数据多么受追捧，事实上大多数组织可从普通规模的数据（几个TB）甚至“小数据”中获得洞察力。就拿当前的一部电影《点球成金》（Moneyball）来说。该片根据Bill James的真实故事改编，他从棒球比赛中分析统计数据，寻找模式，从而为奥克兰A’s棒球队制订了制胜策略。他所分析的数据集相比大数据集甚至正常规模的数据集堪称微小，但这并不妨碍其生成关键性的信息，帮助奥克兰A’s击败众星云集的其他球队。

所以说关键不在于“大数据”，而在于“大洞察”。其实整个大数据领域应该改名为“大洞察”，因为正是洞察力（可以从任何规模的数据集获取）帮助您更好地服务于客户、赢得竞争。应该问的是：您的组织从数据中萃取洞察力的成效如何？

更多精彩文章请关注:

戴尔技术社区