大数据蓝海

snow

转载：
自古至今，从未有一个时代出现过如此大规模的数据爆炸。如今的商业世界，已经变成了飘浮在数据海洋上的巨轮，而那些通过大数据能力驶入蓝海的企业，将会赢得丰厚的回报。
   
还记得10年之前风靡一时的美国情景喜剧《六人行》（又名《老友记》）吗？在这部美国NBC电视台从1994年开播到2004年落幕的经典之作中，6位主人公从姓名、职业到个人喜好至今都还能被粉丝们津津乐道。
   
这部美剧中有一个颇受观注的传奇谜团，那就是钱德勒到底是干什么的？——虽然他解释过很多次自己的工作，但是从来没有人真正弄明白过他所做的那个全称叫做“an executive specializing in statistical analysis and data reconfiguration”是个什么东西。
   
在该剧热播的10多年前，想要跟一个陌生人讲清楚这样一个与数据统计分析有关的岗位确实不是一件容易的事情，以至于到了《老友记》的最后两季，“生不逢时”的钱德勒不得不转行干起了广告。不过到了今天，钱德勒们的职业却正变得炙手可热。
   
如今，在数字方面拿手，对于数据分析着迷不仅不会让一个人再成为社会的另类，相反这意味着无数条件优厚的工作机会正在招手。
   
根据麦肯锡旗下研究部门麦肯锡全球学会(McKinsey Global Institute)2011年发布的一份报告显示，预计美国需要14万-19万名拥有“深度分析”专长的工作者，以及150万名更加精通数据的经理人，无论是已退休人士还是已受聘人士。
   
造成数据人才供不应求的一个显著的背景就是如今“大数据”的爆发正在得到从企业界到政府层面越来越多的重视。
   
今年2月，《纽约时报》撰文称，“大数据”正在对每个领域都造成影响，在商业、经济和其他领域中，决策行为将日益基于数据分析做出，而不是像过去更多凭借经验和直觉。而在公共卫生、经济预测等领域，“大数据”的预见能力已经开始崭露头角。
   
一个最新的例子就是Facebook在5月18日的IPO。在5月18日之前，几乎没有人敢说自己有把握去预测Facebook上市当天股价的走势，但是Twitter却神奇般地做到了。
   
社交媒体监测平台DataSift监测了Facebook IPO当天Twitter上的情感倾向与Facebook股价波动的关联。例如，在Facebook开盘前Twitter上的情感逐渐转向负面，25分钟之后,Facebook的股价便开始下跌。而当Twitter上的情感转向正面时，Facebook股价在8分钟之后也开始了回弹。最终，当股市接近收盘时，Twitter上的情感转向负面，10分钟后Facebook的股价又开始下跌。最终的结论是：Twitter上每一次情感倾向的转向都会影响Facebook股价的波动，延迟情况只有几分钟到20多分钟。
   
这仅仅只是基于社交网络产生的大数据进行“预见未来”的众多案例之一，事实上“大数据”所能带来的巨大商业价值已经被人认为将引领一场足以匹敌20世纪计算机革命的巨大变革。
   
2012年2月，《华尔街日报》发表文章《科技变革即将引领新的经济繁荣》，文中罕见地做出大胆预见：“我们再次处于三场宏大技术变革的开端，他们可能足以匹敌20世纪的那场变革，这三场变革的震中都在美国，他们分别是大数据、智能制造和无线网络革命。”
   
《华尔街日报》的断言并非无的放矢。在今年年初的瑞士达沃斯论坛上，一份题为《大数据，大影响》(Big Data, Big Impact)的报告宣称，数据已经成为一种新的经济资产类别，就像货币或黄金一样。
   
更加值得关注的则是，奥巴马政府已经把“大数据”上升到了国家战略的层面。根据美国白宫今年3月29日新闻，奥巴马政府宣布投资2亿美元启动“大数据研究和发展计划”。希望增强收集海量数据、分析萃取信息的能力。
   
上一次白宫亲自参与推动信息技术产业的大手笔还是2010年希拉里提出的“国家宽带战略”，“大数据研究和发展计划”也被认为是1993年时任美国副总统戈尔宣布的“信息高速公路”计划后美国政府政策层面的一次“狂飙突进”，将“大数据”上升到国家意志将在下一个10年带来深远影响。
   
在互联网和通信技术飞速发展20年后，一个属于“大数据”的时代，真的来了。
   
数据海洋中的商业商业的发展天生依赖数据来作出决策，但是自古至今，从未有一个时代出现过如此大规模的数据爆炸，如今的整个商业世界，已经变成了飘浮在数据海洋上的巨轮。
   
全球市值最大的连锁餐饮企业麦当劳、零售业中的巨无霸沃尔玛、在线零售的巨头亚马逊，这3家这个时代炙手可热的企业，如果说他们之间存在着什么相关性的话，会是什么呢？
   
数据？没错。麦当劳的强大在于它卖的不仅仅是汉堡而是在从事一个精准选址，对数据深入挖掘的“房地产生意”；沃尔玛的可怕在于其早在20世纪70年代末就开始通过挖掘数据来改善自己的供应链，时至今日，在其连锁超市的表象之下早已成为一家巨大的数据公司；亚马逊就更不用说了，贝索斯从不掩饰他对于数据中心的看重，对于这家电商巨头来说，数据就意味着一切。
   
以沃尔玛为例。早在1969年沃尔玛就开始使用计算机来跟踪存货，1974年就将其分销中心与各家商场运用计算机进行库存控制。1983年，沃尔玛所有门店都开始采用条形码扫描系统。1987年，沃尔玛完成了公司内部的卫星系统的安装，该系统使得总部，分销中心和各个商场之间可以实现实时，双向的数据和声音传输。
   
采用这些在当时还是小众和超前的信息技术来搜集运营数据为沃尔玛最近20年的崛起打下了坚实的地基。如今，沃尔玛拥有着全世界最大的数据仓库，在数据仓库中存储着沃尔玛数千家连锁店在65周内每一笔销售的详细记录，这使得业务人员可以通过分析购买行为更加了解他们的客户。
   
国外零售巨头对于数据资产的重视也在近年来影响着国内的电商企业。凡客诚品CEO陈年对《商业价值》杂志记者表示，“现在的凡客是一家数据公司。”
   
2011年凡客内部最大且最重要的一次调整就是想要实现互联网的系统化和数字化的管理，为了让任何“数字”变得可预测和可控，凡客成立了数据中心。
   
一开始，大家对数据中心的需求就是得到一些简单的数据，比如库存的数量。但是他们慢慢发现，得到数据之后就会面临一些相关的问题，如怎么配合进货等，于是数据中心就开始根据不同的问题，不断寻找数据与数据之间关联，并最终把各种关系搭建起来。出现库存周转慢的问题怎么办呢？数据中心就又得分析与库存相关的数据关系。除此之外，数据中心还会去研究新产品的上架与新用户增长的关系，每上线一个新品与它能够带来的用户二次购买的关系等。
   
电商行业的现金收入源自数据，而婚恋网站的商业模型更是根植于对数据的研究。
   
比如，作为一家婚恋网站，百合网不仅需要经常做一些研究报告，分析注册用户的年龄、地域、学历、经济收入等数据，即便是每名注册用户小小的头像照片，这背后也大有挖掘的价值。
   
百合网研究规划部李琦曾经对百合网上海量注册用户的头像信息进行分析，发现那些受欢迎头像照片不仅与照片主人的长相有关，同时照片上人物的表情、脸部比例、清晰度等因素也在很大程度上决定了照片主人受欢迎的程度。
   
例如，对于女性会员，微笑的表情、直视前方的眼神和淡淡的妆容能增加自己受欢迎的概率，而那些脸部比例占照片1/2、穿着正式、眼神直视没有多余pose的男性则更可能成为婚恋网站上的宠儿。
   
当然，视数据为生命的不仅限于这些每天产生海量数据的零售和互联网行业，即便是在看上去不那么“理性”的运动产业，数据依然是至关重要的宝藏。
   
好的运动鞋最关键要做到的是什么？更好的材料？更轻便的鞋身？更酷的款式？都不是，衡量一双运动鞋好坏的重要标准就是在于它是否更了解消费者的双脚。正因如此，早在20世纪七八十年代耐克和阿迪达斯就纷纷建立了自己的运动实验室，用来搜集并研究用户的双脚。其中最有名的就是Nike的“运动厨房”（Nike Kitchen）,Nike现在所有知名的技术产品都出自于这里。
   
Nike近两年十分火爆的Nike ID业务就是充分挖掘数据潜力的例子。Nike ID业务是允许消费者基于耐克的一些已有产品进行个性化的改造，消费者可以在线上对产品进行改造，选择自己喜欢的颜色搭配、面料，甚至绣上自己的名字缩写等，完成自己的设计后，Nike就能为消费者量身打造一款独一无二的运动鞋。通过Nike ID业务，Nike公司不仅能够了解到用户的喜好，同时这些宝贵的数据对于Nike将来研发新品都是非常重要的参考。
   
从数据到大数据人类自从诞生以来就在源源不断地创造着数据，商业文明的发展自始至终都离不开对于数据宝藏的挖掘，在商业世界中，数据一直都不是什么新鲜的东西，但是当海量的数据积累所造就的“大数据”时代到来，经济的新的增量已经逐渐露出了面纱。
   
尽管数据挖掘的工作人类已经做了几十年，但是“大数据”与我们通常所说的“数据”还是有显著的不同。
   
1997年，一台名叫“深蓝”的计算机击败了当时的国际象棋冠军Garry Kasparov。2011年，另一台计算机Watson在广受欢迎的美国电视智力竞赛节目《Jeopardy!》再次战胜前几届的冠军。
   
这两件事很好地诠释了数据与大数据这两个不同的商业时代。诞生于数据时代的深蓝，通过将象棋的游戏规则转化为以0和1形式存在的算法，借助全新并行处理技术，计算可能的走棋结果，如今，几乎任何一台计算机都能够通过扫描数据库而将结构化查询与答案匹配起来。而在大数据相关技术的帮助下，Watson则能够回答那些以人类说话方式提出的不可预测的问题，Watson 能够“读取”大量人类知识载体，包括百科全书、报告、报纸、书籍等。它以分析形式评估证据，假设应答结果，并计算每种可能性的可信度。它在数秒内提供一个最有可能正确的答案。另外，它在做这些工作时，速度和准确性都超过世界一流的人类对手。
   
大数据的迅速增长及相关技术的发展正在带来全新的商业机遇。据《麻省理工学院斯隆管理评论》和IBM商业价值研究院联合举行的2011年新智能企业全球高管调查和研究项目指出，绝大多数企业都已抓住了这些机遇。2011年，58%的企业已经将分析技术用于在市场或行业内创造竞争优势，而2010年这一比例仅为37%。值得注意的是，采用分析技术的企业持续超越同行的可能性要高两倍。
   
对于任何企业来说，数据都是其商业皇冠上最为耀眼夺目的那颗宝石。伴随着传统的商业智能系统向纵深应用的拓展，商业决策已经越来越依赖于数据。然而，传统的商业智能系统中用以分析的数据，大都是企业自身信息系统中产生的运营数据，这些数据大都是标准化、结构化的。事实上，这些数据只占到了企业所能获取的数据中很小的一部分——不到15%。
   
通常情况下，企业的数据可以分为3种类型：结构化数据、半结构化数据和非结构化数据。其中，85%的数据属于广泛存在于社交网络、物联网、电子商务等之中的非结构化数据。这些非结构化数据的产生往往伴随着社交网络、移动计算和传感器等新的渠道和技术的不断涌现和应用。企业用以分析的数据越全面，分析的结果就越接近于真实。大数据分析意味着企业能够从这些新的数据中获取新的洞察力，并将其与已知业务的各个细节相融合。
   
在沃尔沃集团，通过在卡车产品中安装传感器和嵌入式CPU，从刹车到中央门锁系统等形形色色的车辆使用信息，正源源不断地传输到沃尔沃集团总部。“对这些数据进行分析，不仅可以帮助我们制造更好的汽车，还可以帮助客户们获取更好体验。”沃尔沃集团CIO Rich Strader说。
   
现在，这些数据正在被用来优化生产流程，以提升客户体验和提升安全性。将来自不同客户的使用数据进行分析，可以让产品部门提早发现产品潜在的问题，并在这些问题发生之前提前向客户预警。“产品设计方面的缺陷，此前可能需要有50万台销量的时候才能暴露出来，而现在只需要1000台，我们就能发现潜在的缺陷。” Rich Strader说。
   
在美国最大的医药贸易商McKesson公司，对大数据的应用也已经远远领先于大多数企业，将先进的分析能力融合到每天处理200万个订单的供应链业务中，并且监督超过80亿美元的存货。
   
对于在途存货的管理，McKesson开发了一种供应链模型，它根据产品线、运输费用甚至碳排放量而提供了极为准确的维护成本视图。据公司流程改造副总裁Robert Gooby说，这些详细信息使公司能够更加真实地了解任意时间点的运营情况。
   
Gooby解释说：“但是，大多数模型旨在简化物理世界，而这个模型极为复杂，并且包含我们的现实世界的全部数据。它允许我们量化业务运作的根本性变化所产生的影响的细节。这个模型并不是一种简化版。”
   
McKesson利用先进分析技术的另一个领域是对配送中心内的物理存货配置进行模拟和自动化处理。评估政策和供应链变化的能力帮助公司增强了对客户的响应能力，同时减少了流动资金。总体来讲，McKesson的供应链转型使公司节省了超过1亿美元的流动资金。
   
同样对大数据情有独钟的，还有中国移动集团山西有限公司，通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。
   
“全面获取业务信息非常重要，有时候甚至能颠覆常规分析思路下做出的结论。” 中国移动集团山西有限公司业务支撑系统部经理王峰说。比如，一个客户使用最新款的诺基亚手机，每月准时缴费、平均一年致电客服3次，使用WEP和彩信业务。如果按照传统的数据分析，可能这是一位客户满意度非常高、流失概率非常低的客户。事实上，当搜集了包括微博、社交网络等新型来源的客户数据之后，这位客户的真实情况可能是这样的：客户在国外购买的这款手机，手机中的部分功能在国内无法使用，在某个固定地点手机经常断线，彩信无法使用——他的使用体验极差，正在面临流失风险。
   
“我们正在打破传统数据源的边界，更加注重社交媒体等新型数据来源。通过各种渠道获取尽可能多的客户反馈信息，并从这些数据中挖掘更多的价值。”王峰说。
   
社交网络、移动互联网、企业信息化在最近这几年中都得到了迅猛的发展，不断产生的海量数据将越来越影响企业从战术到战略制定的各个方面，这是一个巨大的挑战，当然更是机遇，因为在大数据的背后，将是IT厂商跨越到商业智能的绝佳机会。
   
IBM当年之所以完成从PC厂商开始向商业智能服务商的成功转型，一个重要的原因就是其较早预见到了大数据的商业机遇并果断布局。纵观IBM近5年10亿美元以上级别的大手笔收购多与如何有效处理大数据有关。2007年，IBM花费20亿美元收购了商务智能软件供应商Congnos；2009年7月，IBM斥资12亿美元收购SPSS软件，这是一家集数据整理、分析功能于一身的统计分析软件；2010年9月，IBM以17亿美元的代价将数据库分析供应商Netezza收之麾下——自2005年以来，IBM投资160亿美元进行了30次与大数据有关的收购。这一系列布局，为IBM业绩带来了稳定高速的增长。2012年，IBM股价突破200美元大关，累计涨幅超过9%，3年之内股价翻了3倍。
   
同样在抢占大数据蛋糕份额时占据先机的还有甲骨文。面对越来越多的海量数据所带来的商业潜力，甲骨文的策略是在2011年的OpenWorld大会上推出了Oracle大数据机和Exalytics商务智能服务器，构建自己的大数据平台解决方案。除此之外，早在2008年，甲骨文就花费33亿美元收购商业智能解决方案提供商海波龙（Hyperion），2009年以74亿美元巨资鲸吞另一家IT巨头SUN公司。
   
而在大数据实时分析的领域中，SAP也不甘人后。2011年SAP推出了HANA平台以应对大数据实时分析的挑战。和IBM、甲骨文这些对手一样，SAP也一直没有停止通过大手笔的收购在大数据领域进行战略布局。2007年，SAP花费68亿美元收购全球商业智能软件霸主Business Object，2010年5月，SAP以58亿美元的代价并购数据库厂商Sybase。围绕着大数据的这些大手笔的战略布局也让SAP收到了回报，2011年，SAP全年利润翻番，达到34亿欧元，造就了该公司40年历史上最好的业绩。
   
此外，EMC、Informatica、Taredata等公司，也都是大数据领域不可忽略的势力。
   
正在异化的核心竞争力大数据时代，一些传统的商业思想正在被颠覆。这其中最为重要的，就是必须将数据作为企业的核心资产。
   
在进入大数据时代之前的漫长的商业社会进化过程中，企业脱离于人才而单独存在的智商基本是零，也正因为如此，人才变得异常重要，并一度被视为企业的核心竞争力—— 一方面，企业的智商被分布存储在这些人才的大脑中；另一方面，企业需要借助人才的商业智商，提升自身的企业智商。一定程度上，企业智商的高低，完全取决于人才的商业智商。
   
与此同时，由于企业智商被分布存储于人才的大脑中，信息的分享与价值挖掘受到极大制约，很难完全发挥。
   
在大数据时代，人才固然重要，却并非企业智商最重要的载体——数据才是企业智商真正的核心载体。这些能够被企业随时获取的数据，可以帮助和指导企业全业务流程的任何一个环节进行有效运营和优化，并帮助企业做出最明智的决策。在大数据时代的企业智商，才是真正被企业全部掌控的智商，而这一切的基础就是形形色色的数据。
   
IDC在其关于大数据的报告中指出，领军企业与其他企业之间最大的差别在于新数据类型的引入。那些没有引入新的分析技术和新的数据类型的企业，不太可能成为其行业的领军者。
   
在大数据时代，商业世界就如同飘浮在数据海洋上的巨轮，作为商业世界中的个体，企业要想做到游刃有余就必须如熟悉水性一般熟悉和用好海量的数据。大数据在重新定义企业智商的同时，对企业核心资产也进行了重塑。在过去，衡量企业最重要的资产无外乎土地、流动资金和人才等几个要素，如今，数据作为企业一项更加重要的资产将直接关系到企业的发展潜力。
   
在完成对企业智商和核心资产的重塑之后，数据资产正在当仁不让地成为现代商业社会的核心竞争力。与其他行业相比，互联网行业已经提早感受到了大数据对商业带来的深切变化。当很多企业还在因为大数据对商业世界的变革无所适从时，一些互联网企业已经完成了核心竞争力的重新定义，正在这些互联网企业身上发生的变化，一定程度上恰恰是其他企业在大数据时代的未来。
   
“5年前我们就建立了大数据分析平台。在这个平台上，可以将结构化数据和非结构化数据结合在一起，通过分析促进eBay的业务创新和利润增长。”eBay分析平台高级总监Oliver Ratzesberger告诉《商业价值》记者。
   
现在，eBay的分析平台每天处理的数据量高达100PB，超过了纳斯达克交易所每天的数据处理量。为了准确分析用户的购物行为，eBay定义了超过500种类型的数据，对顾客的行为进行跟踪分析。
   
在早期，eBay网页上的每一个功能的更改，通常由对该功能非常了解的产品经理决定，判断的依据主要是产品经理的个人经验。而通过对用户行为数据的分析，网页上任何功能的修改都交由用户去决定。“每当有一个不错的创意或者点子，我们都会在网站上选定一定范围的用户进行测试。通过对这些用户的行为分析，来看这个创意是否带来了预期的效果。” Oliver Ratzesberger说。
   
更显著的变化反应在广告费上。eBay对互联网广告的投入一直很大，通过购买一些网页搜索的关键字，将潜在客户引入eBay网站。为了对这些关键字广告的投入产出进行衡量，eBay建立了一个完全封闭式的优化系统。通过这个系统，可以精确计算出每一个关键字为eBay带来的投资回报。通过对广告投放的优化，自2007年以来，eBay产品销售的广告费降低了99%，顶级卖家占总销售额的百分比却上升至32%。
   
另一家电子商务巨头亚马逊也提早进入了大数据时代，亚马逊CTO Werner Vogels在Cebit上关于大数据的演讲，向与会者描述了亚马逊在大数据时代的商业蓝图。长期以来，亚马逊一直通过大数据分析，尝试定位客户和和获取客户反馈。“在此过程中，你会发现数据越大，结果越好。为什么有的企业在商业上不断犯错？那是因为他们没有足够的数据对运营和决策提供支持。” Vogels说，“一旦进入大数据的世界，企业的手中将握有无限可能。”
   
国金证券在其发布的大数据系列报告中提出了大数据时代应用软件互联网化，行业应用垂直整合和数据成为核心资产等3个主要的趋势，其中最为值得注意的就是在传统操作系统，数据库平台软件同质化趋势日趋明显的背景下，未来越靠近最终用户的企业将在产业链中拥有更大的发言权。而且企业如何通过抓住用户获取源源不断的数据资产将会是一个新的兵家必争之地。
   
人们对于数据资产的迷恋体现在方方面面。例如，诚实地说，除了目前还不能算是十分完善的广告系统之外，Facebook在商业模式的探索上并不成熟，但这并不妨碍它获得超过1000亿美元的估值。尽管短期来看Facebook的股价会有较大波动，但是更多人还是相信其长期利好，其中一个重要的原因就是Facebook手中掌握着8.5亿用户每天产生的海量数据，这些数据早晚会通过一个恰当的方式释放出商业价值，不断产生的数据本身就是Facebook最重要的资产。
   
而奥巴马政府对于大数据的看法则从一个侧面凸显了数据在今天的重要程度。
   
今年3月22日，奥巴马宣布以2亿美元投资大数据领域，在次日的电话会议上，美国政府将数据定义为“未来的新石油”，美国政府认识到了一个国家拥有数据的规模，活性及解释运用的能力将成为综合国力的重要组成部分，未来对数据的占有和控制甚至将成为继陆权、海权、空权之外另一个国家核心资产。国家如此，作为天生需要靠数据驱动财务增长的企业来说更是如此。
   
商业的发展历史并不是一个存在于人们头脑中虚无缥缈的概念，相反，它是一个不断演变和进化的生态系统。纵观历史上和现在的那些百年企业，他们的共同特点就是在于面对持续发生变化的商业环境，他们在成长的过程中比其他企业拥有更为强大的进化能力，能够及时调整自己的战略布局以适应不断变化着的商业生态。
   
例如，100年前，诺基亚还是一家芬兰的木浆造纸和橡胶生产公司，20世纪60年代开始，它抓住了全球电信行业发展的机遇，从生产电缆到经营电信网络再到制造手机终端，随着商业生态的变化不断地进化，在移动互联网到来严重冲击其手机业务的情况下，诺基亚再次开始了其向智能终端的进化和转型。
   
又如，20世纪60-80年代，IBM还是全球最大的个人电脑公司之一，但是进入新世纪之后个人电脑的利润越来越微薄，IBM开始果断出售自己的PC业务，开始向解决方案提供商转化，作为一家员工过万的超大型企业，IBM涅 重生的关键就在于其善于审时度势，持续不断地进化能力。
   
今天的大数据时代，让商业的生态环境在不经意间发生了巨大的变化：网民和消费者的界限正在变得模糊，无处不在的智能终端，随时在线的网络传输，互动频繁的社交网络让以往只是网页浏览者的网民的面孔从模糊变得清晰，对于企业来说，他们第一次有机会进行大规模的精准化的消费者行为研究；作为保持着持续变革欲望的企业，主动地拥抱这种变化，从战略到战术层面开始自我的蜕变和进化将会让他们更加适应这个新的时代。
   
     
   
大数据的特点
对于大数据的特点，业界通常用Volume、Variety、Value、Velocity这4个V来概括。大数据的特点包括：第一，数据体量巨大。从TB级别跃升到PB乃至EB级别。要知道目前的数据量有多大，我们先来看看一组公式。1024GB=1TB；1024TB=1PB；1024PB=1EB；1024 EB=1ZB；1024ZB=YB。到目前为止，人类生产的所有印刷材料的数据量是200PB，而历史上全人类说过的所有的话的数据量大约是5EB。
   
第二，数据类型繁多。这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以文本为主的结构化数据，越来越多的非结构化数据的产生给所有厂商都提出了挑战。拜互联网和通信技术近年来迅猛发展所赐，如今的数据类型早已不是单一的文本形式，除了网络日志、音频、视频、图片、地理位置信息等等多类型的数据对数据的处理能力提出了更高的要求。
   
第三，价值密度低。价值密度的高低与数据总量的大小成反比。以视频为例，一部一小时的视频，在连续不间断监控过程中，可能有用的数据仅仅只有一两秒。如何通过强大的机器算法更迅速地完成数据的价值“提纯”是目前大数据汹涌背景下亟待解决的难题。
   
第四，处理速度快。这是大数据区分于传统数据挖掘最显著的特征。根据IDC的一份名为“数字宇宙”的报告，预计到2020年全球数据使用量将会达到35.2ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。

econ0708

Big data,Big bang!

qinyi626

有没有专门针对零售领域的数据集和算法分享了?