近年国际大数据概念被炒得愈发火热，相关的产品厂商也如雨后春笋般应运而生，大数据服务市场迎来爆发期。值得注意的是，大数据真的像我们想象那样理想吗？为何大数据总给人一种华而不实的感觉？
其实造成这种感觉的原因是媒体、厂商对大数据的解读，都在给人们造成一种认知偏差，认为“大数据能分析我们身边的一切，大数据是万能的，抓住大数据可以获得财富”。
但其实这是一种言过其实的说法。只不过媒体需要吹捧新颖吸睛的概念；厂商需要夸大其应用市场、商业价值来吸引融资；企业需要将自己的改革和大数据挂钩来确保成功的可能性，表明自己是在真创新。
大数据的应用和成功可能性还远没有这么成熟。
大数据的本质是什么？
现在叫大数据，以前可以称为信息、情报等等名字。以前的信息搜集技术没有这样发达，只能以样本信息形式出现，而且由于结构类型不同，只能分类处理，有些数据还不便于储存和比较。为什么现在叫大数据，是因为现代互联网技术，可以把不同结构类型的所有数据都能搜集到，形成全数据，并且随着大数据技术的深度发展，这些复杂结构类型的全数据，会被自动分类比较统计，所以称为大数据。
吴军在他的《智能时代》里提到对于大数据的观点：
只有量的积累的数据，通常并不能称之为大数据。除了大量性，大数据常常还应该具有多维性和完备性。
大数据的多维性，可以理解为针对单一“个体”（人/物/事件等）不同角度的数据。比如之前提到的：收集全国所有人的出生年月，单收集这一项，数据单一缺乏意义；但如果再加入收入、所属地区、受教育程度等等多维的信息，那数据本身就变得鲜活了。我们可以从数据中分析人口的地域分布、经济分布、教育分布等并在此基础上给出宏观的资源调控计划。
大数据的完备性，则可以理解为数据的全面性。比如2012年一位名叫内德·斯威尔的年轻人，利用大数据成功预测了美国50+1个州的大选结果。他其实就是在投票前利用互联网尽可能的搜集当年的大选数据（如地方媒体数据、社交网络留言、朋友间评论等），从而近似的知道每个人对大选的态度，并按照州进行分类整理，最终成功预测了当年的大选结果。
缺少多维性的“大数据”会让数据承载的信息“片面”，进而导致数据本身的利用价值大大下降；缺乏完备性的数据则会由于缺乏“完备样本”的支撑，也会使得获取的信息“局限性”。
大数据最好还应具有“及时性”，但及时性却并不是其必备条件，只是有了“及时性”的大数据，会实现一些过去无法做到的事情。
大数据的及时性，可以理解为数据收集的时效性。一方面，要分析当前情况，就要尽可能使用与当前时间点较为接近的数据；另一方面，数据本身就在时刻产生（特别是今天的互联网），新鲜的数据能更快速的反应当前社会的一些情况。比如使用百度地图导航的时候，它能根据数据库中人们当前的（及时的数据）车辆出行地点，和即将要去的地方大概估算出此人的行程规划，并通过众多数据的整合估算出某一路段可能的堵塞情况，进而在导航的时候给出“避免拥堵”的导航建议。
由此可见，所谓的大数据，一定要同时满足大量、多维和完备（相对来说）的特点，并在此基础上，最好具有“时效性”。
核心在于大数据思维
网络的诞生给世界带来了大量的数据积累和信息流通，并带来了一次“大数据思维”的思想变革。
机械思维时代，由于数据收集的局限性，科学家们只能在有限的样本下“大胆假设小心求证”，然而受限于人类大脑的“创造力”，所谓的“大胆假设”也并不是真的“大胆”；随着互联网时代的到来，“数据”不再成为问题，当大量数据堆积在一起时，就产生了“质”的变化。
与此同时，伴随着数据的大量积累和统计数学的发展，人们惊喜的发现：在数据量达到一定程度的时候，数据和数据之间的关联可以反映出某些意想不到的结果。于是大数据思维就诞生了：
世界本身是不确定的，利用大数据可以尽可能的消除这种不确定性，因果关系可以利用数据间的相关关系进行代替。
大数据思维，也有人将其成为“信息论”，其本质就是：
①利用不确定性看待世界，然后利用大数据来尽可能的消除这种不确定性；
②利用具有多维度特征的大数据，数据之间的相关关系来代替机械思维时代的因果关系，帮助我们在“创造”难以掌控的情况下，发现意想不到的结论。
举例来说：
我们在投放广告时，机械思维要我们先有一个假设：目标人群可能的特征，并进行调研和证实；而大数据思维则是：我们不确定要投放给什么样的人群，紧接着我们利用已有用户的数据特征发现了“用户群体画像”这就是消除不确定性的过程，最终我们直接根据数据给出的结论来制定计划。
大数据的基本处理流程与传统数据处理流程并无太大差异，主要区别在于：由于大数据要处理大量、非结构化的数据，所以在各处理环节中都可以采用并行处理。目前，Hadoop、MapReduce和Spark等分布式处理方式已经成为大数据处理各环节的通用处理方法。
上图显示了传统的大数据工作流分析经历的一些阶段。数据以数据库，数据流，数据集合以及数据仓库等方式来建模。数据的数量级以及数据的多样性要求在处理之前要进行数据的集成、清洗以及过滤等工作，以保证其后续工作的开展。
无界悦联认为
大数据没有那么神秘，也并不神奇，只是对一堆数据的剖析运用，运用的手法如何，掌握的您的手上！
-END-
