大数据背景下数据思维模式分析

王静宁 底慧萍

【摘要】随着信息技术的快速发展，海量的数据已经成为企业资源的另一种财富形式。大数据技术迅速的进入到社会的各行各业，从而影响着人们的学习、工作、生活以及社会的发展。大数据技术的应用范围越来越广，从产品的设计生产到市场营销的策划，从产品市场销量预测到企业决策支持，从产品生产效率提升到企业内部运营管理。本文主要阐述了大数据技术背景下，我们面对海量数据应具有的大数据思维模式。

【关键词】大数据;思维模式;分析

前言：近年来，信息技术展现出前所未有的发展速度，以互联网+、物联网等为代表的新技术应运而生，促使手机、平板电脑、PC等各式各样的信息传感器随处可见，由此虚拟网络得到快速发展，使得现实世界快速被虚拟化，数据的来源及其数量正以幂指数速度增长。“大数据”一词扑面而来，许多IT人热衷于大数据技术但又存在思维方面的困惑。究其原因，一是对于没有从事大数据行业的人来说，认识只停留在表象;二是在工作和生活环境中真正能参与实践大数据的案例实在太少了，所以人们难以做到具有大数据的思维理念。

1. 大数据概述

大数据本身是一个抽象的概念。业界将大数据的特征归纳为4个“V”，分别是：第一个“V”（Volume），数据量巨大，大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）;第二个“V”（Variety），数据类型繁多，比如，网络日志、视频、图片、点击率、邮件、即时消息等;第三个“V”（Value），数据价值密度低，商业价值高，现在许多专家已经将大数据等同于黄金和石油;第四个“V”（Velocity），数据的产生、处理和分析的速度快。

2. 大数据的产生与作用

大数据是信息通信技术发展至今，按照自身技术发展逻辑，通过信息感知和采集终端为我们采集了海量的数据。我们要为多样化的大数据提供存储和运算平台。通过不同来源的数据管理、处理、分析与优化，将结果反馈到应用中。比如，在商业领域，大数据可以为商家制定精确而有效的营销策略，帮助商家为消费者提供更加及时和个性化的服务;在医疗领域，大数据可以提高医生诊断的准确性和药物使用的有效性;在公共事业领域，大数据在促进经济发展、维护社会稳定等方面起到了重要作用。

3. 大数据思维模式分析

在大数据时代已经到来的时候要用大数据思维去发掘大数据的潜在价值，本文将从以下几个方面分析大数据思维模式：

3.1 从计算科学范式到数据密集型科学发现范式

近年来，人类采集数据量的爆炸性增长，传统的计算科学范式已经越来越无力驾驭海量的科研数据了。例如欧洲的大型粒子对撞机，天文领域的Pan-STARRS望远镜每天产生的数据多达几千万亿（PB）。很明显，这些数据已经突破了传统的计算科学范式的处理极限，无法被科学家有效利用。这时我们将使用数据密集型科学发现范式来解决这一问题。它的主要特点是研究人员只需要从大数据中查找和挖掘所需要的信息，无须直接面对所研究的对象。例如，在大数据时代，天文学家的主要研究任务从海量数据库中发现所需的物体或现象的照片，而不再需要亲自去太空进行拍照。

3.2 从企业的数据资源到企业数据资产

在大数据时代，对企业来说，数据不仅仅是“资源”，更是企业的“资产”。当然只有能够利用数据、组合数据、转化数据的企业才能将手中的数据资源转化为数据资产。目前，作为企业数据资产先行者的知名IT企业，如苹果、谷歌、IBM、阿里、腾讯、百度等，无不想尽一切方法，挖掘多种形态的设备及软件功能，从而收集各种类型的海量数据，提取有价值的信息，来发挥大数据的商业价值。

3.3 从统计学到数据科学

在传统科学中，数据分析主要以数学和统计学为直接理论依据。但是，大数据的处理不能依赖传统科学的处理方式。我们需要四个方面的思维改变：①以前我们通常把随机采样看成是理所应当的方法，但是真正的大数据时代是指不用随机分析这样的捷径，而是通过观察所有数据，来寻找异常值进行分析。②数据量的大幅增加会造成一些错误的数据混进数据集。但是，正因为我们掌握了几乎所有的数据，所以我们不再担心某个数据对整体分析结果的影响。我们要做的就是要接受这些“问题”数据，而不是以高昂的代价消除所有的“问题”数据。③我们不再需要对一个现象探究到底，只要掌握了事物发展的大体方向，适当忽略微观层面上的精确度，会让我们在宏观层面上拥有更好的把控。④我们要重视相关分析，而不仅仅是因果分析。也就是我们不必非得知道现象背后的原因，而是让数据自已发声。知道结论是什么就够了，没必要知道为什么会产生这样的结论。例如，我们只需知道用户对什么感兴趣即可，没必要去研究用户为什么感兴趣。

3.4 从复杂算法到简单算法

足够的数据使我们变量更加聪明。在大数据时代，复杂的“智能問题”变成了简单的“数据问题”。我们可以对大数据进行简单查询便能达到“基于复杂算法的智能计算的效果”。例如，Google在翻译时就改变了“实现策略”，不再使用复杂算法进行语言的翻译，而是通过对他们之前收集的跨语言语料库进行简单查询，来找出合适的结果。通过这一方式提升了机器翻译的效果及效率，提升了用户满意度。

3.5 从业务数据化到数据业务化

企业不仅是把业务进行数据化，更重要的是使数据业务化，也就是把数据作为直接生产力，将数据价值直接通过前台产品作用于消费者。数据可以反映用户过去的喜好行为，也可以预测用户将来的喜好倾向。例如，当用户购买了自己喜欢的商品后，可以给用户推荐可能会购买的商品。

3.6 从目标驱动型到数据驱动型

在设计产品的过程中，两种设计方案都可以，可以让用户做一下选择，从而统计出数据。根据选择数据数据比例进行方案的选取。这就是数据驱动，这样的转变不是靠感觉，而是通过数据去决策。

3.7 从不接受到接受数据的复杂性

海量数据的涌现一定会增加数据的混乱性且会造成结果的不准确性，如果仍然依循准确性，那么将无法适应大数据时代。大数据通常用概率说话，与数据的混杂性可能带来的数据错误相比，数据量的扩张带给我们新的洞察、新趋势和新价值。所以，允许数据的混杂性和容许结果的不准确性才是我们拥抱大数据的正确态度。

3.8 从小众参与到大众协同

在大数据时代，用户不再仅仅热衷于消费，他们更愿意参与产品的创造过程。大数据技术让用户参与创造与分享成果的需求得到实现。例如，“小米”这样的新兴品牌就建立了用户粉丝论坛，企业能直接了解他们的需求，从而提高用户满意度。

结语：大数据技术在短短的数年之内，从少数科学家主张转变为全球战略实践，进一步上升为国家竞争战略的历史潮流。三分技术，七分数据，得数据者得天下。这句话的正确性已经毋庸置疑。我们现在要做的是用大数据思维去发掘大数据的潜在价值。这样，可以更好的为人们的学习、工作、生活以及社会的发展服务。

参考文献：

[1] 武志学.大数据导论[M].人民邮电出版社，2019年4月：7-14

[2] 夏道勋.大数据素质读本[M].人民邮电出版社，2019年4月：30-45

[3] 杨伟强.电子商务数据分析[M].人民邮电出版社，2019年5月：11-20

作者简介：王静宁（1982.1-），女，汉族，河北省石家庄市人，讲师，信息系统项目管理师，硕士，研究方向：安卓应用于开发、数据库开发与设计。底慧萍（1980.9-），女，回族，河北省石家庄市人，讲师，信息系统项目管理师，硕士，研究方向：计算机网络与数据库。