我時常聽創(chuàng)業(yè)者說本身的公司天天會出產(chǎn)/記錄許多的數(shù)據(jù)，固然他們臨時還沒想大白怎么用這些數(shù)據(jù)，但把這些數(shù)據(jù)都先存起來了。他們常常還說，通過這些數(shù)據(jù)他們的產(chǎn)物/處事將獲得很大的晉升，似乎這些數(shù)據(jù)就是公司的救世主一樣。我不想接頭這種概念正確與否，但想在這里表明兩個關(guān)于大數(shù)據(jù)的常見誤解：

一、數(shù)據(jù)不便是信息

常常有人把數(shù)據(jù)和信息看成同義詞來用。其實否則，數(shù)據(jù)指的是一個原始的數(shù)據(jù)點（無論是通過數(shù)字，文字，圖片照舊視頻等等），信息則直接與內(nèi)容掛鉤，需要有資訊性（informative）。數(shù)據(jù)越多，不必然就能代表信息越多，更能不能代表信息就會成比例增多。我們來看兩個簡樸的例子：

備份。許多人如今已經(jīng)會按期的對本身的硬盤舉辦備份。這個沒什么許多幾何表明的，每次備份城市締造出一組新的數(shù)據(jù)，但信息并沒有增多。

多個社交網(wǎng)站上的信息。我們傍邊的許多人在多個社交網(wǎng)站上活潑，跟著我們上的社交網(wǎng)站越多，我們得到的數(shù)據(jù)就會成比例的增多，我們得到的信息固然也會增多，但卻不會成比例的增多。不光單因為我們會相互轉(zhuǎn)發(fā)摯友的微博（可能其他社交網(wǎng)站上的內(nèi)容），更因為許多內(nèi)容會十分雷同，有些微博固然詳細(xì)文字差異，但表達(dá)的內(nèi)容十分相似。

二、信息不便是伶俐（Insight）

好吧，此刻我們?nèi)コ藬?shù)據(jù)中所有反復(fù)的部門，也整合了內(nèi)容雷同的數(shù)據(jù)，此刻我們剩下的全是信息了，這對我們就必然有用嗎？不必然，信息要能轉(zhuǎn)化成伶俐，至少要滿意一下三個尺度：

可破譯性。這大概是個大數(shù)據(jù)時代特有的問題，越來越多的企業(yè)天天城市出產(chǎn)出大量的數(shù)據(jù)，卻還沒想好怎么用，因此，他們就將這些數(shù)據(jù)臨時非布局化（unstructured）的存儲起來。這些非布局化的數(shù)據(jù)卻不必然可破譯。好比說，你記錄了某客戶在你網(wǎng)站上三次翻頁的時距離斷：3秒，2秒，17秒，卻健忘標(biāo)注這三個時間到底代表了什么，這些數(shù)據(jù)是信息（非反復(fù)性），卻不行破譯，因此不行能成為伶俐。

關(guān)聯(lián)性。我們曾經(jīng)對關(guān)聯(lián)性的重要性舉辦過表明。這里不再贅述了，無關(guān)的信息，至多只是噪音。

新穎性。這個和我前文舉的誰人社交網(wǎng)站的例子雷同，差異的是，這里的新穎性許多時候無法僅僅按照我們手上的數(shù)據(jù)和信息舉辦判定。舉個例子，某電子商務(wù)公司通過一組數(shù)據(jù)/信息，闡明出了客戶愿意為當(dāng)天送貨的產(chǎn)物多付出10塊錢，然后又通過另一組完全獨立的數(shù)據(jù)/信息獲得了同樣的內(nèi)容，這樣的環(huán)境下，后者就不具備新穎性。不幸的是，許多時候，我們只有在處理懲罰了大量的數(shù)據(jù)和信息今后，才氣判定它們的新穎性。

說了這么多，是想表達(dá)，，其實我們手上有用的數(shù)據(jù)并沒有我們想象的那么多——大數(shù)據(jù)自己就是個耍噱頭的詞。在如今這個年月，一個普通的創(chuàng)業(yè)公司天天就能出產(chǎn)1GB以上的數(shù)據(jù)，稍微大一點的公司天天出產(chǎn)的數(shù)據(jù)都以TB來技能。但在費錢舉辦大數(shù)據(jù)闡明之前，我們要意識到，數(shù)據(jù)不代表信息，更不代表伶俐。