把握大数据价值读懂“小模式”是关键
- 来源：博鳌观察 原标题：“信息哲学”之父：一个词把握大数据的价值——“小模式”
- 2016/4/26 11:01:38
- 32327
把握大数据价值 读懂“小模式”是关键
近，关于大数据的各种讨论不绝于耳。所有人都在谈论这种近乎神奇的新资源，它理应改变和提高商业生命周期的各个方面。定义一个接着一个，各类学者试图对大数据理论、模型、分析、解决方案等等提出自己的见解。所有这些可能造成困惑，但有两点是清晰的。1、正确理解大数据
首先，关于大数据常见、而且也是佳的定义是由道格拉斯•兰尼在2001年提出的。在为METAGroup撰写的一篇研究报告中，兰尼将大数据称为规模庞大的数据集合、高速的累积和变化，以及广泛的来源种类。这就是我们如今仍在使用的经典的3V定义。虽然后来有人加入了更多的特性，尤其是“真实性”，但这其实是一种分类错误，因为它谈的是人们从大数据中提取出的信息的性质，而不是数据之所以大的数量规格（度量）。
其次，在2012年，世界经济论坛增加了第四个V：价值，将大数据划分为一种新的经济资产。这没有改变大数据的定义，而是表明，无论大数据是什么，它都具有非常重要的价值。同一年，IBM现任董事长、总裁兼执行官罗睿兰在其年度董事长信函中写道，“大数据不亚于一种新的自然资源。数据对我们当今时代的角色就像是蒸汽、电磁和化石燃料对之前时代的角色一样。它有潜力让繁荣和社会进步更上层楼”。
现在没有人怀疑，大数据是一种非常真实的现象，对任何组织来说都是非常宝贵的资产。正如那句被用滥的比喻，许多重要特征让大数据成为新的石油。其中5个特征非常重要。为了让它们好记，我用5个R开头的单词来表示。它们并非按照重要性排列。
与其他许多无形资产一样，大数据是非竞争性的。它可以被许多消费者同时使用和重复使用，这与一桶石油不同。更确切地说，这意味着向个人提供大数据的边际成本是零。与包括石油在内的其他资源不同的是，大数据还呈现指数级增长。
易安信的数据显示，在2013年之前的所有历史时期内，人类积累了4.4ZB的数据（1ZB是1000EB，1EB是1000PB，1PB是100万GB），但到2020年，我们将拥有44ZB（44万亿GB）的数据。90%的数据产生于过去两年，而在2015年产生的数据超过了过去5000年的总和。此外，这种增长的限制是物理学、人工智能和内存支持。现在这种资源的利用率只有1%，部分原因在于一些往往被大数据支持者遗忘或者忽略的成本。此类成本涉及获取和存储、可用性和处理模式、防护和安全、可及性、分析以及法律费用。
然而，值得注意的是，得益于信息革命，人类成功发明了以极低成本产生巨量数据的技术。这些海量数据很容易处理和精炼——精炼是大数据的第三个“R”特征。这意味着，在某些情况下，大数据可能是反竞争的：一家公司越使用大数据，它的质量和价值就越高。大数据还是可再生的，与太阳能一样。后，大数据是可延展和转变用途的。这是大数据伟大但也令人沮丧的一个特征：出于某一目的收集的大型数据库可能被用于完全不同的另一个目的，只要你有这样做的正确的远见。数据转变用途的一个典型例子是不起眼的邮政编码。邮政编码是美国邮政局初为了改善普通邮件投递而设计的，但现在它已成为处理无穷无尽的商业和社交应用的主力，与信封和邮票毫无关系。另一个更近一些的例子是，TripAdvisor拥有巨量的网络数据，结果却被诸如旅行社等机构用来评估某地饭店的健康和安全标准。然而，正是因为无法预见大数据有哪些新的应用，因此很难完全明白你应该如何处理获得的数据财富。实际上，一开始你很难规划应该记录和处理何种大数据。
2、大数据的商业价值
作为一种资源，大数据是非竞争性、不断增长、可精炼、可再生以及可转变用途的。这5个R让大数据在至少6个任何企业都非常关键的主要应用领域成为一项伟大的资产。大数据可以被用于：
1.改善服务、产品或者流程（比如公司后勤），因为大数据可以帮助找到低效的地方；
2.为用户或客户量身打造或定制产品或服务，因为大数据让公司更了解他们；
3.预测趋势发展方向，因为大数据可以表明历史如何塑造未来；
4.激发可能的战略，比如新产品的设计和发行、时间、方式、目标人口等等，因为大数据能够让公司用电脑模拟实验，看到在“如果”出现虚拟场景的情况下会发生什么；
5.规划并决定替代计划，因为大数据支持实证选择；
6.后，对产品或服务进行创新或者革新，因为大数据可以帮助公司预测或者只是找出新的、未被发现或者以其他方式无法察觉的需要、愿望和需求。
显然大数据的价值极大。问题在于，当人们谈论大数据的实际价值的时候，事情变得混乱起来。让我们先从市场价值、市场价格或者经济价值的标准差别说起。这种差别非常重要。
假设一幅画在eBay上拍卖，没有任何底价或者“一口价”选项。爱丽丝是一位专家，她知道这幅画真正的基本价值应该是1000美元。这是它的市场价值，也是她准备支付的价格。鲍勃不知道市场价值，但他查看了同一画家其他作品的估价，估计这幅画当前售价通常会达到1500美元。这是其市场价格，也是鲍勃的高出价。卡罗尔不知道这幅画的市场价值或价格。她所知道的是，自己只愿意为这幅画高出价800美元。对她来说，这是这幅画的经济价值。注意，3个人的估值可能完全不同：比如，爱丽丝可能出价500美元，表明这是她所认为的这幅画的经济估值，即便她知道实际价值高出一倍。她可能想捡个大便宜。正如你看到的那样，它与爱丽丝的知识、鲍勃的理性分析以及卡罗尔的需要或愿望都有点关系。一旦他们确定价格以后，不相关但有联系的是这3个估值之间的比率。在这个例子里，鲍勃的市场价格高估500美元，而卡罗尔的经济价值低估200美元。
这些之所以重要，是因为很难确定无形资产的市场价值和市场价格，比如品牌认知度、、商标、版权、商业模式甚至商誉（即良好的客户基础、良好的客户关系、良好的员工关系等等）。尽管根据OceanTomo发布的年度研究报告，2015年标普500指数中逾84%的价值由无形资产组成。我们不知道这种价值有多少依赖公司所有的大数据。我们只知道的是，确定此类无形资产的市场估值实际上是不可能的。这并非是因为缺乏度量工具。例如，就市场营销而言，人们可以努力使用客户终身价值(CLV)来预测与客户的未来关系带来的净利润。这是因为人们不可能对一家公司的大数据的价值本身给出一个合理的近似值，除非他明确知道大数据的用途以及如何成功运用。因此合理的方法是谈论大数据的经济价值，并在公司自己准备为从大数据中获取的信息付费时采用这种做法。这种新古典主义方法有助于我们聚焦于大数据的真正用途，也就是人们准备付费的东西：小模式。
3、小模式为何关键
仔细想想看。如果可以轻易发现一种模式或者趋势，你就不需要大数据了。正如NSA曾经说过的那样，你需要在大海里捞针。只有当模式或趋势很小的时候，你才需要海量的数据来发现它。因此大数据就像是一个显微镜：一个分析企业中细小但非常重要的特征的伟工具，只要你知道自己在找什么。由于如此多的数据现在可以如此迅速而低成本地产生和处理，而且几乎产生于所有事情，因此无论是亚马逊、Facebook或者谷歌等数据新贵，还是银行、石油公司或者超市等老牌数据巨头，它们的压力是在庞大的数据库里找到具有真正附加值的新模式，以及如何才能大程度利用这些模式创造财富。
小模式之所以关键，是因为从科学到商业，从治理到社会政策，它们都代表着竞争的新前沿。在一个竞争和开放的思想市场，如果其他人能够比你更快、更成功地利用它们，你可能很快就会破产，就像柯达一样；或者错过利用根本性的创新，就像施乐帕克实验室错过鼠标和图形用户界面解决方案一样——而史蒂夫•乔布斯则将这种技术转化为商业上的成功。
当然，小模式也可能有风险，因为它们突破了可预测的极限。它们可能让一家公司预测并操纵人们的行为。这不仅是一个法律问题，而且还是一个道德问题。个案例出现在2012年（没错，上文提到的世界经济论坛和IBM也是在这一年），主角是美国零售商Target。当时Target依赖对25种产品的购买模式的分析，为每位顾客分配了“怀孕预测”指数，估计她们的预产期，并在其妊娠阶段及时寄送优惠广告信息。在一起引起轰动的新闻事件里，Target制造了些大麻烦——它寄送的优惠广告让某位蒙在鼓里的家长发现他们还在读高中的女儿怀孕了。
至此，从大数据中获取价值似乎只需要有一个合理的战略，从而能够捕获对你的企业产生积极影响的小模式。遗憾的是，事情并非这么简单。小模式只有在做到以下几点的基础上才有意义：正确汇总，比如就会员卡和购物建议而言；进行比较，比如当一家银行可以使用大数据打击欺诈的时候，以及及时处理，比如在金融市场。由于信息在匮乏的时候也有指示作用，因此可怕的消息是，大数据之所以对一家公司价值极大，正是因为缺乏小模式。如果你认为这似乎有些矛盾——某事怎么能因其匮乏而有价值呢？——想想福尔摩斯正是因为发现本应狂叫的狗没有叫才终侦破的某个案件吧。如果大数据在本应“叫”的时候而没有“叫”，显然事出有因。困难就在于理解本应发生而没有发生的事情。
4、利用数据科学
日益扩大的大数据海洋中有价值的“潜流”越来越多，但对于没有计算机能力的人来说是看不到的，因此更多更好的技能和技术将会有极大的帮助。当IT部门要求更多资金的时候，它可能有非常好的理由。然而，仅靠其一己之力，再多的数字技术和解决方案也依然不用。从大数据中自动获取不了经济价值（即虽然小却非常重要的模式）。如果你认为可以等待更好更强大的软硬件的发展，你好还是三思。单纯地存储数据没啥用。自2007年以来，世界产生的数据超过了可用存储容量。我们已经从思考“存储什么”转向了“清除什么”。某些东西必须清除，而且从一开始就不应该记录。想想你的智能手机由于存储了过多的图片而变得空间不足，这已经成为一个问题。信息界多年前就清空了存储空间以转存其数据。这并不像看起来那么坏。改写一句广告俗语：一半的数据是垃圾，只是我们不知道哪一半。
一家公司需要的是，前瞻性地深入理解哪些数据首先值得存储和处理。这就得明白现在或未来哪些问题会引起关注，从而找出相关的小模式。大数据提供答案，但它们对该问的问题保持缄默。这些问题来自负责人的智慧。也就是说，由于大数据的价值是小模式，终获胜的将是那些“知道如何问答问题的”人，正如柏拉图2500年前在其某部作品中写得那样。只有那些知道怎样问正确问题的人才知道，哪些数据可能对回答问题有用和相关，从而值得收集和处理，目的是开发它们的宝贵模式。我们需要更多更好的技能和技术来发现大数据中的小数据模式，但我们更需要更多更好的思路来筛选有价值的模式。
大数据将会不断地增长。应对它的方式是知道自己是什么人或者正在寻找什么。就目前而言，此类技巧由被称为分析学或数据科学的“妖术”教授和运用。不完全是你在大学的标准课程。这种情况将很快改变，因为对此类技术的需求逐步增长。而且因为我们如此多的业务、创新和福利都取决于数据科学，现在是时候对数据方法论展开系统性的研究了。
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论