大數(shù)據(jù)基礎(chǔ)設(shè)施:一個(gè)國(guó)家在信息和存儲(chǔ)方面的基礎(chǔ)設(shè)施決定了大數(shù)據(jù)時(shí)代的海量數(shù)據(jù)能否被收集、交流、存儲(chǔ)和應(yīng)用。為了給大數(shù)據(jù)的發(fā)展提供良好的基礎(chǔ)，新加坡在基礎(chǔ)設(shè)施的投入上并不吝嗇。新加坡是全球十大高速網(wǎng)絡(luò)架構(gòu)之一，承載了東南亞第三方數(shù)據(jù)中心一半以上的存儲(chǔ)容量。新加坡已經(jīng)確立了其作為全球數(shù)據(jù)管理中心的地位，匯集了東南亞超過(guò)50%的商業(yè)數(shù)據(jù)托管和中立運(yùn)營(yíng)商數(shù)據(jù)中心。

第一，描述性思維就是把一些結(jié)構(gòu)化數(shù)據(jù)或者非結(jié)構(gòu)化數(shù)據(jù)變成客觀標(biāo)準(zhǔn)。大數(shù)據(jù)思維過(guò)程中，涉及到很多人為因素，這些也是可以分析的。比如對(duì)消費(fèi)者行為的研究，可以是定量的，也可以是非定量的，描述性思維應(yīng)該包括消費(fèi)者行為的各個(gè)方面。這里有一個(gè)例子。購(gòu)物中心將繼續(xù)收集連接到局域網(wǎng)的顧客的數(shù)據(jù)，以了解他們的消費(fèi)和分布情況。消費(fèi)者可以實(shí)現(xiàn)購(gòu)物、餐飲、休閑、娛樂的一站式服務(wù)，也可以在很大程度上提升用戶體驗(yàn)。

第二，相關(guān)性思維是對(duì)數(shù)據(jù)之間相關(guān)性的研究。對(duì)于消費(fèi)者行為或用戶行為的研究，這些行為在一定程度上與其他不同的數(shù)據(jù)有著內(nèi)在的聯(lián)系。大數(shù)據(jù)分析的結(jié)果可以更好的建立數(shù)據(jù)預(yù)測(cè)模型，可以用來(lái)預(yù)測(cè)消費(fèi)者的偏好和行為。對(duì)相關(guān)性的研究也可以更好地支持預(yù)測(cè)性思維。

有人說(shuō)大數(shù)據(jù)是騙人的；有人說(shuō)大數(shù)據(jù)是個(gè)偽命題。大數(shù)據(jù)市場(chǎng)確實(shí)存在。Gartner預(yù)測(cè)，到2015年，70%的信息基礎(chǔ)架構(gòu)擴(kuò)展和投資將由業(yè)務(wù)分析驅(qū)動(dòng)。過(guò)去，人們主要關(guān)注如何存儲(chǔ)海量數(shù)據(jù)，而沒有想到深入挖掘數(shù)據(jù)的內(nèi)在價(jià)值。隨著數(shù)據(jù)與業(yè)務(wù)的關(guān)系越來(lái)越緊密，以及一些大數(shù)據(jù)分析工具的出現(xiàn)，數(shù)據(jù)分析已經(jīng)成為企業(yè)決策的前提。

這讓一部分想采用大數(shù)據(jù)分析工具的用戶感到畏難情緒，也讓一部分用戶誤以為大數(shù)據(jù)分析只針對(duì)業(yè)務(wù)流程復(fù)雜、數(shù)據(jù)海量的大型企業(yè)。來(lái)自市場(chǎng)研究機(jī)構(gòu)麥肯錫的研究人員表示:“創(chuàng)造新的顯著價(jià)值，不一定要采用復(fù)雜的大數(shù)據(jù)分析方法。有時(shí)候，只要保證數(shù)據(jù)可用性或者對(duì)數(shù)據(jù)應(yīng)用進(jìn)行基本分析，就可以獲得所需的顯著值。”不同的企業(yè)或者企業(yè)內(nèi)部的不同部門，對(duì)數(shù)據(jù)分析和數(shù)據(jù)價(jià)值的理解是不一樣的。

大企業(yè)大數(shù)據(jù)創(chuàng)新的五大重要趨勢(shì)_數(shù)據(jù)分析師考試“大數(shù)據(jù)”不僅是一個(gè)流行語(yǔ)，也是一個(gè)日益現(xiàn)實(shí)的問題。就連IBM也宣布將投資10億美元開發(fā)PowerLinux系統(tǒng)，以支持其大數(shù)據(jù)戰(zhàn)略。從企業(yè)規(guī)模來(lái)看，大企業(yè)使用大數(shù)據(jù)更有優(yōu)勢(shì)。根據(jù)ForresterResearch對(duì)大量大型企業(yè)的調(diào)查數(shù)據(jù)，每個(gè)企業(yè)平均產(chǎn)生的數(shù)據(jù)量約為非結(jié)構(gòu)化數(shù)據(jù)50TB，半結(jié)構(gòu)化數(shù)據(jù)2TB，結(jié)構(gòu)化數(shù)據(jù)12TB。

目前使用大數(shù)據(jù)技術(shù)的企業(yè)比例約為20%，另有37%的企業(yè)正在規(guī)劃大數(shù)據(jù)項(xiàng)目，希望通過(guò)大數(shù)據(jù)分析的力量獲得更高的企業(yè)洞察。那么，大數(shù)據(jù)應(yīng)該如何應(yīng)用在大企業(yè)的重要項(xiàng)目中呢？以下是大企業(yè)大數(shù)據(jù)創(chuàng)新的五大方向。1)混合數(shù)據(jù)云。混合數(shù)據(jù)云是一個(gè)值得強(qiáng)調(diào)的話題，因?yàn)榇笮推髽I(yè)不可能放棄現(xiàn)有的結(jié)構(gòu)化數(shù)據(jù)基礎(chǔ)設(shè)施。

1、預(yù)測(cè)分析能力數(shù)據(jù)挖掘可以讓分析師更好的理解數(shù)據(jù)，預(yù)測(cè)分析可以根據(jù)可視化分析和數(shù)據(jù)挖掘的結(jié)果做出一些預(yù)測(cè)性的判斷。2.數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理是一些管理最佳實(shí)踐。通過(guò)標(biāo)準(zhǔn)化流程和工具處理數(shù)據(jù)可以確保預(yù)定義的高質(zhì)量分析結(jié)果。3.可視化分析數(shù)據(jù)可視化是對(duì)數(shù)據(jù)分析工具最基本的要求，無(wú)論是對(duì)數(shù)據(jù)分析專家還是普通用戶。

4.語(yǔ)義引擎我們知道非結(jié)構(gòu)化數(shù)據(jù)的多樣性給數(shù)據(jù)分析帶來(lái)了新的挑戰(zhàn)，我們需要一系列的工具來(lái)解析、提取和分析數(shù)據(jù)。語(yǔ)義引擎需要被設(shè)計(jì)成智能地從“文檔”中提取信息。5.數(shù)據(jù)挖掘算法可視化是給人看的，數(shù)據(jù)挖掘是給機(jī)器看的。聚類、分割、離群點(diǎn)分析等算法讓我們可以深入挖掘數(shù)據(jù)，挖掘價(jià)值。這些算法不僅要處理大數(shù)據(jù)量，還要處理大數(shù)據(jù)速度。

關(guān)于大數(shù)據(jù)的五點(diǎn)思考大數(shù)據(jù)不在乎它的大小，而在乎它背后的大腦。其實(shí)大眾對(duì)大數(shù)據(jù)還是有很多誤解的。劉德環(huán)教授在微博中發(fā)表了他對(duì)大數(shù)據(jù)的五點(diǎn)思考(稍后可能會(huì)更新)，并對(duì)近期大數(shù)據(jù)被大眾捧為珍寶的做法提出了自己不同的看法:任何網(wǎng)站的數(shù)據(jù)都是人們互聯(lián)網(wǎng)行為數(shù)據(jù)的極小子集，無(wú)論分析得多么全面和深入，都是子集，而不是全集。

似乎所有的數(shù)據(jù)都只是不完整的數(shù)據(jù)。數(shù)據(jù)量的大量增加會(huì)導(dǎo)致結(jié)果不準(zhǔn)確，不同來(lái)源的信息會(huì)增加數(shù)據(jù)的混亂，發(fā)現(xiàn)龐大的數(shù)據(jù)集和細(xì)粒度的測(cè)量會(huì)增加“錯(cuò)誤發(fā)現(xiàn)”的風(fēng)險(xiǎn)?！凹僭O(shè)、檢驗(yàn)和驗(yàn)證的科學(xué)方法已經(jīng)過(guò)時(shí)”的論調(diào)，恰恰是大數(shù)據(jù)時(shí)代的混亂和困惑，人們簡(jiǎn)單地?fù)肀Я藙P文·凱利所說(shuō)的混亂，互聯(lián)網(wǎng)用戶的基本特征、消費(fèi)行為、上網(wǎng)行為、渠道偏好、行為偏好、生活軌跡、位置等，反映了用戶的基本行為規(guī)律。