[原创文章]我们拥有数据，为什么没有创造价值？

什么是大数据？很多人都以为收集了这些大数据就有价值了，其实不然。我们拥有的数据越来越多，然而就数据本身来说是无含义的。数据本身并不能做任何事情，只有不断从数据中进行分析洞察，将数据转化为信息和知识，并用来解决实际问题，才能产生真正的价值。...



我们拥有的可能只是“字符”而已

在大数据时代，人们很容易把一大堆数据定义为“大数据”，比如，大型制造企业和仓库可能存有多年积累下来的存货数据，或许高达几兆兆字节，但这并不能算大数据。

因为，没有业务洞察和改进创新都只是字符而已。大数据的价值创造就是“从海量数据中获取前所未有的洞察力，通过洞察力来创造生产力的一个过程”。

众所周知，数据的积累是企业数据资产的基础，企业通过内外部的数据采集处理，形成其数据资产。大量可靠的数据能够带来非常有用的信息，通过对数据的分析和洞察，可以获取未知的经验，这种经验是采样分析所不能比拟的。

为什么我们拥有了大量的数据，却没有从中获得理想的价值呢？



数据来源是否单一？

如果数据来源单一，即使数据量很大，也不太可能是大数据。

数据人会考虑大数据的4V：数量，多样性，速度，精确性。一般来说，大数据往往不是来自于单一源头或系统，而是来自于许多不同的地方，不同的形式，以及不同的变量。

例如，单台数据采集设备采集的数据尽管数量庞大但不是大数据，可是如果把从设计、生产、使用过程获得的数据与其整合以构建完整生命链，则它们就成了大数据。因此，问题在于是什么形成了大数据，而不是仅仅考虑数量因素。



数据被实时分析使用的需求强烈吗？

当数据需要被实时分析使用时，比如测发控过程、股票交易过程，尽管数据缺乏多样性，但仍可被定义为大数据。在测发控这一强实时过程中，若真的存在异常行为，需要立刻被检测出并予以阻止。

同样的，股票交易员所依赖的高频交易数据也并不是特别复杂的数据，但需要连续处理以做出买入或卖出股票的决定，Hadoop和Spark是被经常使用的分析工具。



要解决的问题是否复杂？

当你开始针对数据询问更加复杂的问题的时候，比如非确定因果关系，则该数据就成了大数据。当然，在这种情况下，最好还是使用多方面来源的数据。

比如，电力公司需要运营维护大量的变压器和线路等设备，这些设备它会有很多状态数据。本体状态包括温度、振动情况、锈蚀情况、电压、电流等；还有一些环境状态信息，包括周边环境的温度、湿度等，这样的数据在现有的大型企业会有自动采集的传感器来捕捉这些信息；除此之外还有很多人为的操作信息，对设备的开机、关机、对设备进行周期性预防检修、维护性工作、年检工作等。

以上所有这些数据都放到大数据模型里面来，通过大数据的方法计算，告诉客户这3000台变压器设备，可能其中10%是属于高危等级，需要提前去开展预防性的检修、维护或者年检工作，剩下的可能40%是中等危险等级，50%是低等危险等级，这些都是可以通过大数据方法来优化工作的。



后续的举措能否跟得上？

分析发现了问题，为了解决这些问题，我们应该配合什么样的举措，是不是要通过提升人员的技能、通过设备的技术改造等来开展一些工作？这些管理举措的后续跟进，对用户来说，这才是更有价值的环节。

（以上仅代表个人观点，欢迎交流讨论）

    关注 航天视界