數(shu)據是(shi)有(you)價值的，但大數(shu)據最核心的價值到底(di)是(shi)什么(me)？能夠用大數(shu)據來(lai)作什么(me)呢？
我總結(jie)了一下，大數(shu)據最核(he)心的(de)作用(yong)和價(jia)值有(you)四個方面：
1） 查看(kan)數(shu)據(ju)規律(lv)，來(lai)探(tan)索事物的運(yun)行(xing)規律(lv)和特征
2） 發現數據變(bian)化，來探索業(ye)務的(de)變(bian)化和業(ye)務問題
3） 理清數據關(guan)系，來(lai)尋找影響業務(wu)運行的關(guan)鍵因素(su)
4） 擬合數據(ju)模(mo)型，來預判業務在(zai)未來的發展趨勢
下面我將為大家舉一些(xie)案例(li)，看如何利用大數據來實現(xian)這些(xie)價值(zhi)。
3.1 探(tan)索(suo)規(gui)律
利(li)用大數據(ju)來探索(suo)業務運行的(de)規(gui)律和(he)特征。
拿產(chan)品(pin)的(de)銷(xiao)量(liang)分(fen)析來說，我們收(shou)集(ji)產(chan)品(pin)的(de)銷(xiao)量(liang)數據(ju)，作(zuo)趨(qu)勢分(fen)析，得到下圖所示的(de)按照時間(jian)維度（星期(qi)）的(de)折(zhe)線圖。
從數據的(de)(de)特征(zheng)可以(yi)看出，產品的(de)(de)銷(xiao)量(liang)基本上(shang)是隨(sui)著時間在(zai)逐步上(shang)升(sheng)的(de)(de)，周末的(de)(de)產品銷(xiao)量(liang)比(bi)較高，即非(fei)工作日比(bi)工作日的(de)(de)產品銷(xiao)量(liang)要高，這是絕大多數零售(shou)店(dian)的(de)(de)銷(xiao)售(shou)規律，即“周末是交易高峰時間”。
而銷(xiao)量高(gao)，也就意味著在產品銷(xiao)售上的規(gui)律(lv)，即客(ke)流量比較(jiao)大(da)，看來周末上街(jie)購(gou)物的人數比較(jiao)多。所以，從(cong)業務角度看，也就發現了客(ke)流量在時間(jian)上的分布規(gui)律(lv)。
基于客流量的(de)分(fen)布規(gui)律，就可以提出如下的(de)業務建(jian)議或策略(lve)：在(zai)(zai)人(ren)力安排上(shang)，周(zhou)(zhou)(zhou)末需要(yao)更(geng)多(duo)的(de)銷(xiao)(xiao)售(shou)員工上(shang)班(ban)；在(zai)(zai)庫存(cun)管理上(shang)，在(zai)(zai)周(zhou)(zhou)(zhou)四或周(zhou)(zhou)(zhou)五就要(yao)安排人(ren)員檢查庫存(cun)，確保庫存(cun)中有足夠的(de)產品在(zai)(zai)周(zhou)(zhou)(zhou)末售(shou)賣；在(zai)(zai)營(ying)銷(xiao)(xiao)活動的(de)時間安排上(shang)，要(yao)想達(da)到更(geng)好的(de)品牌宣傳效果或者銷(xiao)(xiao)售(shou)業績，就得選擇在(zai)(zai)客流量多(duo)的(de)周(zhou)(zhou)(zhou)末時間進(jin)行宣傳和(he)促銷(xiao)(xiao)，等等。
所以(yi)，大數據能夠幫助(zhu)我們做決策，是(shi)怎樣做到的呢？
背后的思維其(qi)實很簡單，就是，先利用(yong)數據來(lai)探索業務的發展規(gui)律和特征(zheng)，再利用(yong)業務規(gui)律，按規(gui)律來(lai)決策(ce)，就能(neng)夠做到(dao)事(shi)半功(gong)倍(bei)的效(xiao)果。
哲學(xue)告(gao)訴我(wo)們，任何事物(wu)都是發展的，發展必定是有規律(lv)(lv)的，即(ji)萬物(wu)皆有規律(lv)(lv)。
任何客觀(guan)事物(wu)，大(da)到(dao)(dao)天體運(yun)行(xing)，中到(dao)(dao)社(she)會發(fa)展，小(xiao)到(dao)(dao)原(yuan)子分(fen)子的(de)運(yun)行(xing)，都(dou)是有規律(lv)(lv)的(de)。而大(da)數據，則是探索(suo)事物(wu)規律(lv)(lv)的(de)有效的(de)工具！
3.2 發現變(bian)化
利用大(da)數(shu)據來發現(xian)業務運行的變(bian)化(hua)和問題(ti)。
谷(gu)歌公司的(de)流感(gan)趨勢預(yu)測產品（Google Flu Trends, GFT）是(shi)2008年推出的(de)一(yi)款預(yu)測流感(gan)的(de)產品，可以說是(shi)比較早的(de)一(yi)個大數據產品了(le)。
正常情況下，傳統的(de)疫(yi)情報告是由各地醫(yi)院、診所和(he)醫(yi)務人員向*CDC（疾病控制和(he)預(yu)防中(zhong)心）上報的(de)，但這(zhe)種方法往(wang)往(wang)會有10~14天的(de)時間延(yan)遲，而在這(zhe)兩周(zhou)內，疫(yi)情有可能早(zao)已(yi)經迅(xun)速擴散。而谷歌的(de)這(zhe)款(kuan)產品，卻可以利用了(le)各個地區(qu)用戶搜(sou)索(suo)關鍵(jian)詞的(de)數據(ju)量來(lai)判斷(duan)流感的(de)傳播情況，來(lai)實時呈現或預(yu)測流感蔓延(yan)到(dao)哪個地區(qu)了(le)，這(zhe)對于(yu)CDC及時控制疫(yi)情具有更大(da)的(de)指(zhi)導意義(yi)。
谷歌(ge)工程師每天(tian)都會對搜索感冒相關詞的(de)(de)(de)搜索量做(zuo)分(fen)析(xi)，在(zai)正(zheng)常情(qing)況下，某地區每日的(de)(de)(de)搜索量都會在(zai)一個正(zheng)常的(de)(de)(de)范(fan)圍內波動。但(dan)如果有一天(tian)（比如12號(hao)開始(shi)），某地區的(de)(de)(de)搜索量開始(shi)持續上(shang)升(sheng)，這(zhe)上(shang)升(sheng)的(de)(de)(de)背(bei)后(hou)(hou)，其實體現的(de)(de)(de)是患感冒人數的(de)(de)(de)增(zeng)加。這(zhe)就(jiu)是GFT產(chan)品(pin)背(bei)后(hou)(hou)的(de)(de)(de)數據思維(wei)，基于搜索詞的(de)(de)(de)熱度來預測(ce)(ce)流(liu)感的(de)(de)(de)爆(bao)發。這(zhe)個產(chan)品(pin)，甚(shen)至可(ke)以在(zai)流(liu)感爆(bao)發前的(de)(de)(de)7-14天(tian)就(jiu)能夠做(zuo)出(chu)預判。因此，國家或企業都可(ke)以基于此預測(ce)(ce)進行相應的(de)(de)(de)準備活動。
所(suo)以(yi)，可以(yi)基于數據的變(bian)(bian)化，而探知業務(wu)的變(bian)(bian)化，從而可以(yi)進一步思(si)考(kao)給出相應的業務(wu)判(pan)斷和業務(wu)建(jian)議。即，數據的變(bian)(bian)化就意味(wei)著(zhu)業務(wu)的變(bian)(bian)化。
這也是我們做決策的(de)(de)(de)另(ling)一個底層邏輯，找到業(ye)務短板和(he)變化，給出應對策略。最典型的(de)(de)(de)就是運(yun)(yun)營分析，通(tong)過大量的(de)(de)(de)KPI指標來呈(cheng)現業(ye)務運(yun)(yun)營的(de)(de)(de)各個環節(jie)的(de)(de)(de)發展情(qing)況，以找到需要改(gai)進(jin)的(de)(de)(de)環節(jie)，并做出優(you)化建議。
世(shi)界(jie)是物質的，而物質是運動的，變化是事物的本質。
一切事(shi)物(wu)都在運動變化，這些運動變化是(shi)可以被探知(zhi)的(de)。大數(shu)據(ju)，則(ze)是(shi)及時發現事(shi)物(wu)變化的(de)一個工具。
3.3 理(li)清關系
*印第安納大學的(de)(de)教授(shou)約翰·博(bo)倫（Johan Bollen），曾發(fa)表(biao)了(le)(le)一(yi)(yi)(yi)篇文(wen)章(zhang)《Twitter情(qing)緒(xu)(xu)預測股票市(shi)場(chang)》。這些教授(shou)們(men)(men)(men)一(yi)(yi)(yi)直想(xiang)弄(nong)清楚(chu)到底是(shi)什么因素(su)在影響(xiang)股票的(de)(de)漲和跌，以及能(neng)否預測股市(shi)的(de)(de)漲或跌。于是(shi)，他們(men)(men)(men)收集(ji)了(le)(le)2008~2010年期間(jian)在Twitter上發(fa)表(biao)的(de)(de)上億(yi)條(tiao)(tiao)(tiao)條(tiao)(tiao)(tiao)文(wen)，然后(hou)做了(le)(le)一(yi)(yi)(yi)個(ge)(ge)對(dui)用(yong)戶(hu)情(qing)緒(xu)(xu)的(de)(de)量(liang)化模(mo)(mo)型(xing)(xing)，就是(shi)根據發(fa)表(biao)條(tiao)(tiao)(tiao)文(wen)的(de)(de)字詞(ci)來估(gu)算用(yong)戶(hu)的(de)(de)情(qing)緒(xu)(xu)，并(bing)將其量(liang)化為一(yi)(yi)(yi)個(ge)(ge)情(qing)緒(xu)(xu)數(shu)(shu)值。一(yi)(yi)(yi)個(ge)(ge)用(yong)戶(hu)就有(you)一(yi)(yi)(yi)個(ge)(ge)情(qing)緒(xu)(xu)指標，然后(hou)，他們(men)(men)(men)把(ba)(ba)當天發(fa)表(biao)條(tiao)(tiao)(tiao)文(wen)的(de)(de)所(suo)有(you)用(yong)戶(hu)的(de)(de)情(qing)緒(xu)(xu)指標綜合起(qi)來，最后(hou)形成了(le)(le)一(yi)(yi)(yi)個(ge)(ge)客(ke)戶(hu)群的(de)(de)綜合情(qing)緒(xu)(xu)指數(shu)(shu)。最后(hou)，他們(men)(men)(men)把(ba)(ba)這個(ge)(ge)客(ke)戶(hu)群的(de)(de)綜合情(qing)緒(xu)(xu)指數(shu)(shu)按照(zhao)時間(jian)的(de)(de)維度連接起(qi)來就形成了(le)(le)一(yi)(yi)(yi)條(tiao)(tiao)(tiao)情(qing)緒(xu)(xu)曲(qu)(qu)線，然后(hou)，再把(ba)(ba)這條(tiao)(tiao)(tiao)情(qing)緒(xu)(xu)曲(qu)(qu)線和道瓊斯指數(shu)(shu)曲(qu)(qu)線進行比對(dui)。經過不斷的(de)(de)優化他們(men)(men)(men)量(liang)化情(qing)緒(xu)(xu)的(de)(de)模(mo)(mo)型(xing)(xing)，他們(men)(men)(men)很(hen)驚(jing)奇地(di)發(fa)現，這條(tiao)(tiao)(tiao)情(qing)緒(xu)(xu)曲(qu)(qu)線的(de)(de)波(bo)動居然和股票曲(qu)(qu)線的(de)(de)漲跌有(you)著驚(jing)人(ren)一(yi)(yi)(yi)致（如下(xia)圖所(suo)求）。
仔細觀(guan)察(cha)一下(xia)，下(xia)圖的(de)情(qing)緒曲線(xian)(xian)(xian)與股票(piao)曲線(xian)(xian)(xian)并不是(shi)(shi)完全重疊的(de)，而是(shi)(shi)，情(qing)緒曲線(xian)(xian)(xian)在股票(piao)曲線(xian)(xian)(xian)波動的(de)之前(qian)。也(ye)就(jiu)是(shi)(shi)說，當情(qing)緒曲線(xian)(xian)(xian)往(wang)后挪3~4天以后，情(qing)緒的(de)波動和股票(piao)的(de)漲(zhang)跌(die)就(jiu)基本(ben)上(shang)吻合了(le)(le)，這(zhe)也(ye)就(jiu)說明，可(ke)以利用情(qing)緒來初(chu)步(bu)判斷股票(piao)的(de)漲(zhang)跌(die)，這(zhe)開啟了(le)(le)大數據炒(chao)股的(de)新時(shi)代。
用大數(shu)據的技術語(yu)言來說(shuo)，就是，情緒指(zhi)數(shu)與股票指(zhi)數(shu)的具有相(xiang)關性。
相關性(xing)分(fen)析，是(shi)大(da)數據時代用得最多的一(yi)類(lei)分(fen)析方(fang)法(fa)之一(yi)，可用來探(tan)索事(shi)物(wu)之間的相互影響(xiang)和相互制約的關系。
比如(ru)，企業(ye)的采購(gou)、生廠、設計、市場、售后等等，都是(shi)相(xiang)互影響(xiang)和相(xiang)系制約的。
唯物(wu)(wu)辯(bian)證法認為，世(shi)界上的(de)一切(qie)事(shi)物(wu)(wu)都(dou)處在普遍聯系(xi)中(zhong)，沒(mei)有任何一個事(shi)物(wu)(wu)是孤立地存(cun)在的(de)。聯系(xi)是指事(shi)物(wu)(wu)之(zhi)間(jian)以(yi)及事(shi)物(wu)(wu)內部諸要(yao)素之(zhi)間(jian)相(xiang)互(hu)連結(jie)、相(xiang)互(hu)依賴、相(xiang)互(hu)影響、相(xiang)互(hu)作(zuo)用、相(xiang)互(hu)轉化等相(xiang)互(hu)關系(xi)。
一句話，萬(wan)物皆(jie)有聯系！而(er)大數據(ju)，成為(wei)探索事(shi)物間相互聯系的一種有效的手段。
3.4 預測未(wei)來
大(da)數據的核心是預測。
在(zai)2008年(nian)，當大多數(shu)企業在(zai)經(jing)濟(ji)危(wei)機中掙(zheng)扎時，阿里(li)(li)巴(ba)巴(ba)卻相(xiang)對(dui)輕松地地度過了(le)(le)此次(ci)危(wei)機，因為阿里(li)(li)巴(ba)巴(ba)提前就預測到經(jing)濟(ji)危(wei)機要來了(le)(le)。
他們是(shi)(shi)(shi)如何(he)預測到經(jing)濟(ji)危機要(yao)來的呢？其實馬(ma)云在(zai)很多次場合都說過，他說阿里巴巴有兩(liang)大類(lei)(lei)(lei)重要(yao)的數據(ju)，一類(lei)(lei)(lei)是(shi)(shi)(shi)交易數據(ju)，另一類(lei)(lei)(lei)是(shi)(shi)(shi)詢盤(pan)數據(ju)。詢盤(pan)數據(ju)，指的就(jiu)是(shi)(shi)(shi)在(zai)網站的瀏覽數據(ju)、搜索數據(ju)、點出數據(ju)等等。
很顯然，詢(xun)盤(pan)數據(ju)和交(jiao)易(yi)數據(ju)是(shi)有關(guan)系(xi)的(de)(de)。首先，詢(xun)盤(pan)量和交(jiao)易(yi)量存在正相關(guan)的(de)(de)關(guan)系(xi)；其次，詢(xun)盤(pan)數據(ju)肯(ken)定(ding)(ding)發生在交(jiao)易(yi)數據(ju)的(de)(de)前面。阿里(li)巴(ba)巴(ba)每個月都(dou)會對這兩大(da)類數據(ju)進行統計和分析，找到(dao)他們的(de)(de)關(guan)系(xi)和規律(lv)。在2008年(nian)的(de)(de)年(nian)初，他們發現詢(xun)盤(pan)數據(ju)已(yi)經持續幾個月都(dou)在下降了，盡管(guan)此(ci)時(shi)交(jiao)易(yi)數據(ju)并(bing)沒(mei)有明(ming)顯的(de)(de)下降趨勢(shi)，但(dan)基于上面的(de)(de)關(guan)系(xi)，可(ke)預見，在未來的(de)(de)交(jiao)易(yi)數據(ju)也肯(ken)定(ding)(ding)會下降。因此(ci)，阿里(li)巴(ba)巴(ba)才作(zuo)出了“經濟危(wei)機(ji)”的(de)(de)初步判斷(duan)，然后(hou)，再收集更(geng)多的(de)(de)數據(ju)來驗證這個判斷(duan)的(de)(de)正確性(xing)，并(bing)進而作(zuo)了大(da)量的(de)(de)準備，從(cong)而安然度過這次經濟危(wei)機(ji)。
大家都知道，大數(shu)(shu)據分(fen)析的(de)(de)(de)是已(yi)經發(fa)生過(guo)(guo)的(de)(de)(de)數(shu)(shu)據，那么(me)過(guo)(guo)去(qu)(qu)的(de)(de)(de)數(shu)(shu)據已(yi)經發(fa)生了(le)還有(you)什么(me)用呢？其實，大數(shu)(shu)據只是借分(fen)析過(guo)(guo)去(qu)(qu)的(de)(de)(de)數(shu)(shu)據，來探索事(shi)物(wu)的(de)(de)(de)規(gui)律和特征(zheng)，其目的(de)(de)(de)是為了(le)預(yu)判事(shi)物(wu)在(zai)未來的(de)(de)(de)發(fa)展(zhan)(zhan)變化或(huo)發(fa)展(zhan)(zhan)趨(qu)勢，
因(yin)此，大數(shu)據的(de)目的(de)是(shi)預測，基于對事物(wu)的(de)預測結(jie)果，用來作出相應(ying)的(de)策(ce)略(lve)調(diao)(diao)整。如(ru)果預測的(de)結(jie)果不是(shi)我們想(xiang)要的(de)，則需(xu)要調(diao)(diao)整相應(ying)的(de)策(ce)略(lve)，施加影響因(yin)素，使得事物(wu)朝著我們想(xiang)要的(de)方(fang)向去發展(zhan)。
所以，大(da)數據(ju)描述的(de)是過去(qu)，表(biao)達(da)的(de)卻是未(wei)來！只有預(yu)見(jian)未(wei)來，才能把握未(wei)來！
可(ke)見，大數據之所以能夠用來進(jin)行業(ye)(ye)務(wu)決策，不(bu)外乎就是(shi)通過對(dui)數據的分(fen)(fen)析(xi)，來實現對(dui)業(ye)(ye)務(wu)特征、業(ye)(ye)務(wu)規(gui)律、業(ye)(ye)務(wu)變(bian)化(hua)的把(ba)握(wo)，以及影響業(ye)(ye)務(wu)變(bian)化(hua)的關鍵因素進(jin)行分(fen)(fen)析(xi)，來達(da)到了解業(ye)(ye)務(wu)，預測(ce)業(ye)(ye)務(wu)未來發展的目(mu)的。
所以，大數據分析(xi)的核心價值，就是去發現(xian)數據的特(te)征、變化(hua)和關系。
因為數據的特征(zheng)就(jiu)(jiu)是業務的特征(zheng)，數據的變(bian)(bian)化(hua)就(jiu)(jiu)是業務的變(bian)(bian)化(hua)，數據間的關系就(jiu)(jiu)是業務因素(su)間的關系。
轉載：//citymember.cn/zixun_detail/111710.html
