數據是有價值的，但大數據最核心的價值到底是什么？能夠用大數據來作什么呢？
我總結了一下，大數據最核心的作用和價值有四個方面：
1） 查看數據規(guī)律，來探索事物的運行規(guī)律和特征
2） 發(fā)現數據變化，來探索業(yè)務的變化和業(yè)務問題
3） 理清數據關系，來尋找影響業(yè)務運行的關鍵因素
4） 擬合數據模型，來預判業(yè)務在未來的發(fā)展趨勢
下面我將為大家舉一些案例，看如何利用大數據來實現這些價值。
3.1 探索規(guī)律
利用大數據來探索業(yè)務運行的規(guī)律和特征。
拿產品的銷量分析來說，我們收集產品的銷量數據，作趨勢分析，得到下圖所示的按照時間維度（星期）的折線圖。
從數據的特征可以看出，產品的銷量基本上是隨著時間在逐步上升的，周末的產品銷量比較高，即非工作日比工作日的產品銷量要高，這是絕大多數零售店的銷售規(guī)律，即“周末是交易高峰時間”。
而銷量高，也就意味著在產品銷售上的規(guī)律，即客流量比較大，看來周末上街購物的人數比較多。所以，從業(yè)務角度看，也就發(fā)現了客流量在時間上的分布規(guī)律。
基于客流量的分布規(guī)律，就可以提出如下的業(yè)務建議或策略：在人力安排上，周末需要更多的銷售員工上班；在庫存管理上，在周四或周五就要安排人員檢查庫存，確保庫存中有足夠的產品在周末售賣；在營銷活動的時間安排上，要想達到更好的品牌宣傳效果或者銷售業(yè)績，就得選擇在客流量多的周末時間進行宣傳和促銷，等等。
所以，大數據能夠幫助我們做決策，是怎樣做到的呢？
背后的思維其實很簡單，就是，先利用數據來探索業(yè)務的發(fā)展規(guī)律和特征，再利用業(yè)務規(guī)律，按規(guī)律來決策，就能夠做到事半功倍的效果。
哲學告訴我們，任何事物都是發(fā)展的，發(fā)展必定是有規(guī)律的，即萬物皆有規(guī)律。
任何客觀事物，大到天體運行，中到社會發(fā)展，小到原子分子的運行，都是有規(guī)律的。而大數據，則是探索事物規(guī)律的有效的工具！
3.2 發(fā)現變化
利用大數據來發(fā)現業(yè)務運行的變化和問題。
谷歌公司的流感趨勢預測產品（Google Flu Trends, GFT）是2008年推出的一款預測流感的產品，可以說是比較早的一個大數據產品了。
正常情況下，傳統(tǒng)的疫情報告是由各地醫(yī)院、診所和醫(yī)務人員向*CDC（疾病控制和預防中心）上報的，但這種方法往往會有10~14天的時間延遲，而在這兩周內，疫情有可能早已經迅速擴散。而谷歌的這款產品，卻可以利用了各個地區(qū)用戶搜索關鍵詞的數據量來判斷流感的傳播情況，來實時呈現或預測流感蔓延到哪個地區(qū)了，這對于CDC及時控制疫情具有更大的指導意義。
谷歌工程師每天都會對搜索感冒相關詞的搜索量做分析，在正常情況下，某地區(qū)每日的搜索量都會在一個正常的范圍內波動。但如果有一天（比如12號開始），某地區(qū)的搜索量開始持續(xù)上升，這上升的背后，其實體現的是患感冒人數的增加。這就是GFT產品背后的數據思維，基于搜索詞的熱度來預測流感的爆發(fā)。這個產品，甚至可以在流感爆發(fā)前的7-14天就能夠做出預判。因此，國家或企業(yè)都可以基于此預測進行相應的準備活動。
所以，可以基于數據的變化，而探知業(yè)務的變化，從而可以進一步思考給出相應的業(yè)務判斷和業(yè)務建議。即，數據的變化就意味著業(yè)務的變化。
這也是我們做決策的另一個底層邏輯，找到業(yè)務短板和變化，給出應對策略。最典型的就是運營分析，通過大量的KPI指標來呈現業(yè)務運營的各個環(huán)節(jié)的發(fā)展情況，以找到需要改進的環(huán)節(jié)，并做出優(yōu)化建議。
世界是物質的，而物質是運動的，變化是事物的本質。
一切事物都在運動變化，這些運動變化是可以被探知的。大數據，則是及時發(fā)現事物變化的一個工具。
3.3 理清關系
*印第安納大學的教授約翰·博倫（Johan Bollen），曾發(fā)表了一篇文章《Twitter情緒預測股票市場》。這些教授們一直想弄清楚到底是什么因素在影響股票的漲和跌，以及能否預測股市的漲或跌。于是，他們收集了2008~2010年期間在Twitter上發(fā)表的上億條條文，然后做了一個對用戶情緒的量化模型，就是根據發(fā)表條文的字詞來估算用戶的情緒，并將其量化為一個情緒數值。一個用戶就有一個情緒指標，然后，他們把當天發(fā)表條文的所有用戶的情緒指標綜合起來，最后形成了一個客戶群的綜合情緒指數。最后，他們把這個客戶群的綜合情緒指數按照時間的維度連接起來就形成了一條情緒曲線，然后，再把這條情緒曲線和道瓊斯指數曲線進行比對。經過不斷的優(yōu)化他們量化情緒的模型，他們很驚奇地發(fā)現，這條情緒曲線的波動居然和股票曲線的漲跌有著驚人一致（如下圖所求）。
仔細觀察一下，下圖的情緒曲線與股票曲線并不是完全重疊的，而是，情緒曲線在股票曲線波動的之前。也就是說，當情緒曲線往后挪3~4天以后，情緒的波動和股票的漲跌就基本上吻合了，這也就說明，可以利用情緒來初步判斷股票的漲跌，這開啟了大數據炒股的新時代。
用大數據的技術語言來說，就是，情緒指數與股票指數的具有相關性。
相關性分析，是大數據時代用得最多的一類分析方法之一，可用來探索事物之間的相互影響和相互制約的關系。
比如，企業(yè)的采購、生廠、設計、市場、售后等等，都是相互影響和相系制約的。
唯物辯證法認為，世界上的一切事物都處在普遍聯(lián)系中，沒有任何一個事物是孤立地存在的。聯(lián)系是指事物之間以及事物內部諸要素之間相互連結、相互依賴、相互影響、相互作用、相互轉化等相互關系。
一句話，萬物皆有聯(lián)系！而大數據，成為探索事物間相互聯(lián)系的一種有效的手段。
3.4 預測未來
大數據的核心是預測。
在2008年，當大多數企業(yè)在經濟危機中掙扎時，阿里巴巴卻相對輕松地地度過了此次危機，因為阿里巴巴提前就預測到經濟危機要來了。
他們是如何預測到經濟危機要來的呢？其實馬云在很多次場合都說過，他說阿里巴巴有兩大類重要的數據，一類是交易數據，另一類是詢盤數據。詢盤數據，指的就是在網站的瀏覽數據、搜索數據、點出數據等等。
很顯然，詢盤數據和交易數據是有關系的。首先，詢盤量和交易量存在正相關的關系；其次，詢盤數據肯定發(fā)生在交易數據的前面。阿里巴巴每個月都會對這兩大類數據進行統(tǒng)計和分析，找到他們的關系和規(guī)律。在2008年的年初，他們發(fā)現詢盤數據已經持續(xù)幾個月都在下降了，盡管此時交易數據并沒有明顯的下降趨勢，但基于上面的關系，可預見，在未來的交易數據也肯定會下降。因此，阿里巴巴才作出了“經濟危機”的初步判斷，然后，再收集更多的數據來驗證這個判斷的正確性，并進而作了大量的準備，從而安然度過這次經濟危機。
大家都知道，大數據分析的是已經發(fā)生過的數據，那么過去的數據已經發(fā)生了還有什么用呢？其實，大數據只是借分析過去的數據，來探索事物的規(guī)律和特征，其目的是為了預判事物在未來的發(fā)展變化或發(fā)展趨勢，
因此，大數據的目的是預測，基于對事物的預測結果，用來作出相應的策略調整。如果預測的結果不是我們想要的，則需要調整相應的策略，施加影響因素，使得事物朝著我們想要的方向去發(fā)展。
所以，大數據描述的是過去，表達的卻是未來！只有預見未來，才能把握未來！
可見，大數據之所以能夠用來進行業(yè)務決策，不外乎就是通過對數據的分析，來實現對業(yè)務特征、業(yè)務規(guī)律、業(yè)務變化的把握，以及影響業(yè)務變化的關鍵因素進行分析，來達到了解業(yè)務，預測業(yè)務未來發(fā)展的目的。
所以，大數據分析的核心價值，就是去發(fā)現數據的特征、變化和關系。
因為數據的特征就是業(yè)務的特征，數據的變化就是業(yè)務的變化，數據間的關系就是業(yè)務因素間的關系。
轉載：http://www.isoear.com/zixun_detail/111710.html
