不要再把大数据和BI混为一谈

mavisfine

提到大数据，现在搞IT的，甚至只要接触到网络的人，没有人不知道，没有人不向往，向往大数据所带来的医疗，交通，预警等方方面面技术的改善及提高。但是假若正儿八经地让他人给出大数据的定义，恐怕没有几个能说的明白。如果再要问商业智能和大数据的区别，那估计就要把人搞糊涂了——这两个不都是对数据进行分析，挖掘数据知识吗？

下面我们就来一次性区分明白。

1、 从集到散

分析更侧重于以一个固定的模型去归纳影响事件结果的因素，分析的大多是已经发生的事情。在BI分析中，最关键的不是数据，而是数据分析的方法。但是对于大数据来说却不是这样。有个很形象的比喻，把大数据比作自学的学生，通过对数据不断的应用，大数据系统会根据用户的选择和结果去完善自己，经过一段时间的沉淀，最关键的已经不是数据模型，而是那些积累下来的数据，比如客户行为数据，反馈数据，评价数据等等。系统的结论随着数据的积累而变换，即使可以复制一个相同的模型，但是数据却很难再还原了。

2、 从止损到开拓

止损，说的通俗一些，就是通过数据监测，提早发现问题，从而及时采取措施来防止这个错误的发生。各种检验的方法也是为了保证结果的正确，即使是因子分析等等的方法，也都是一个假设存在的，方法只是在保证这个假设的正确性。

但是所有的止损都有一个限度，那就是有损可以止，商业智能平台的价值就直接受限于想法本身的投入和产出的可能性。即使我们很多时候会说，这个产品先做，然后观察数据，再看再说。这里会在数据上做投入的原因也是产品本身的价值，以及期望一个和在预想符合的市场反应，否则，不会有谁想看相关数据。

大数据和这个不一样，因为它本身就是一个假设，而不是去验证别的什么想法的，它的目的就是要达到这个好的结果，给用户/公司直接带来利益，让用户选择有效的服务，既可以给用户好的体验，当然同样也应该为公司带来利润，这其中多有的过程，都是为了让用户/公司双发的利益更大，而不是为了防止公司出现损失这个层面。从这个角度上看。大数据本身的价值，并不受限于其他的什么因素，而只受限于自身系统的合理性它所能收集到的数据。

说了这么多的区别，并不是说完全要把大数据和BI割裂开来，大数据是从BI中发展来的，但是随着时代的发展和技术的进步，数据分析本身也应该存在着思路上的转变，不只是一个更大数据源上的BI了。如果在工作中不能跟上，很有可能只增加在数据上的投入，而不能得到很好的回报。