搜索
查看: 992|: 0

大数据时代,大数据技术实现核心价值的三个步骤

[复制链接]

4

主题

0

回帖

50

积分

注册会员

积分
50
发表于 2016-8-13 17:20:55 | 显示全部楼层 |阅读模式
现如今大数据飞速发展,无论是在农业的应用也好,工业的应用也好,抑或是在金融行业的应用也好,最终都是通过大数据技术来获知事情发展的真相,最终利用这个“真相”来更加合理的配置资源。
讲到这里,很多金融行业的专家肯定觉得似曾相识,因为金融的定义与其十分相像,教科书上是这么定义“金融”这两个词的:金融就是对现有资源进行重新整合之后,实现价值和利润的等效流通。在投资过程中,我们一次又一次的希望发现价值洼地,投资一个又一个有成长性的项目,不正是一次又一次的进行着资源的优化配置,将资金流向更具潜力的企业和项目吗?
而大数据正是这样一种神奇的技术,通过全量的数据挖掘对全部样本进行分析,得出事情发展的客观事实,准确的反映事物发展的趋势,这样神奇的功能,不正是金融行业急需的神奇技能吗?我一直认为大数据的最大魅力在于开启了人类的“上帝视角”,人类从一个前所未有的角度俯瞰着这个世界,知道全国乃至全世界的商品流动情况,知道每个商圈的繁荣情况,知道全球的航空业发展状况等等等等,而这一切,都可以作为我们判断未来经济趋势的最重要根据,这是人类以前从未有过的预测能力。
下面让我们的“上帝视角”落地,讲一讲大数据技术是怎么一步步实现资源优化配置的。
具体来说,要实现大数据的核心价值,还需要前两个重要的步骤,第一步是通过“众包”的形式收集海量数据,第二步是通过大数据的技术途径进行“全量数据挖掘”,最后利用分析结果进行“资源优化配置”。
只说概念肯定没法直观的理解上面的观点,那就举几个咱们都接触过的例子讲一讲大数据是怎么通过这三步发挥核心价值的?
第一步、通过“众包”产生和收集数据
高德地图、百度地图都有实时路况的功能,但大家有没有想过实时路况的数据是怎么收集的?实际上经过了三个阶段,开始是跟交通口的一些公司合作,获取交通流量监测设备的数据,这个方法缺陷很明显,一个是受制于人,一个是想扩大监测范围就要部署大量设备,费时费力,而且还受法律制约。于是一些专门做路况的公司开始用出租车当浮动车收集数据。但这种办法还是无法覆盖大量的大小路段,随着移动互联网的普及,高德地图的APP能够实时上传大量机动车的速度和位置信息,经过去噪和综合分析,就形成了覆盖率极高的实时路况信息。这就是一个典型的“众包”过程。
严谨一点来说,众包指的是一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的(而且通常是大型的)大众网络的做法。
大数据的“海量数据”就是由“众包”产生的。广义上,用户的行为数据,各种传感器的数据,也都是“众包”的形式,只要是由过去集中式的产生模式扩散到分布式的模式,都是众包的形式。
第二步、通过“全量数据挖掘”获知“真相”
讲第二个特点之前希望大家能看一下上面的视频,通过分析阿里巴巴全年的数据得到的阿里巴巴的世界贸易与全国贸易的趋势。视频中体现的不仅是阿里巴巴集团的运营情况,其实也部分反映了整个中国的经济运行情况。而且这些数据不是通过采样得来的,就是真真切切的“全量数据”。我们再也不用通过“管中窥豹”的形式来推测全局,而是直接通过“上帝视角”来窥视真相。这就是大数据的魅力,我们获得了前所未有的获取真相的能力,而且对于大型互联网公司来说,即使是PB级别的数据分析也是准实时的,我们下一个小时就能够得知上一个小时的全量数据分析结果,这样的能力是前所未有的。
多谈几句最近互联网行业的“凛冬将至”,从哪开始的呢?阿里校招的缩编,而阿里毫无疑问是最清楚目前中国经济运行情况的,如果阿里有此判断,那说明经济的冬天可能真的要来了。
第三步 大数据的核心价值——“资源优化配置”
前段时间,滴滴打车曾通过投票和订单分析的方式得出了北上广深四地的加班大楼排行榜,敝司不幸排名第三,但事实真的是即使加班很晚也很难打到车啊啊!所以滴滴打车更名为“滴滴出行”之后,也抛出了他们伟大的愿景,那就是利用大数据分析实时综合调度“快车”、“专车”、“出租车”、“顺风车”甚至是滴滴巴士的资源,实现全局的交通资源优化。事实也是如此,滴滴的司机们越来越多的需要完成“指派任务”,而不是集中去抢高净值客户。也许对于个别单体来说他们的利益降低了,但全局的资源配置却避免了全局的资源浪费和过度竞争,无疑大大提高了交通资源的使用效率。
所以我们说,基于大数据分析的结果,进行资源优化配置,才是大数据应用的落地点和真正价值。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-11-15 09:52 , Processed in 0.085014 second(s), 24 queries .

快速回复 返回顶部 返回列表