數據(ju)是(shi)有價值(zhi)的，但大數據(ju)最核(he)心的價值(zhi)到(dao)底(di)是(shi)什么(me)？能夠用大數據(ju)來作什么(me)呢(ni)？
我(wo)總結了一(yi)下，大(da)數據最核(he)心的作(zuo)用和價值有四個方面：
1） 查看數據規律，來探(tan)索事物的運行規律和特征
2） 發現數據(ju)變化，來探索業務的(de)變化和業務問題
3） 理(li)清數據關(guan)系(xi)，來尋找影(ying)響(xiang)業務運行的關(guan)鍵(jian)因素
4） 擬合數(shu)據模型，來(lai)預判業務在未來(lai)的發(fa)展趨(qu)勢
下面我將為(wei)大家舉一(yi)些(xie)案例，看如何(he)利用大數據來實現這些(xie)價值。
3.1 探索規律
利用(yong)大(da)數據(ju)來探索業(ye)務運行的規律和特征。
拿產品的銷(xiao)量(liang)分析來說(shuo)，我們收集產品的銷(xiao)量(liang)數(shu)據，作趨勢分析，得到下圖(tu)所示的按照時間維度（星期）的折線圖(tu)。
從數(shu)據的(de)特征可以看出，產品(pin)的(de)銷量(liang)基本上是(shi)(shi)隨著時(shi)間在(zai)逐(zhu)步上升的(de)，周(zhou)末(mo)的(de)產品(pin)銷量(liang)比較高(gao)，即非(fei)工作日(ri)(ri)比工作日(ri)(ri)的(de)產品(pin)銷量(liang)要高(gao)，這是(shi)(shi)絕大多數(shu)零售店的(de)銷售規律，即“周(zhou)末(mo)是(shi)(shi)交(jiao)易高(gao)峰時(shi)間”。
而(er)銷量(liang)高，也就(jiu)意味著在(zai)產品銷售上的規(gui)律，即客流量(liang)比較大，看(kan)來周末上街購物的人數比較多。所以，從業務角(jiao)度看(kan)，也就(jiu)發(fa)現了客流量(liang)在(zai)時間上的分布(bu)規(gui)律。
基(ji)于客(ke)流(liu)量的(de)(de)(de)分布規律，就(jiu)可以(yi)提出如(ru)下(xia)的(de)(de)(de)業務建(jian)議或策略：在(zai)(zai)人力安排(pai)上，周末(mo)需要(yao)更(geng)多(duo)的(de)(de)(de)銷售(shou)(shou)員工(gong)上班(ban)；在(zai)(zai)庫(ku)(ku)存(cun)管理(li)上，在(zai)(zai)周四或周五就(jiu)要(yao)安排(pai)人員檢查庫(ku)(ku)存(cun)，確保(bao)庫(ku)(ku)存(cun)中有足夠(gou)的(de)(de)(de)產品在(zai)(zai)周末(mo)售(shou)(shou)賣(mai)；在(zai)(zai)營(ying)銷活動(dong)的(de)(de)(de)時(shi)間安排(pai)上，要(yao)想達到更(geng)好的(de)(de)(de)品牌(pai)宣(xuan)傳(chuan)效(xiao)果或者銷售(shou)(shou)業績，就(jiu)得選(xuan)擇(ze)在(zai)(zai)客(ke)流(liu)量多(duo)的(de)(de)(de)周末(mo)時(shi)間進行宣(xuan)傳(chuan)和促銷，等等。
所以，大(da)數(shu)據能夠幫助我們做決策，是怎樣做到的呢(ni)？
背后的(de)思維其(qi)實很(hen)簡(jian)單，就是，先利(li)用(yong)數(shu)據(ju)來(lai)探索業務的(de)發展規(gui)律和特(te)征(zheng)，再利(li)用(yong)業務規(gui)律，按規(gui)律來(lai)決策，就能夠做到事半功倍的(de)效果。
哲學告訴我們，任何事物都是發展的，發展必(bi)定是有規律(lv)的，即萬物皆有規律(lv)。
任(ren)何客觀事物(wu)，大到天體運行，中(zhong)到社會發展，小到原子分子的運行，都(dou)是(shi)有(you)規(gui)(gui)律的。而大數(shu)據，則是(shi)探索事物(wu)規(gui)(gui)律的有(you)效的工(gong)具！
3.2 發(fa)現變化
利用(yong)大數據來發(fa)現業務運行的變化和問題。
谷歌公司的(de)流感趨勢預測產品（Google Flu Trends, GFT）是2008年推(tui)出的(de)一(yi)款預測流感的(de)產品，可以說是比較早的(de)一(yi)個(ge)大(da)數據(ju)產品了。
正常(chang)情(qing)況下，傳統(tong)的(de)(de)(de)(de)疫(yi)情(qing)報告是由各地(di)(di)醫院(yuan)、診所(suo)和(he)醫務(wu)人員向*CDC（疾病控制(zhi)(zhi)和(he)預防中心）上報的(de)(de)(de)(de)，但(dan)這(zhe)種方法往往會(hui)有10~14天的(de)(de)(de)(de)時間延(yan)遲，而在這(zhe)兩周內(nei)，疫(yi)情(qing)有可能早已經迅速擴(kuo)散(san)。而谷歌的(de)(de)(de)(de)這(zhe)款產品，卻可以利(li)用了各個地(di)(di)區用戶搜索關鍵詞(ci)的(de)(de)(de)(de)數據量來判斷(duan)流(liu)感(gan)的(de)(de)(de)(de)傳播(bo)情(qing)況，來實(shi)時呈現(xian)或預測流(liu)感(gan)蔓延(yan)到哪個地(di)(di)區了，這(zhe)對于(yu)CDC及(ji)時控制(zhi)(zhi)疫(yi)情(qing)具有更大的(de)(de)(de)(de)指導意(yi)義。
谷歌工(gong)程(cheng)師(shi)每(mei)(mei)天都會對搜(sou)索感(gan)冒(mao)相(xiang)關詞的(de)(de)搜(sou)索量(liang)做(zuo)分析，在(zai)正常(chang)情(qing)況下，某地(di)區每(mei)(mei)日的(de)(de)搜(sou)索量(liang)都會在(zai)一個正常(chang)的(de)(de)范圍內波動。但(dan)如(ru)(ru)果有(you)一天（比如(ru)(ru)12號開(kai)始(shi)），某地(di)區的(de)(de)搜(sou)索量(liang)開(kai)始(shi)持(chi)續上(shang)升，這(zhe)上(shang)升的(de)(de)背(bei)后，其實體(ti)現的(de)(de)是患感(gan)冒(mao)人數的(de)(de)增加。這(zhe)就是GFT產(chan)品背(bei)后的(de)(de)數據思維，基(ji)(ji)于搜(sou)索詞的(de)(de)熱度來(lai)預測流感(gan)的(de)(de)爆發(fa)。這(zhe)個產(chan)品，甚(shen)至(zhi)可(ke)以在(zai)流感(gan)爆發(fa)前的(de)(de)7-14天就能夠做(zuo)出(chu)預判(pan)。因此(ci)(ci)，國家或企(qi)業都可(ke)以基(ji)(ji)于此(ci)(ci)預測進行相(xiang)應的(de)(de)準備活動。
所(suo)以，可以基于數據的(de)變(bian)化(hua)(hua)，而探(tan)知業(ye)務(wu)的(de)變(bian)化(hua)(hua)，從而可以進一步思考給(gei)出相應的(de)業(ye)務(wu)判斷(duan)和(he)業(ye)務(wu)建議。即(ji)，數據的(de)變(bian)化(hua)(hua)就意(yi)味著(zhu)業(ye)務(wu)的(de)變(bian)化(hua)(hua)。
這(zhe)也是我(wo)們(men)做(zuo)(zuo)決(jue)策的(de)另(ling)一(yi)個底層邏輯，找到(dao)(dao)業務短板和變化，給出(chu)應對策略。最(zui)典型的(de)就(jiu)是運(yun)營(ying)分析(xi)，通(tong)過大量的(de)KPI指標(biao)來(lai)呈現業務運(yun)營(ying)的(de)各個環節(jie)的(de)發展(zhan)情況(kuang)，以找到(dao)(dao)需要改進的(de)環節(jie)，并(bing)做(zuo)(zuo)出(chu)優化建議。
世界是(shi)物質(zhi)的，而(er)物質(zhi)是(shi)運(yun)動的，變(bian)化是(shi)事物的本質(zhi)。
一切事物(wu)都在運動變化(hua)，這些運動變化(hua)是可以被探知(zhi)的。大數據，則是及時發現事物(wu)變化(hua)的一個工具。
3.3 理清關系
*印(yin)第安納(na)大學的(de)(de)教(jiao)授(shou)約翰·博倫（Johan Bollen），曾發表(biao)了(le)一(yi)篇文(wen)章《Twitter情(qing)(qing)緒(xu)(xu)預測(ce)股(gu)(gu)票(piao)市場(chang)》。這(zhe)(zhe)些(xie)教(jiao)授(shou)們(men)一(yi)直(zhi)想弄清楚到底(di)是什(shen)么因素(su)在影響(xiang)股(gu)(gu)票(piao)的(de)(de)漲(zhang)和跌(die)(die)，以及能否預測(ce)股(gu)(gu)市的(de)(de)漲(zhang)或跌(die)(die)。于是，他們(men)收(shou)集了(le)2008~2010年期(qi)間(jian)在Twitter上(shang)發表(biao)的(de)(de)上(shang)億條(tiao)條(tiao)文(wen)，然(ran)后(hou)做(zuo)了(le)一(yi)個(ge)對(dui)用戶(hu)(hu)(hu)(hu)情(qing)(qing)緒(xu)(xu)的(de)(de)量(liang)化模(mo)型(xing)，就(jiu)是根據(ju)發表(biao)條(tiao)文(wen)的(de)(de)字詞來估算用戶(hu)(hu)(hu)(hu)的(de)(de)情(qing)(qing)緒(xu)(xu)，并將其量(liang)化為(wei)一(yi)個(ge)情(qing)(qing)緒(xu)(xu)數(shu)值。一(yi)個(ge)用戶(hu)(hu)(hu)(hu)就(jiu)有一(yi)個(ge)情(qing)(qing)緒(xu)(xu)指(zhi)標，然(ran)后(hou)，他們(men)把當天發表(biao)條(tiao)文(wen)的(de)(de)所有用戶(hu)(hu)(hu)(hu)的(de)(de)情(qing)(qing)緒(xu)(xu)指(zhi)標綜(zong)(zong)合起來，最后(hou)形成了(le)一(yi)個(ge)客(ke)戶(hu)(hu)(hu)(hu)群的(de)(de)綜(zong)(zong)合情(qing)(qing)緒(xu)(xu)指(zhi)數(shu)。最后(hou)，他們(men)把這(zhe)(zhe)個(ge)客(ke)戶(hu)(hu)(hu)(hu)群的(de)(de)綜(zong)(zong)合情(qing)(qing)緒(xu)(xu)指(zhi)數(shu)按照(zhao)時間(jian)的(de)(de)維(wei)度連接起來就(jiu)形成了(le)一(yi)條(tiao)情(qing)(qing)緒(xu)(xu)曲(qu)線(xian)，然(ran)后(hou)，再把這(zhe)(zhe)條(tiao)情(qing)(qing)緒(xu)(xu)曲(qu)線(xian)和道瓊(qiong)斯指(zhi)數(shu)曲(qu)線(xian)進行比對(dui)。經過不斷的(de)(de)優(you)化他們(men)量(liang)化情(qing)(qing)緒(xu)(xu)的(de)(de)模(mo)型(xing)，他們(men)很驚(jing)奇地發現(xian)，這(zhe)(zhe)條(tiao)情(qing)(qing)緒(xu)(xu)曲(qu)線(xian)的(de)(de)波動(dong)居然(ran)和股(gu)(gu)票(piao)曲(qu)線(xian)的(de)(de)漲(zhang)跌(die)(die)有著驚(jing)人一(yi)致（如下圖所求）。
仔細觀察一(yi)下(xia)，下(xia)圖的情(qing)緒曲線與(yu)股(gu)票(piao)曲線并不是完全重疊的，而是，情(qing)緒曲線在股(gu)票(piao)曲線波(bo)動(dong)的之前。也(ye)就(jiu)是說，當情(qing)緒曲線往(wang)后(hou)挪3~4天以后(hou)，情(qing)緒的波(bo)動(dong)和股(gu)票(piao)的漲(zhang)跌就(jiu)基本上吻合了，這也(ye)就(jiu)說明，可(ke)以利(li)用情(qing)緒來初(chu)步判斷股(gu)票(piao)的漲(zhang)跌，這開啟(qi)了大數據炒股(gu)的新(xin)時代。
用大(da)數(shu)據的技術(shu)語言來說，就是，情(qing)緒指(zhi)數(shu)與股票(piao)指(zhi)數(shu)的具(ju)有相關性(xing)。
相關性分析，是大數據時代用(yong)得(de)最多的(de)(de)一類(lei)分析方法之一，可用(yong)來(lai)探索事(shi)物之間的(de)(de)相互影響(xiang)和相互制約的(de)(de)關系。
比(bi)如(ru)，企業的采購、生廠、設(she)計、市場、售后等等，都是相(xiang)互影響和相(xiang)系(xi)制約的。
唯物辯(bian)證法認為，世(shi)界上(shang)的一切事物都(dou)處在普遍聯系中(zhong)，沒(mei)有任何一個事物是孤(gu)立地存在的。聯系是指事物之間(jian)以及事物內部諸要素之間(jian)相互(hu)連結(jie)、相互(hu)依賴、相互(hu)影響、相互(hu)作(zuo)用、相互(hu)轉(zhuan)化等相互(hu)關系。
一句話，萬物皆有聯(lian)系！而(er)大數據，成為探索(suo)事物間相互(hu)聯(lian)系的一種有效的手段(duan)。
3.4 預測未來(lai)
大數據(ju)的核心是預(yu)測。
在(zai)2008年，當大多(duo)數企業(ye)在(zai)經(jing)濟危機中掙扎(zha)時，阿里巴巴卻相對(dui)輕松地(di)地(di)度過(guo)了此次危機，因為阿里巴巴提前(qian)就預測到經(jing)濟危機要來了。
他們是如何預(yu)測到經(jing)濟危機要來(lai)的(de)呢(ni)？其(qi)實馬(ma)云(yun)在(zai)很多次場合都說過，他說阿里巴(ba)巴(ba)有(you)兩大類重要的(de)數據(ju)(ju)，一類是交易數據(ju)(ju)，另一類是詢盤(pan)數據(ju)(ju)。詢盤(pan)數據(ju)(ju)，指的(de)就是在(zai)網站的(de)瀏覽數據(ju)(ju)、搜索數據(ju)(ju)、點出數據(ju)(ju)等等。
很顯然，詢(xun)(xun)盤數(shu)(shu)(shu)據(ju)和(he)(he)交(jiao)(jiao)(jiao)易數(shu)(shu)(shu)據(ju)是有關(guan)(guan)系(xi)的(de)。首先，詢(xun)(xun)盤量和(he)(he)交(jiao)(jiao)(jiao)易量存在(zai)正相關(guan)(guan)的(de)關(guan)(guan)系(xi)；其次，詢(xun)(xun)盤數(shu)(shu)(shu)據(ju)肯定發(fa)(fa)生在(zai)交(jiao)(jiao)(jiao)易數(shu)(shu)(shu)據(ju)的(de)前面(mian)。阿里巴(ba)巴(ba)每個月(yue)都會對這兩大類數(shu)(shu)(shu)據(ju)進行統(tong)計和(he)(he)分析，找到他們的(de)關(guan)(guan)系(xi)和(he)(he)規(gui)律。在(zai)2008年的(de)年初，他們發(fa)(fa)現詢(xun)(xun)盤數(shu)(shu)(shu)據(ju)已經持續(xu)幾個月(yue)都在(zai)下降了，盡管此時交(jiao)(jiao)(jiao)易數(shu)(shu)(shu)據(ju)并沒有明(ming)顯的(de)下降趨勢，但基于上面(mian)的(de)關(guan)(guan)系(xi)，可預見，在(zai)未來的(de)交(jiao)(jiao)(jiao)易數(shu)(shu)(shu)據(ju)也肯定會下降。因此，阿里巴(ba)巴(ba)才(cai)作出了“經濟危機”的(de)初步判(pan)斷，然后(hou)，再收集更多的(de)數(shu)(shu)(shu)據(ju)來驗證(zheng)這個判(pan)斷的(de)正確(que)性，并進而作了大量的(de)準備(bei)，從而安然度過這次經濟危機。
大(da)(da)家都知道(dao)，大(da)(da)數據(ju)分(fen)析(xi)的(de)(de)是已(yi)經發生過(guo)(guo)的(de)(de)數據(ju)，那么(me)過(guo)(guo)去(qu)的(de)(de)數據(ju)已(yi)經發生了還(huan)有(you)什(shen)么(me)用呢(ni)？其(qi)實，大(da)(da)數據(ju)只是借(jie)分(fen)析(xi)過(guo)(guo)去(qu)的(de)(de)數據(ju)，來(lai)探索事(shi)物的(de)(de)規律和(he)特征，其(qi)目的(de)(de)是為了預(yu)判(pan)事(shi)物在未來(lai)的(de)(de)發展變化或發展趨勢，
因此，大數據的(de)(de)目的(de)(de)是(shi)預(yu)測，基于(yu)對事(shi)物的(de)(de)預(yu)測結果(guo)(guo)，用來作出相(xiang)應的(de)(de)策略調整。如果(guo)(guo)預(yu)測的(de)(de)結果(guo)(guo)不是(shi)我們想要(yao)的(de)(de)，則需要(yao)調整相(xiang)應的(de)(de)策略，施加(jia)影(ying)響因素，使得(de)事(shi)物朝著(zhu)我們想要(yao)的(de)(de)方向去發(fa)展。
所(suo)以，大數據(ju)描述(shu)的是過去，表達(da)的卻是未來(lai)(lai)！只有(you)預見未來(lai)(lai)，才(cai)能把握未來(lai)(lai)！
可(ke)見，大數據之(zhi)所以能夠用來進(jin)行業務決(jue)策，不外(wai)乎就是通過對(dui)數據的分析，來實現對(dui)業務特征、業務規(gui)律(lv)、業務變(bian)化(hua)的把握，以及影響(xiang)業務變(bian)化(hua)的關鍵因素進(jin)行分析，來達到了解業務，預測業務未來發展的目(mu)的。
所以，大數(shu)(shu)據分析的(de)(de)核(he)心價值，就是去發現數(shu)(shu)據的(de)(de)特征、變化和(he)關系。
因為數(shu)據(ju)的(de)(de)(de)特征(zheng)就(jiu)是業務的(de)(de)(de)特征(zheng)，數(shu)據(ju)的(de)(de)(de)變(bian)化(hua)就(jiu)是業務的(de)(de)(de)變(bian)化(hua)，數(shu)據(ju)間(jian)的(de)(de)(de)關系就(jiu)是業務因素間(jian)的(de)(de)(de)關系。
轉載：//citymember.cn/zixun_detail/111710.html
