大数据的10大误区

　　一些公司认为，如果他们只是收集数据，他们以后会找出这些数据的利用之道，但付出大量成本却毫无价值。事实上，一些数据集适用收益递减规律。例如，你进行民意测试来预测选举结果。你需要一定数量的投票人以获得具有代表性的样本。但这个数量达到某个点之后，增加更多的人不会显著影响误差幅度。
　　而且这不仅涉及存储成本，Recommind公司信息治理和大数据管理全球主管Dean Gonsowski说，该公司总部位于旧金山，专注于非结构化数据分析。
　　例如，数据越多，进行排序的时间就越长。“当数十亿条记录入库，搜索需要花费数小时或数周。”他说。
　　误区5 ：所有数据的都平等
　　弗吉尼亚州在过去20年一直在收集有关学生注册人数，财政援助和奖励程度的数据。但是，这并不意味着，20年前收集并存储在相同的数据字段中的数据一定是相同的数据。
　　“我处理的最大问题是，仅仅因为它是在数据字典中，研究人员认为这是公平的比赛，”弗吉尼亚州议会高等教育政策研究和数据仓库主管Tod Massa说。“例如，ACT和SAT的学生的考试成绩数据，最初只对本州的学生收集，然后有一个缺口，然后收集本州和其他州的学生数据。”同样，不同种族在K - 12级别和在高等教育的数据也有所不同。
　　事实上，任何特定的数据，由不同的机构，或不同的人，或在不同的时间点报告的，都可能有所不同。
　　因此，分析师需要具备的不只是统计技能，而且还要熟悉数据的当地知识，和行业的整体发展趋势，如SAT和ACT成绩被重新标定。
　　“你不能编程所有这些东西放到一个数据仓库。”Tod Massa说。
　　这同样适用于外部的数据源，也就是说，很好地使用任何数据，确实需要了解这些数据收集的文化和背景。
    误区6 ：更具体的预测更好
　　人的本性认为更具体的东西更准确，如'下午3:12'比'下午某个时间'更准确。
　　但事实正好相反。在许多情况下，更精确的预测不太可能是准确的。例如，一个客户买了一台特定配置的笔记本电脑，而过去购买该配置笔记本电脑的唯一的客户，还买了一双粉红色的高跟鞋。
　　“热门粉红色高跟鞋的推荐可能很具体，但可能太具体，导致很高的误差，”位于加利福尼亚州圣莫尼卡的营销公司Retention Science首席执行官Jerry Jao说。
　　所以，通常看起来漂亮的东西，实际上可能无助于业务和营销管理。

 2/4   首页 上一页 1 2 3 4 下一页 尾页

BPO网版权及免责声明

1、凡本网注明：“BPO网”或者“原创”的所有作品，版权均属于BPO网所有，其他媒体、网站或个人转载使用时必须注明：“文章来源：BPO网”。违反上述声明者，本网将追究其法律责任。

2、凡本网注明“来源：XXX（非BPO网）”的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其产生的任何结果负责。