大数据的概念现在被炒得很热，可是迄今为止也没有一个被人们都采纳的标准说法。大数据是通过海量数据来获取新的价值，其中涉及对数据的获取、存储以及分析方式，如何从各种类型的、数量特别庞大的数据集合中发现自己想要寻找的数据^[18]。

一方面，大数据已经成为各种报告的主题，企业家也不愿意错失这一抓住新机遇的机会，不少企业开始开发大数据相关技术，或开展大数据的挖掘活动。另一方面，大数据作为新兴的领域或技术，也引起了很大的质疑和不解，有很多的批评家开始评判这一领域所带来的不利影响。

（1）大数据误区

1）大数据仅意味着数量庞大。在定义大数据时，“大”字使得人直观感受是数据的数量很大，但是对大数据的理解不能够单单认为它就是数量巨大的数据集合。英特尔公司在欧洲、中东与非洲地区（EMEA）战略市场推广总监Alan Priestley认为，大数据还有其他要素，最明显的是数据类型繁杂，且数据要求快速交付。此外，企业还需要第一时间了解数据是否准确。

2）社交媒体是大数据的最大源头。目前大数据应用的最广泛的领域就是在社交传媒这一领域，因为这一领域直接与企业的用户产生联系，研究该群体的习惯、决策流程以及偏好具有很大的价值。另外社交网站的兴起也使得这一领域的应用变得可行，诸如Twitter、Facebook、微博、微信等。

但是，社交领域只是大数据的一个应用领域，其他行业的应用前景同样广阔。例如航空业就可以使用大数据技术分析其飞行数据来获知航空器引擎可能发生的故障以及频率，从而更好地制定检查和维修计划。在过去，数小时的飞行就有可能发生引擎故障，但要是等到故障发生以后才检查引擎就已经太晚了。借助大数据分析，航空公司可以跟踪引擎的振动，通过检查生成的数据在发现异常时及时发出警告，安排检查引擎。

当然，相关示例还有很多，例如信用卡公司可以实时核对交易流程数据，以保障远程交易的安全性。

3）大数据就是Hadoop。虽然现在Hadoop的应用范围很广，成为主流的大数据存储和分析工具，但它并不是唯一的可以解决非结构化的大数据集合的工具。另外，传统的数据库依然发挥着其价值和优势，因为它们更有利于结构化的数据分析。

企业使用Hadoop而不是其他数据库的成本的确很低廉，但是大数据自身并不能为决策者提供新的方案或者解决方法，只有通过数据分析才能获得，这是企业所不能逃避的步骤。

4）用常规方法量化大数据的投资回报。每个企业的管理者都希望企业的运作结果可以反映为漂亮的、可确定的财务数据，但是这一愿望却不总是能够实现的。大数据是一个从大量数据中抽离有价值数据或者结论的过程，但是这一过程能够进展到什么程度，以及能够得到什么样的结论是任何人都无法保证的。企业管理者若想指望今天所花出去的每一分钱都会在未来产生收益也是难以得到保证的。客户关系管理（CRM）等对企业的影响可以很快显现出来且效果容易评估。但与此不同的是，大数据的投资回报就没那么容易显现，计划采用大数据的企业必须接受这一现实。

（2）大数据的关键事实(www.daowen.com)

1）大数据的开展需要不同技能。麦肯锡公司预测，到2019年，全球可处理大数据的科学家缺口将高于19万人。来自各行业的从业者也感受到要想让大数据真正落到实处，人才这方面还存在很大缺口。

大数据是管理学、经济学、统计学以及计算机科学等各学科的交叉地带，这一特点使得大数据从业者不仅要有编程技术，还需要有统计学知识以及企业的业务流程常识。这意味着大数据人才的培养周期比其他专业人才要长得多，因此很多人也认为数据科学家的短缺将成为大数据技术应用的一个重要障碍。

2）人是推动大数据的因素。大数据需要有人推动。作为一个新兴的领域，大数据在各方面还不够成熟，企业现在要解决的问题并不只是在大数据技术方面的障碍，还在于如何构建大数据的管理框架，而这就需要新思维和新思想的注入。

企业管理人员的责任之一是提出新的模式或观念，并且对这一模式或观念负责。这些责任可能落在首席财务官（CFO）、首席信息官（CIO）、甚至首席执行官（CEO）的肩上，但最终，需要有一个人担负此重任。企业需要将它看作一次从业务规划层面而不仅仅是技术层面的挑战，而这一挑战对企业来说是巨大的并且是重要的。

3）大数据所需要的不仅仅是数据。大数据分析有三大要素：数据本身、数据分析以及结果的呈现。

拥有数据本身只能说明企业有了获取数据价值的可能性，但是企业如何分析数据以及如何将这些分析结论进行汇集展现也是决定企业能否真正获得数据价值的必要途径。数据分析在大数据价值挖掘中的作用相当重要，分析数据的方式和方法也多种多样，企业需要决定采取哪一种方式和方法才能展现企业在大数据价值挖掘方面的功力。开展大数据项目需要周密规划，最好是从小规模起步，先实施单个项目，然后逐步扩展规模。

4）大数据可适用于各类组织。很多关于大数据的讨论都聚焦在大型组织上，对于这些庞大的机构来说，令人窒息的海量数据已经制约了组织的有效运行。很多率先采用大数据技术的组织都属于这一范畴，不过它们并不是唯一的受益者。

各类企业都希望获得评估隐藏数据并发现其内在规律的技能。有些小型企业需要处理大量工业数据。例如，FormulaOne设计公司的规模不大，但是管理的数据量十分庞大，因此即使是很小的企业也可以通过在日常工作中使用大数据而获益。

这些公司可能希望通过客户分析寻找客户购买模式。例如，如果您的饭店菜单上曾经有一道特色鱼，但后来取消了。那么当这道菜再次出现在菜单上可供顾客点用的时候，您就可以使用电子邮件通知之前曾经点过这道菜的所有顾客。或者，如果您是一个酒商，您的库存里有某种葡萄酒正处在酿造期，当它们即将出库时，您可以提醒这种酒的爱好者。