大数据应用？你先搞定数据获取再说

虽然大数据已经变得更像一句营销术语，但是它仍有巨大的潜力没有被挖掘出来。不过，得先把数据获取这个大麻烦解决了。

企业在面对数据的时候，比知道怎么处理更多的情况，是在这些数据里漫无目的的游泳。遗憾的是，太多的公司将这种现象与大数据本身关联起来。从技术角度来说，大数据是非常具体的一件事――结构化数据(企业的专有信息)与非结构化数据(社交媒体数据流和政府新闻源之类的公共数据源)的结合体。

如果你将非结构化数据覆盖在结构化数据之上，通过分析软件将其可视化，你就会得到过去从未有过的洞察力――预测产品销售、更精准地目标用户、新的市场机遇，等等。

大数据不再像过去几年一样，受限于工具缺乏的问题。那时候搞大数据意味着团队里必须有数据科学家，还会被R和Hadoop之类的开源工具搞得心烦意乱。

如今，多少公司都争着帮你可视化大数据：从Tableau、Qlik、TIBCO和MicroStrategy之类的专业公司，到微软、IBM、SAP和甲骨文之类提供端到端服务的厂商，不一而足。

不过，据上周出席奥兰多中级市场CIO论坛/中级市场首席营销官(CMO)论坛的IT主管们声称，许多公司在大数据分析中最头疼的问题，其实是如何获取数据。

一位CIO说：“我们IT部门的最大问题，是我们如何才能将数据获取进来，这件事非常麻烦。”

这种说法也得到了相关数据的证实。

数据集成公司Xplenty开展的一项调查声称，三分之一的商业智能专业人员把50%至90%的时间，花在了清理原始数据和将数据录入到公司的数据平台的准备工作上。这种现象的原因，可能与只有28%的公司认为自己能从数据中获得战略性价值有很大关系。

数据清理的问题还包括，眼下IT行业许多最抢手的专业人员，正在花大量时间处理这项让人晕头转向的工作：在分析数据之前先筛选并组织整理数据集。

这显然对于数据的可扩展性非常不利，也严重限制了大数据的潜力。随着物联网不断发展，收集更多的数据对我们来说将越来越容易，这个问题只会变得更严峻。

有三种可能的方法有望解决这个问题：

1. 大数据分析软件不断完善――许多这些公司在过去五年时一直投入大量精力在大数据领域，减轻数据清理环节压力的工具不太可能在短期内出现重大突破，但有望实现逐步改进。

2. 数据准备人员成为数据科学家的助手――正如律师助理帮助律师处理重要的基础工作，数据准备人员也会帮助数据科学家处理基本上同样的底层任务。我们已经在某种程度上看到了这一幕。不妨阅读TechRepublic的这篇文章：《“数据标记”是人工智能时代的新新蓝领工作吗?》(http://www.techrepublic.com/article/is-data-labeling-the-new-blue-collar-job-of-the-ai-era/)

3. 利用人工智能清理数据――另一种可能性是，用来清理、筛选和分类数据的软件和算法将被编写出来。这一幕极有可能出现，但是我们还应预料到，这也不是“银弹”。微软、IBM和亚马逊正在致力于用人工进行软件无法处理的数据标记工作――而这正是全球自动化和算法领域的三巨头。