近年來(lái)，大數(shù)據(jù)非常火，人人都談大數(shù)據(jù)。但也有人認(rèn)為，大數(shù)據(jù)是華而不實(shí)，沒(méi)有什么實(shí)際意義。那么大數(shù)據(jù)究竟是什么？大數(shù)據(jù)能為我們帶來(lái)什么呢？我們一起來(lái)看一看。

大數(shù)據(jù)是什么？

對(duì)于很多人來(lái)說(shuō)，當(dāng)?shù)谝淮温?tīng)到“大數(shù)據(jù)”這個(gè)詞的時(shí)候，就會(huì)自然而然地從字面上去理解：大數(shù)據(jù)就是大量的數(shù)據(jù)，大數(shù)據(jù)技術(shù)就是大量數(shù)據(jù)的存儲(chǔ)和處理技術(shù)。

然而，事實(shí)并非如此，大數(shù)據(jù)比我們一般的想象更為復(fù)雜。大數(shù)據(jù)技術(shù)不只是一項(xiàng)數(shù)據(jù)處理和存儲(chǔ)的技術(shù)，更是一系列和海量數(shù)據(jù)相關(guān)的抽取、集成、管理、分析、解釋技術(shù)，是一個(gè)龐大的技術(shù)框架。

更進(jìn)一步來(lái)說(shuō)，大數(shù)據(jù)是一種全新的思維方式和商業(yè)模式。大數(shù)據(jù)實(shí)現(xiàn)了從物理世界到數(shù)字世界的映射和提煉，通過(guò)發(fā)現(xiàn)其中的數(shù)據(jù)特征，從而提煉出有價(jià)值的信息。

怎么認(rèn)知大數(shù)據(jù)？

要全面深入地認(rèn)知大數(shù)據(jù)，需要從三個(gè)層面，逐層深入。

第一層面是理論，理論是認(rèn)知的必經(jīng)途徑，也是被廣泛認(rèn)同和傳播的基線。大數(shù)據(jù)的特征定義，行業(yè)對(duì)大數(shù)據(jù)的整體描繪和定性，大數(shù)據(jù)的來(lái)之不易和珍貴所在，對(duì)大數(shù)據(jù)的現(xiàn)在和未來(lái)去洞悉大數(shù)據(jù)的發(fā)展趨勢(shì)，大數(shù)據(jù)隱私的博弈等，每個(gè)課題都是值得深入探討的。

第二層面是技術(shù)，技術(shù)是大數(shù)據(jù)價(jià)值體現(xiàn)的手段和前進(jìn)的基石。云計(jì)算、分布式處理技術(shù)、存儲(chǔ)技術(shù)和感知技術(shù)，都是大數(shù)據(jù)技術(shù)的重要組成部分。大數(shù)據(jù)如何采集、處理、存儲(chǔ)到形成結(jié)果，都是大數(shù)據(jù)技術(shù)的作用的產(chǎn)物。

第三層面是實(shí)踐，實(shí)踐是大數(shù)據(jù)的最終價(jià)值體現(xiàn)。在實(shí)踐中，大數(shù)據(jù)的應(yīng)用可分為：互聯(lián)網(wǎng)大數(shù)據(jù)，政府的大數(shù)據(jù)，企業(yè)的大數(shù)據(jù)和個(gè)人的大數(shù)據(jù)四個(gè)方面，需要從實(shí)際的行業(yè)應(yīng)用觸發(fā)，了解大數(shù)據(jù)帶來(lái)了哪些實(shí)打?qū)嵉暮锰帲约笆裁礄C(jī)遇和挑戰(zhàn)。

大數(shù)據(jù)用在哪里？

方方面面，只有你想不到，沒(méi)有大數(shù)據(jù)用不到的地方。當(dāng)發(fā)生了傳染病疫情時(shí)，大數(shù)據(jù)使我們瞬間了解到哪些人到過(guò)高風(fēng)險(xiǎn)地區(qū)，哪些人接觸過(guò)患者，讓我們更好地對(duì)疫情進(jìn)行精準(zhǔn)控制；在電商購(gòu)物節(jié)中，大數(shù)據(jù)使商家快速了解到消費(fèi)者對(duì)哪些商品更感興趣，能夠?yàn)橛脩艚o出適合的商品推薦，組織更為有效的活動(dòng)促銷(xiāo)；在社交平臺(tái)上，大數(shù)據(jù)為我們找到潛在的志同道合的人，以數(shù)據(jù)的方式為我們的社交進(jìn)行了不可見(jiàn)的延展……

總結(jié)

大數(shù)據(jù)并不是華而不實(shí)的。大數(shù)據(jù)的本質(zhì)，可以說(shuō)是一種技術(shù)框架，更應(yīng)該說(shuō)是一種思想和模式。我們要善用大數(shù)據(jù)，乘著大數(shù)據(jù)這個(gè)時(shí)代的風(fēng)口，用大數(shù)據(jù)加速發(fā)展，實(shí)現(xiàn)更為美好的藍(lán)圖。

大數(shù)據(jù)的本質(zhì)是什么？

現(xiàn)在叫大數(shù)據(jù)，以前可以稱(chēng)為信息、情報(bào)等等名字。以前的信息搜集技術(shù)沒(méi)有這樣發(fā)達(dá)，只能以樣本信息形式出現(xiàn)，而且由于結(jié)構(gòu)類(lèi)型不同，只能分類(lèi)處理，有些數(shù)據(jù)還不便于儲(chǔ)存和比較。為什么現(xiàn)在叫大數(shù)據(jù)，是因?yàn)楝F(xiàn)代互聯(lián)網(wǎng)技術(shù)，可以把不同結(jié)構(gòu)類(lèi)型的所有數(shù)據(jù)都能搜集到，形成全數(shù)據(jù)，并且隨著大數(shù)據(jù)技術(shù)的深度發(fā)展，這些復(fù)雜結(jié)構(gòu)類(lèi)型的全數(shù)據(jù)，會(huì)被自動(dòng)分類(lèi)比較統(tǒng)計(jì)，所以稱(chēng)為大數(shù)據(jù)。

吳軍在他的《智能時(shí)代》里提到對(duì)于大數(shù)據(jù)的觀點(diǎn)：

只有量的積累的數(shù)據(jù)，通常并不能稱(chēng)之為大數(shù)據(jù)。除了大量性，大數(shù)據(jù)常常還應(yīng)該具有多維性和完備性。
大數(shù)據(jù)的多維性，可以理解為針對(duì)單一“個(gè)體”（人/物/事件等）不同角度的數(shù)據(jù)。比如之前提到的：收集全國(guó)所有人的出生年月，單收集這一項(xiàng)，數(shù)據(jù)單一缺乏意義；但如果再加入收入、所屬地區(qū)、受教育程度等等多維的信息，那數(shù)據(jù)本身就變得鮮活了。我們可以從數(shù)據(jù)中分析人口的地域分布、經(jīng)濟(jì)分布、教育分布等并在此基礎(chǔ)上給出宏觀的資源調(diào)控計(jì)劃。
大數(shù)據(jù)的完備性，則可以理解為數(shù)據(jù)的全面性。比如2012年一位名叫內(nèi)德·斯威爾的年輕人，利用大數(shù)據(jù)成功預(yù)測(cè)了美國(guó)50+1個(gè)州的大選結(jié)果。他其實(shí)就是在投票前利用互聯(lián)網(wǎng)盡可能的搜集當(dāng)年的大選數(shù)據(jù)（如地方媒體數(shù)據(jù)、社交網(wǎng)絡(luò)留言、朋友間評(píng)論等），從而近似的知道每個(gè)人對(duì)大選的態(tài)度，并按照州進(jìn)行分類(lèi)整理，最終成功預(yù)測(cè)了當(dāng)年的大選結(jié)果。
缺少多維性的“大數(shù)據(jù)”會(huì)讓數(shù)據(jù)承載的信息“片面”，進(jìn)而導(dǎo)致數(shù)據(jù)本身的利用價(jià)值大大下降；缺乏完備性的數(shù)據(jù)則會(huì)由于缺乏“完備樣本”的支撐，也會(huì)使得獲取的信息“局限性”。
大數(shù)據(jù)最好還應(yīng)具有“及時(shí)性”，但及時(shí)性卻并不是其必備條件，只是有了“及時(shí)性”的大數(shù)據(jù)，會(huì)實(shí)現(xiàn)一些過(guò)去無(wú)法做到的事情。
大數(shù)據(jù)的及時(shí)性，可以理解為數(shù)據(jù)收集的時(shí)效性。一方面，要分析當(dāng)前情況，就要盡可能使用與當(dāng)前時(shí)間點(diǎn)較為接近的數(shù)據(jù)；另一方面，數(shù)據(jù)本身就在時(shí)刻產(chǎn)生（特別是今天的互聯(lián)網(wǎng)），新鮮的數(shù)據(jù)能更快速的反應(yīng)當(dāng)前社會(huì)的一些情況。比如使用百度地圖導(dǎo)航的時(shí)候，它能根據(jù)數(shù)據(jù)庫(kù)中人們當(dāng)前的（及時(shí)的數(shù)據(jù)）車(chē)輛出行地點(diǎn)，和即將要去的地方大概估算出此人的行程規(guī)劃，并通過(guò)眾多數(shù)據(jù)的整合估算出某一路段可能的堵塞情況，進(jìn)而在導(dǎo)航的時(shí)候給出“避免擁堵”的導(dǎo)航建議。

由此可見(jiàn)，所謂的大數(shù)據(jù)，一定要同時(shí)滿足大量、多維和完備（相對(duì)來(lái)說(shuō)）的特點(diǎn)，并在此基礎(chǔ)上，最好具有“時(shí)效性”。

參考自：讀大數(shù)據(jù) 《智能時(shí)代》有感

其次，大數(shù)據(jù)的意義在于驅(qū)動(dòng)決策

大數(shù)據(jù)產(chǎn)生價(jià)值的鏈路是：數(shù)據(jù)驅(qū)動(dòng)決策——決策實(shí)踐價(jià)值。

國(guó)內(nèi)企業(yè)總是談數(shù)據(jù)變現(xiàn)實(shí)際是一種對(duì)大數(shù)據(jù)價(jià)值的歧義理解。企業(yè)面對(duì)的TO B或TO C不是個(gè)體單維度數(shù)據(jù)而是海量多維度數(shù)據(jù)，單一數(shù)據(jù)不能提供任何決策依據(jù)。然而企業(yè)決策者往往對(duì)大數(shù)據(jù)的理解不夠清晰透徹，片面的認(rèn)為數(shù)據(jù)就是價(jià)值，花錢(qián)就要見(jiàn)效，把重點(diǎn)需求放在了所謂的上文說(shuō)道的“有效數(shù)據(jù)上”當(dāng)然效果在短期是非常顯而易見(jiàn)的。而在利益驅(qū)動(dòng)下企業(yè)的方向就真的隨著“數(shù)據(jù)”驅(qū)動(dòng)決策了，如同你是正常人卻天天吸純氧，企業(yè)想的就不是產(chǎn)品緊貼市場(chǎng)需求、如何有效改進(jìn)，增強(qiáng)市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)，而是圍繞相應(yīng)“數(shù)據(jù)”下進(jìn)行各種營(yíng)銷(xiāo)。

第一步，找到核心數(shù)據(jù)。核心數(shù)據(jù)現(xiàn)在對(duì)很多企業(yè)來(lái)說(shuō)實(shí)際上就是CRM，自己的用戶系統(tǒng)，這是最重要的。

第二步，外圍數(shù)據(jù)。比如企業(yè)經(jīng)常會(huì)在線上線下舉辦一些活動(dòng)，在做活動(dòng)的時(shí)候，消費(fèi)者的信息只是簡(jiǎn)單地提供在表單里面，還是進(jìn)入了CRM的系統(tǒng)里？

第三步，常規(guī)渠道的數(shù)據(jù)。舉例來(lái)說(shuō)一個(gè)銷(xiāo)售快銷(xiāo)品的企業(yè)，能不能夠得到沃爾瑪?shù)臄?shù)據(jù)，家樂(lè)福的數(shù)據(jù)？很多國(guó)外大數(shù)據(jù)的案例，說(shuō)消費(fèi)者買(mǎi)啤酒的時(shí)候也會(huì)購(gòu)買(mǎi)剃須刀之類(lèi)，或者一個(gè)母嬰產(chǎn)品的消費(fèi)者她今天在買(mǎi)這個(gè)產(chǎn)品，預(yù)示著她后面必然會(huì)買(mǎi)另一個(gè)產(chǎn)品。這就有一個(gè)前期的挖掘。這些價(jià)值怎么來(lái)的，這就需要企業(yè)去找常規(guī)渠道里面的數(shù)據(jù)，跟自己的CRM結(jié)合起來(lái)，才能為自己下一步做市場(chǎng)營(yíng)銷(xiāo)、做推廣、產(chǎn)品創(chuàng)新等建立基礎(chǔ)。

第四步，外部的社會(huì)化的或者非結(jié)構(gòu)化的數(shù)據(jù)，即現(xiàn)在所謂的社會(huì)化媒體數(shù)據(jù)。這方面信息的主要特征是非結(jié)構(gòu)化，而且非常龐大。這對(duì)企業(yè)來(lái)說(shuō)最大的價(jià)值是什么？當(dāng)你的用戶在社會(huì)化媒體上發(fā)言的時(shí)候，你有沒(méi)有跟他建立聯(lián)系？

還有，大數(shù)據(jù)的核心在于大數(shù)據(jù)思維

網(wǎng)絡(luò)的誕生給世界帶來(lái)了大量的數(shù)據(jù)積累和信息流通，并帶來(lái)了一次“大數(shù)據(jù)思維”的思想變革。

機(jī)械思維時(shí)代，由于數(shù)據(jù)收集的局限性，科學(xué)家們只能在有限的樣本下“大膽假設(shè)小心求證”，然而受限于人類(lèi)大腦的“創(chuàng)造力”，所謂的“大膽假設(shè)”也并不是真的“大膽”；隨著互聯(lián)網(wǎng)時(shí)代的到來(lái)，“數(shù)據(jù)”不再成為問(wèn)題，當(dāng)大量數(shù)據(jù)堆積在一起時(shí)，就產(chǎn)生了“質(zhì)”的變化。

互聯(lián)網(wǎng)時(shí)代的人們逐漸發(fā)現(xiàn)：** 世界其實(shí)是不確定的**，一方面世界的本質(zhì)就是不確定的（比如原子核中的電子時(shí)刻都在做著無(wú)規(guī)則的運(yùn)動(dòng)）；另一方面影響世界本身的變量太多，我們沒(méi)辦法用簡(jiǎn)單的公式將他們?nèi)磕依ㄟM(jìn)來(lái)，只能盡可能的利用隨機(jī)事件來(lái)處理，利用概率來(lái)解釋。

與此同時(shí)，伴隨著數(shù)據(jù)的大量積累和統(tǒng)計(jì)數(shù)學(xué)的發(fā)展，人們驚喜的發(fā)現(xiàn)：在數(shù)據(jù)量達(dá)到一定程度的時(shí)候，數(shù)據(jù)和數(shù)據(jù)之間的關(guān)聯(lián)可以反映出某些意想不到的結(jié)果。于是大數(shù)據(jù)思維就誕生了：

世界本身是不確定的，利用大數(shù)據(jù)可以盡可能的消除這種不確定性，因果關(guān)系可以利用數(shù)據(jù)間的相關(guān)關(guān)系進(jìn)行代替。

大數(shù)據(jù)思維，也有人將其成為“信息論”，其本質(zhì)就是：

1）利用不確定性看待世界，然后利用大數(shù)據(jù)來(lái)盡可能的消除這種不確定性；
2）利用具有多維度特征的大數(shù)據(jù)，數(shù)據(jù)之間的相關(guān)關(guān)系來(lái)代替機(jī)械思維時(shí)代的因果關(guān)系，幫助我們?cè)凇皠?chuàng)造”難以掌控的情況下，發(fā)現(xiàn)意想不到的結(jié)論。

舉例來(lái)說(shuō)：

我們?cè)谕斗艔V告時(shí)，機(jī)械思維要我們先有一個(gè)假設(shè)：目標(biāo)人群可能的特征，并進(jìn)行調(diào)研和證實(shí)；而大數(shù)據(jù)思維則是：我們不確定要投放給什么樣的人群，緊接著我們利用已有用戶的數(shù)據(jù)特征發(fā)現(xiàn)了“用戶群體畫(huà)像”這就是消除不確定性的過(guò)程，最終我們直接根據(jù)數(shù)據(jù)給出的結(jié)論來(lái)制定計(jì)劃。
另外，我們利用機(jī)械思維制定投放廣告的策略時(shí)，會(huì)按照嚴(yán)謹(jǐn)?shù)模骸疤岢黾僭O(shè)——實(shí)驗(yàn)驗(yàn)證——得出結(jié)論”的邏輯關(guān)系制定；但在大數(shù)據(jù)思維下，我們不需要知道“為什么具有A特征的用戶應(yīng)該是我們投放廣告的目標(biāo)人群”或“為什么C平臺(tái)應(yīng)該是我們選擇的投放渠道”，我們只需知道，“數(shù)據(jù)顯示A類(lèi)人群購(gòu)買(mǎi)此類(lèi)產(chǎn)品最多”或“不同平臺(tái)中C類(lèi)平臺(tái)的廣告產(chǎn)出比最高”僅此而已。這就是用“數(shù)據(jù)的相關(guān)性”取代“因果關(guān)系”。

大數(shù)據(jù)和小數(shù)據(jù)的區(qū)別，分析方法有何不同？

小數(shù)據(jù)分析方法，即傳統(tǒng)的數(shù)據(jù)分析，是指用適當(dāng)?shù)慕y(tǒng)計(jì)分析方法對(duì)收集來(lái)的大量數(shù)據(jù)進(jìn)行分析，提取有用信息和形成結(jié)論而對(duì)數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過(guò)程。

大數(shù)據(jù)的基本處理流程與傳統(tǒng)數(shù)據(jù)處理流程并無(wú)太大差異，主要區(qū)別在于：由于大數(shù)據(jù)要處理大量、非結(jié)構(gòu)化的數(shù)據(jù)，所以在各處理環(huán)節(jié)中都可以采用并行處理。目前，Hadoop、MapReduce和Spark等分布式處理方式已經(jīng)成為大數(shù)據(jù)處理各環(huán)節(jié)的通用處理方法

上圖顯示了傳統(tǒng)的大數(shù)據(jù)工作流分析經(jīng)歷的一些階段。數(shù)據(jù)以數(shù)據(jù)庫(kù)，數(shù)據(jù)流，數(shù)據(jù)集合以及數(shù)據(jù)倉(cāng)庫(kù)等方式來(lái)建模。數(shù)據(jù)的數(shù)量級(jí)以及數(shù)據(jù)的多樣性要求在處理之前要進(jìn)行數(shù)據(jù)的集成、清洗以及過(guò)濾等工作，以保證其后續(xù)工作的開(kāi)展。

大數(shù)據(jù)應(yīng)該是一種事物或一類(lèi)事物的總和，它們具有其共性，若是幾種事物的總和，由于沒(méi)有共性可言，我們收集它們就沒(méi)有了實(shí)際意義了，這就是大數(shù)據(jù)的本質(zhì)。

全網(wǎng)智能營(yíng)銷(xiāo)云平臺(tái)、營(yíng)銷(xiāo)拓客系統(tǒng)、大數(shù)據(jù)精準(zhǔn)、智能營(yíng)銷(xiāo)獲客系統(tǒng)、智能獲客系統(tǒng)-【龍睿網(wǎng)絡(luò)-智能獲客系統(tǒng)】

為企業(yè)嚴(yán)選質(zhì)量高、效果優(yōu)的高效引流工具及渠道，搭建一套多觸點(diǎn)的引流工具。

詢(xún)盤(pán)獲客系統(tǒng)、同行監(jiān)控效果、意向客戶精準(zhǔn)推廣。

（1）百度推廣：指定關(guān)鍵詞、增加曝光率快速排名、提高詢(xún)盤(pán)機(jī)會(huì)。

（2）數(shù)據(jù)采集：全國(guó)90%以上企業(yè)和個(gè)體工商戶數(shù)據(jù)資源包含聯(lián)系電話、業(yè)務(wù)范圍等營(yíng)銷(xiāo)信息。

（3）地圖標(biāo)注：讓顧客輕松找到你的店（微信、百度、高德等）。

（4）小程序：7大平臺(tái)小程序同步上線。

（5）營(yíng)銷(xiāo)短信群發(fā)：可一鍵發(fā)送商機(jī)至目標(biāo)客戶，提高詢(xún)盤(pán)率。

（6）400電話：提升企業(yè)形象，語(yǔ)音導(dǎo)航坐席轉(zhuǎn)接，服務(wù)評(píng)價(jià)等集團(tuán)化運(yùn)作公司。

推廣效果：

（1）提升公司品牌形象

（2）打造爆款產(chǎn)品

（3）提高詢(xún)盤(pán)率

（4）獲得更多招商加盟機(jī)會(huì)

（5）提高引流(提高網(wǎng)絡(luò)曝光量)

（6）增加成交轉(zhuǎn)化比例

深度優(yōu)化提高流量精準(zhǔn)度，用好每分錢(qián)，減少浪費(fèi)。實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)，隨時(shí)了解推廣現(xiàn)狀。

關(guān)于我們-精英團(tuán)隊(duì)質(zhì)量保障

北京龍睿網(wǎng)絡(luò)科技有限公司是一家微軟認(rèn)證對(duì)互聯(lián)網(wǎng)專(zhuān)業(yè)技術(shù)企業(yè)，營(yíng)運(yùn)總部位于北京，國(guó)內(nèi)發(fā)展較早、服務(wù)網(wǎng)絡(luò)最廣。

為國(guó)內(nèi)中小企業(yè)做互聯(lián)網(wǎng)技術(shù)支持，推動(dòng)中國(guó)企業(yè)開(kāi)展電子商務(wù)、實(shí)現(xiàn)信息化為己任，深入研究企業(yè)客戶對(duì)實(shí)際需要，面對(duì)面地向企業(yè)客戶提供全方位、標(biāo)準(zhǔn)化、一站式的IT應(yīng)用服務(wù)和信息化解決方案。

大數(shù)據(jù)（big data），IT行業(yè)術(shù)語(yǔ)，是指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。

在維克托·邁爾-舍恩伯格及肯尼斯·庫(kù)克耶編寫(xiě)的《大數(shù)據(jù)時(shí)代》 [1] 中大數(shù)據(jù)指不用隨機(jī)分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進(jìn)行分析處理。大數(shù)據(jù)的5V特點(diǎn)（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價(jià)值密度）、Veracity（真實(shí)性）

大數(shù)據(jù)本身就是個(gè)數(shù)據(jù)庫(kù)而已，而數(shù)據(jù)計(jì)算模型才是關(guān)鍵，數(shù)據(jù)模型通過(guò)數(shù)據(jù)的采集能夠精準(zhǔn)“畫(huà)像”，畫(huà)的的越精準(zhǔn)數(shù)據(jù)才越有價(jià)值，從而獲得有價(jià)值的準(zhǔn)確度高的匹配信息，而那正是你需要的。

大數(shù)據(jù)本身只是資源，不是華而不實(shí)的東西。資源沒(méi)有所謂的實(shí)或者不實(shí)，全看使用者的使用方式。大數(shù)據(jù)可以把各種維度各種層級(jí)各種粒度的數(shù)據(jù)匯總在一起，然后通過(guò)算法方式來(lái)提取其中的有效信息，至于如何提取，是數(shù)據(jù)開(kāi)發(fā)者的工作，這一點(diǎn)上完全不應(yīng)該由大數(shù)據(jù)本身背負(fù)質(zhì)疑。

大數(shù)據(jù)本質(zhì)其實(shí)就是用收集的數(shù)據(jù)通過(guò)概率計(jì)算趨勢(shì)偏好等帶有預(yù)測(cè)性的結(jié)論。

二戰(zhàn)時(shí)期發(fā)展而來(lái)的統(tǒng)計(jì)學(xué)最為貼近這個(gè)模型。不同的是二戰(zhàn)時(shí)期需要大量人工計(jì)算，而在現(xiàn)代，只需要計(jì)算機(jī)計(jì)算即可判斷結(jié)論，算力上有非常明顯的區(qū)別。

用此模型來(lái)計(jì)算經(jīng)濟(jì)和社會(huì)數(shù)據(jù)，意義比較明顯。

但對(duì)商人來(lái)說(shuō)，第一收集敏感數(shù)據(jù)涉及隱私，容易招致反感。第二，統(tǒng)計(jì)結(jié)論很難轉(zhuǎn)換為經(jīng)濟(jì)利潤(rùn)。第三，即使能預(yù)測(cè)一些現(xiàn)象，但大部分的結(jié)論和預(yù)測(cè)，通過(guò)常識(shí)思考也能判斷。

大數(shù)據(jù)其實(shí)更適合經(jīng)濟(jì)學(xué)和社會(huì)學(xué)，這些不以盈利為目的的科研使用。