数据本身有什么用

A. 什么是大数据，大数据可以做什么

大数据（big data），指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
大数据本身什么都做不了，能指望数据做什么呢。有大数据，如果不能通过数据
挖掘和数据分析得出对实际操作有价值的信息，那么它什么也做不了。
如果理解为对大数据的分析应用能做什么，那么它能做的事情就太多了，各个行业都会用到，物流、博彩、营销、客户管理、医疗、零售、环保等等都有其身影。

举例说明：
通过对客户进行分类整理，根据客户的购买习惯、年龄、喜好、地域等区分进行推荐产品，进行个性化的页面展示。还可以根据以往数据来进行动态营销。
零售，根据需求和库存的情况，适时调整价格
医疗，根据众多病人的特征，分析原因，量级太小的时候，这些特征根本不明显，不会得到重视，只有在大量数据中，才能发现平时注意不到的现象。
公共安全。根据以往犯罪数据预测发生犯罪事件的地区与概率。
娱乐。比如《纸牌屋》的制作公司根据以往的用户习惯，打造出大受欢迎的电视剧。
仅仅有大数据是远远不够的，更需要的是数据挖掘和数据分析的技能（包括大脑与软件操作），这样才能发挥出优势。如果愿意学习大数据的相关课程，有个“PPV课”的网站，课程很全面，可以学到很多关于大数据的知识，包括对案例的分析，还有软件操作等。

B. 1.数据——人类建造文明的基石

数据将成为下一次技术革命和社会变革的核心动力。

数据不仅指数字，它的范畴是随着文明的进程不断变化和扩大的，包括语音、图文、各种行为等。

信息是关于世界、人和事的描述，它比数据来得抽象。信息既可以是我们人类创造的，也可以是天然存在的客观事实。

数据最大的作用在于承载信息，但是并非所有的数据都承载了有意义的信息。数据本身是人造物，因此它们可以被随意制造，甚至可以被伪造。没有信息的数据通常没有太大意义

如何从数据中获取有用的信息，过滤掉没有用的噪声和删除有害的数据，从而获取数据背后的信息，就成为技术甚至是一种艺术。只有善用数据，我们才能够得到意想不到的惊喜，即数据背后的信息

随着人类的进步以及处理数据和信息的能力不断增强，人类从数据中获取有用信息的本事就越来越大，这就是今天所说的大数据应用的基础。

对数据和信息进行处理后，人类就可以获得知识。知识比信息更高一个层次，也更加抽象，它具有系统性的特征。

比如通过测量星球的位置和对应的时间，就得到数据；通过这些数据得到星球运动的轨迹，就是信息；通过信息总结出开普勒三定律，就是知识。人类的进步就是靠使用知识不断地改变我们的生活和周围的世界，而数据是知识的基础。

早期人类得到的数据是从哪里来的？其中一个重要的来源是对现象的观察。从观察中总结出数据，是人类和动物的重要区别，后者虽具有观察能力，却无法总结出数据，但是人类有这个能力。而得到数据和使用数据的能力，是衡量文明发展水平的标准之一。

观察--总结数据--提取信息--总结规律和模型--形成知识--改变世界（获取数据--分析数据--建立模型--预测未知）

好的模型要和数据相吻合。

数据的作用自古有之，并非到了今天大数据时代大家才意识到。但是在过去数据的作用常常被人们忽视。这里面有两个原因， 首先是由于过去数据量不足 ，积累大量的数据所需要的时间太长，以至于在较短的时间里它的作用不明显。其次，数据和所想获得的信息之间的联系通常是间接的，它要通过不同数据之间的相关性才能体现出来。可以说， 相关性是让数据发挥出作用的魔棒

很多时候，我们无法直接获得信息（比如疫情传播情况），但是我们可以将相关联的信息（比如各地搜索情况）量化，然后通过数学模型，间接地得到所要的信息。而各种数学模型的基础都离不开概率论和统计学

统计学中数据采集上的两个要点——量和质。

要想取得准确的统计结果，统计首先要求数据量充足，在统计样本数量不充分的情况下，统计数字毫无意义。至于需要多少数据统计结果（在我们这个问题里是概率的估计）才是准确的，这就需要进行定量分析了。越想要得到准确的统计结果，需要的统计数据量就越大。

统计除了要求数据量必须充分以外，还要求采样的数据具有代表性。有些时候不是数据量足够大，统计结果就一定准确。统计所使用的数据必须和我们想统计的目标相一致。

在互联网出现之前，获得大量的具有代表性的数据其实并非一件容易事。

用抽样数据来估计一个概率分布是一类非常简单的问题，用统计数据做一做加减乘除即可。但是在大多数复杂的应用中，需要通过数据建立起一个数学模型，以便在实际应用中使用。要建立数学模型就要解决两个问题，首先是采用什么样的模型，其次是模型的参数是多少。

模型的选择不是一件容易的事情，通常简单的模型未必和真实情况相匹配，一个典型的例子就是，无论支持地心说的托勒密，还是提出日心说的哥白尼，都假定行星运动轨迹的基本模型是最简单的圆，而不是更准确的椭圆。由此可见，如果一开始模型选得不好，那么以后修修补补就很困难。因此，在过去，无论在理论上还是工程上，大家都把主要的精力放在寻找模型上。

有了模型之后，第二步就是要找到模型的参数，以便让模型至少和以前观察到的数据相吻合。这一点在过去的被重视程度远不如找模型。但是今天它又有了一个比较时髦而高深的词——机器学习

鉴于完美的模型未必存在，即使存在，找到它也非常不容易，而且费时间，因此就有人考虑是否能通过用很多简单不完美的模型凑在一起，起到完美模型的效果呢？ 只要找到足够多的具有代表性的样本（数据），就可以运用数学找到—个模型或者一组模型的组合，使得它和真实情况非常接近

采用多而简单的模型常常比一个精确的模型成本更低，也被使用得更普遍。

其实只要数据量足够，就可以用若干个简单的模型取代一个复杂的模型。这种方法被称为数据驱动方法，因为它是先有大量的数据，而不是预设的模型，然后用很多简单的模型去契合数据

数据驱动方法要想成功，除了数据量大之外，还要有一个前提，那就是样本必须非常具有代表性。

在今天的IT领域中，越来越多的问题可以用数据驱动方法来解决。具体讲，就是当我们对一个问题暂时不能用简单而准确的方法解决时，我们可以根据以往的历史数据，构造很多近似的模型来逼近真实情况，这实际上是用计算量和数据量来换取研究的时间。

数据驱动方法最大的优势在于，它可以在最大程度上得益于计算机技术的进步。

计算机变得越来越聪明，这并非是因为我们对特定问题的认识有了多大的提高，而是因为在很大程度上我们靠的是数据量的增加。

可以用来说明数据驱动方法对机器智能产生作用的最佳案例，恐怕要数2016年在计算机行业最热门的事件——Google的AlphaGo计算机战胜天才围棋选手李世石了。AlphaGo在围棋方面有很高的智能，来源于它对能找到的全部几十万盘人类高手对弈的分析总结。这么多的对弈是任何人类高手一辈子也学习不完的。在总结了几十万盘的数据后，AlphaGo得到了一个统计模型，对于在不同的局势下该如何行棋有一个比人类更为准确的估计。这就是AlphaGo显得很聪明的原因。

数据驱动方法，是大数据的基础，也是智能革命的核心，更重要的是，它带来一种新的思维方式。

C. 大数据究竟能给我们带来什么

1，大数据改变了生产生活方式。

大数据让企业拥有了增值的潜力与爆发力：通过对销售大数据的分析应用，企业可以对消费者的需求有更精准的把握，从而进行更对路的生产；通过对用户评价大数据的分析挖掘，企业能够更有针对性地改善用户体验，从而促进产品营销。

2，大数据改变了思维方式。

这种改变是双向度的：被动改变与主动改变相互交织，外在对手与内在对手共存共生。某种程度上，大数据促进了商业生态系统的重构，从产品供应、营销模式到竞争策略，谁掌握了大数据，谁就掌握了用户。

3，大数据将改变了管理模式。

理念创新必然带来技术创新，技术创新必然呼唤机制创新，管理模式的及时跟进将决定大数据价值的充分发挥。大数据的意义不在于数据本身，而在于对数据的分析与应用，从而释放出数据所蕴含的巨大价值。

(3)数据本身有什么用扩展阅读：

已经有不少国家和企业开始在这一新领域谋篇布局。作为拥有庞大人群和应用市场的中国，也力争在这次科技变革中实现创新与引领，已经取得了大数据的三大理论创新成果——《DT时代——大数据如何改变世界》、《块数据——大数据时代真正到来的标志》、《创新驱动力》。

D. 为何有人说数据将成为无价之宝

首先要知道数据从何而来，才能知道数据如何产生价值。现在的数据是指所能收集到的所有信息统称为数据，数据的生成包含方方面面，比如人类活动可以产生数据，大自然春夏秋冬变化也能产生数据，甚至一颗树木的生长过程也能产生数据。数据本身如果不能应用，就没有价值，如果吧数据应用起来，就能产生无限的价值。同类数据量越大，通过数据分析也就能产生更大的价值。这些价值也可以应用于各种领域，涵盖我们的衣食住行。数据能创造无限可能那就是当之无愧的无价之宝。

大家好，我是 科技 1加1！感觉这个问题很有意思！是啊，当前什么最值钱，要我说就是数据！

这个问题分两方面来回答

1.什么是数据


定义:

数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号。

它不仅指狭义上的数字，还可以是具有一定意义的文字、字母、数字符号的组合、图形、图像、视频、音频等，也是客观事物的属性、数量、位置及其相互关系的抽象表示。例如，“0、1、2...`”、“阴、雨、下降、气温”“学生的档案记录、货物的运输情况”等都是数据。数据经过加工后就成为信息。

在计算机科学中，数据是指所有能输入到计算机并被计算机程序处理的符号的介质的总称，是用于输入电子计算机进行处理，具有一定意义的数字、字母、符号和模拟量等的通称。现在计算机存储和处理的对象十分广泛，表示这些对象的数据也随之变得越来越复杂。

信息

信息与数据既有联系，又有区别。数据是信息的表现形式和载体，可以是符号、文字、数字、语音、图像、视频等。而信息是数据的内涵，信息是加载于数据之上，对数据作具有含义的解释。数据和信息是不可分离的，信息依赖数据来表达，数据则生动具体表达出信息。数据是符号，是物理性的，信息是对数据进行加工处理之后所得到的并对决策产生影响的数据，是逻辑性和观念性的；数据是信息的表现形式，信息是数据有意义的表示。数据是信息的表达、载体，信息是数据的内涵，是形与质的关系。数据本身没有意义，数据只有对实体行为产生影响时才成为信息。

数据的语义

数据的表现形式还不能完全表达其内容，需要经过解释，数据和关于数据的解释是不可分的。例如，93是一个数据，可以是一个同学某门课的成绩，也可以使某个人的体重，还可以是计算机系2013级的学生人数。数据的解释是指对数据含义的说明，数据的含义称为数据的语义，数据与其语义是不可分的。

分类

按性质分为

①定位的，如各种坐标数据；

②定性的，如表示事物属性的数据（居民地、河流、道路等）；

③定量的，反映事物数量特征的数据，如长度、面积、体积等几何量或重量、速度等物理量；

④定时的，反映事物时间特性的数据，如年、月、日、时、分、秒等。

按表现形式分为

①数字数据，如各种统计或量测数据。数字数据在某个区间内是离散的值[3] ；

②模拟数据，由连续函数组成，是指在某个区间连续变化的物理量，又可以分为图形数据（如点、线、面）、符号数据、文字数据和图像数据等，如声音的大小和温度的变化等。

2.数据的重要性

如今，大数据早已经不是一个陌生的名词，很多的行业在使用大数据之后都得到了非常好的效果，大数据与互联网相辅相承，互联依赖，并且不断的在快速发展。

互联网上的数据每年增长40%，每两年便将翻一番左右，而目前世界上90%以上的数据是最近几年才产生的。据IDC预测，到明年全球将总共拥有35ZB的数据量，互联网是大数据发展的前哨阵地，随着互联网时代的发展，人们似乎都习惯了将自己的生活通过网络进行数据化，方便分享以及记录并回忆。

大数据围绕在我们生活的很多方面

大数据围绕在我们生活的方方面面，最直观的反映在我们每天都会使用的社交工具上面。例如腾讯拥有用户关系数据和基于此产生的社交数据，这些数据能够分析人们的生活和行为，从里面挖掘出政治、 社会 、文化、商业、 健康 等领域的信息，甚至预测未来。说简单一点，就是我们每天都在通过自己的QQ、微信、微博更新自己的动态、朋友圈等，这些都将构成一种数据，大数据就是可以通过你更新的这些大量的信息，推测出你的爱好，你的工作，你的住址，你的收入情况等等这些信息。

互联网时代大数据有多厉害

互联网时代大数据到底有多厉害？大数据就像蕴藏能量的煤矿，煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样，和这个相像，大数据并不在于“大”，而在于“有用”，价值含量、挖掘成本比数量更为重要。大数据应用工程师专业主要学习WEB技术、JAVA、JSP、大型数据库Oracle、LINUX集群、非关系数据库NoSql、Hadoop等技术，通过这些课程的学习，让学生具有JAVAEE开发能力的同时能够进行大数据的分析和挖掘能，学生在就业的过程中即可以进入传统的软件公司，进行OA和ERP等传统软件项目开发，同时也能进行大数据的分析和大数据深度挖掘以及对服务器集群的组建等。

大数据时代，我们要合理利用大数据，才可以创造更高的工作效率，才可以创造更多的财富。

所以说数据就是金钱！掌握了大数据就是掌握了财富！

感谢大家的阅读！

数据自身是没有价值或者说微乎其微的，价值是被赋予的，就像黄金一样，黄金的价值是他的应用前景或场景。

数据的价值就是数据能力体现出的收益，或者说投资回报率。

今天我们就来聊聊数据能力和价值。 说到大数据就不得不提数据仓库，企业数据仓库演化至最终阶段或许会变为大脑中枢神经，如果要支撑起整个复杂的大脑和神经系统，需要一系列的复杂机制配合。

一、抽象的数据能力架构

我把数据能力抽象概括为四个方向：传输能力、计算能力、算法能力和数据资产量级，后面会讲述在这四个能力之上泛化出的数据应用和价值。

1. 数据传输能力

数据大部分的使用场景必然会涉及到数据传输，数据传输性能决定了部分应用场景的实现，数据实时的调用、加工、算法推荐和预测等；而传输抽象出来的支撑体系是底层的数据存储架构（当然非同机房的传输还要考虑到网络环境等。单纯的小数据量调用等一般不会涉及到这些，但数据量级大、高并发且对SLA要求非常严格的时候，就是对数据传输能力的考验）。

从产品的角度我把数据传输能力分解为： 底层数据传输效率 和 应用层数据传输效率 。

底层的数据传输效率是指数据源进入后的预处理阶段的传输效率，即加工为产品所需的数据交付物之前阶段。

Ps:数据在可为产品所用之前需要很长的一段加工过程，应用层数据产品基本不涵盖底层数据加工环节，而数据产品会用到规定好的数据交付物（即已约定好的结构化或标准化的数据），而利用此数据交付物再经过产品对实际应用场景的匹配和加工来提供数据服务。即使涉及底层数据管理的相关产品也是对Meta元数据、使用日志或写好的shell等的调用。

底层数据加工计算所涉及到的传输效率，直接决定了支撑数据产品高性能、高可靠的自身需求；而应用层的传输影响了用户体验和场景实现。传输机制和体系就像毛细血管一样遍布全身错综复杂，但是流通速率直接决定了大脑供氧是否充足。
2. 数据计算能力

数据计算能力就像造血系统一样，根据多种来源的养分原料进行生产加工最终产出血液。而源数据通过高性能的底层多存储的分布式技术架构进行ETL(抽取、转换、装载)清洗后产出的是数据中间层通用化的结构化数据交付物。计算速度就像造血速度一样，决定了供应量。而计算速度直接决定了数据应用的时效性和应用场景。

目前最多最普遍的就是离线数仓，离线数仓大部分担任着事后诸葛亮的角色，即没办法保证数据的及时性而延后了数据分析及应用的产出，导致更多的是沉淀经验而难以做到实时决策。而实时数仓，甚至说对Data Lake（数据湖）的实时处理已经逐步开放应用多种场景。我们先不考虑越来越强烈的实时性要求带来的巨大成本是否真的可以创造等值的收益。

强实时可以更接近一个“未来”的状态，即此时此刻。这远比算法对未来的预测更有价值，因为把握眼前比构造多变的未来对一个企业更有价值。甚至说当数据过程快过神经元的传递，那么从获取到你脑电波的那一刻起，数据处理的驱动结果远比神经元传递至驱动四肢要快。

是不是与兵马未动，粮草先行的场景相似？当然这是以数据计算能力的角度来看待这个问题。跳出来以我个人的观点来说，整体数据能力强大到一定阶段后，会从主观改变个人的意愿，即通过引导你的大脑从而来控制或决定个人行为且不会让你感知，所以可以理解为从主观改变个人意愿。从人的角度来说，你并不知道或者直观意愿去凭空决定下一步要做什么，因为大脑是逻辑处理器，当然这又涉及到心理学，这些观点就不在此赘述了，等往后另起一个篇幅来说数据应用未来前景和假想。

3. 数据资产能力

都在说“大”数据，那么数据量级越大越好吗？并不是，从某种角度来说大量无价值或者未 探索 出价值的数据是个负担，巨大的资源损耗还不敢轻易抹灭。

随着数据量级的急剧放大，带来的是数据孤岛：数据的不可知、不可联、不可控、不可取；那么散乱的数据只有转换成资产才可以更好的发挥价值。

什么是数据资产，我觉得可以广泛的定义为可直接使用的交付数据即可划为资产，当然可直接使用的数据有很多种形式，比如meta元数据、特征、指标、标签和ETL的结构化或非结构化数据等。

目前也在拓展Data Lake的使用场景，直接实时的使用和处理Data Lake数据的趋势是一种扩大企业自身数据资产范围和资产使用率的方式。这有利于突破数仓模型对数据的框架限定，改变数据使用方式会有更大的想象空间。

数据资产的价值可以分两部分来考虑：一部分是数据资产直接变现的价值；另一部分是通过数据资产作为资源加工后提供数据服务的业务价值。

第一部分比较好理解，就是数据集的输出变现值，如标签、样本和训练集等的直接输出按数据量来评估价值；第二部分价值比如通过自身数据训练优化后的算法应用而提升业务收益的价值或依于数据的广告投放的营销变现等，甚至说沉淀出的数据资产管理能力作为知识的无形资产对外服务的价值。这些间接的数据应用和服务的变现方式也是数据资产价值的体现并可以精细的量化。

4. 数据算法能力

其实无论是传输能力还是计算能力，都是相对偏数据底层的实现，而离业务场景最近的就是算法能力所提供的算法服务，这是最直接应用于业务场景且更容易被用户感知的数据能力，因为对于传输和计算来说用户感知的是速度快慢，从用户视角快是应该的，因此用户并不知道何时何地计算或传输。

而算法对业务应用场景是一个从0到1，从无到有的过程。并且算法是基于数据传输、计算和资产能力之上泛化出的应用能力，或者换句话说是三个基础能力的封装进化。

而算法能力是把多元的数据集或者说获取到尽可能多的数据转化为一个决策判断结果来应用于业务场景。算法能力的强弱反映了三个数据能力是否高效配合，是否存在木桶效应，更甚者木桶也没有。当然单纯的算法也可以单独作为无形资产的知识沉淀来提供服务。

对于数据能力架构中的四大能力，传输、计算和资产是基础能力，而算法是高级的泛化能力。而能力的输出和应用才能体现数据价值，数据能力的最大化输出考验着整个数据产品架构体系的通用性和灵活性。因为需要面对的是各种业务演化出的多种多样场景，对数据能力的需求参差不齐：可能是片面化的，也可能是多种能力匹配协调的。这对产品的通用性就是一个巨大的挑战，想更好的应对这个问题，可能就需要整个数据平台的产品矩阵来支撑和赋能。

二、数据能力对应数据价值的呈现

从数据应用的角度，每个能力都可以独立开放也可以组合叠加。如果把能力具象出来就会衍生到产品形态的问题，产品形态是对能力适配后发挥作用的交付物。说到产品形态我们可以想象一下应用场景。

首先最基础的应用场景就是数据直接调用，数据资产的使用基本会基于特征、指标、标签或者知识等交付形态。而对于使用方来说这些数据会作为半成品原料或依据来进行二次加工应用于业务场景中，如数据分析、数据挖掘、算法的训练与验证、知识图谱、个性推荐、精准投放（触达）和风控等。数据资产可以统归为在数据市场中通过构建的一些OpenAPI进行赋能。

而对于一个工厂来说，仅仅进行原材料的加工（ETL）输出即除了自身原材料（数据资产）的壁垒外核心竞争力很小，需要包装一些上层的基础服务来提升竞争力，那么数据计算的能力融合进来对原材料进行二次加工（聚合统计）。

计算的聚合统计能力加入进来后可以满足大部分的数据分析场景的支持，就不单单是原材料毫无技术含量的输出，并可以以半成品的形态规避数据敏感。因为对于统计值来说，这是一个分析结果或结论，并不会涉及到自身敏感数据的输出，因此你的核心资产不会泄露，而输出的仅仅是资产的附加值。换句话说知识产权专利依然在你手中，通过控制专利泛化出的能力进行投资回报。

融入计算能力后的一些分析场景如：人群的画像分析、多维度的交叉分析、业务的策略分析和监控分析等多种场景。

随着时代的发展和业务场景的增多，这时工厂继续需要产业变革，要深耕服务业逐步抛弃制造业形态，全面提升更高级的数据服务。这时算法能力的加入来更好的完善服务矩阵。

算法通过封装了传输、计算和资产能力而进行统一的更好理解的业务场景目标预测和识别等。这样对于企业来说可以更容易接受和低成本使用数据服务而不需要再涉及到数据加工链路中，而仅仅需要一个目标结果，通过算法的决策作为参考来指导业务方向。像算法对一些业务场景的预测分析，甚至说一些人工智能场景的识别或学习思考，都可以通过算法赋能来实现。对于企业来说就是从无到有的突破，企业发展进程甚至可能提升好几年。

而贯穿以上能力应用场景都是对数据传输能力的考验。

“数据”的重要性可以有以下几点。

1、数据能够为企业高层提供决策支持。将企业海量数据进行统计分析挖掘后，能够让高层制定合理的措施。

2、数据能整合企业庞杂业务。每个企事业都有很复杂的业务系统，借助数据及对应平台可以将其庞杂的业务进行整合。

3、数据能反应事件本质与趋势。真实数据能够更好地去了解事件的本质问题，预判事态发展。

4、数据能够让人们更加了解自己。未来你可能真的不是最了解你自己的人？但是可以使用个人的数据进行画像，充分了解个人。

5、数据能反应 历史 ，展望未来。通过 历史 数据查询过往，也能够使用以往的数据进行感知未来。

总之，在大数据和5G技术逐渐成为趋势的时代背景下，“ 数据 ”是越来越常见，如社交网络、消费信息、 旅游 记录……企业层面的销售数据、运营数据、产品数据、活动数据……

E. 数据的本质是什么

数据的本质是商业。

数据本身是一种语言，把业务、系统用数据这种语言表现出来，可视化出来，并应用起来。数据这个语言，即是过程也是结果，是业务和系统行为的过程和结果，所以数据本身不会撒谎，数据本身也不产生价值。这就好比语言本身不产生价值，但语言一旦用来交流、传承，便产生了价值。

数据的价值在于应用，通过数据应用解决商业问题，在市场化的行为中，数据建设也往往需要商业驱动。

所以，数据的本质是商业。大数据、数据中台、数字化转型，为的都是解决商业问题。离开商业谈数据，是空中楼阁，是自嗨。

数据的应用分成两种，一是数据化运营，二是运营数据。

1.数据化运营。

这类数据应用的价值是帮助业务决策和优化。目前大多分数据应用发生在数据化运营领域。数据化运营又分非产品类应用、产品类应用两种。

1）非产品类应用

通过对数据的分析、解读，发现业务的问题、机会。这是BI、业务、PD、风控、算法的职责。

无论社交、电商、金融、供应链、新零售，还是什么业务领域，都会有不少BI，他们做着数据监控、分析，和业务进行一轮轮的沟通，再输出分析建议供业务和管理层决策。

从本质上来说，数据分析也是一种数据产品，和其他数据产品最大的差异是分析报告不是持续的，不是标准化的，展现形式以PPT或excel为主。但数据分析和数据产品的目的和本质一样，通过服务需求方，解决需求方的问题。

渔歌的一个朋友，独角兽公司的CEO，他本人精通商业，但对数据似懂非懂，他对数据分析团队的定位是帮助业务团队提高运营效率，要求一个分析师可以代替50个一线运营小二。

2）产品类应用，通过产品赋能业务、客户，又分对内、对外。

对内：指给公司内部人员使用的数据产品。

比如营销系统，自动根据采购者的生命周期、产品偏好发营销推送。营销推送的内容，需要根据客户行为差异化，比如重产品搜索和重商家店铺的购物者不是一类人，这是一种数据应用，目标是提高营销精准度。

再比如报表平台：装满各种数据报表，供业务、产品同学找到他们需要的数据。

又如商家管理系统：知道商家在平台的表现，哪些是高潜，哪些有流失风险，及相应的原因等等。

以上对内的数据产品都服务于内部同事，帮助内部人员更快更便捷的定位问题、智能＆高效运营。

对外：指提供给外部客户使用的数据产品。

比如淘宝曾经的数据魔方可以帮助商家通过行业数据选品，量子可以帮助商家不断优化商品，做好店铺管理决策。当然现在已经没有量子和魔方已经没有了，变成生意参谋。

再比如微信公众号后台的统计功能，包含用户分析、内容分析、菜单分析等等，这些功能是为了帮助公众号号主做数据化运营、决策。

这类对外的数据产品，在帮助客户做数据化运营的同时，还可以协同业务、服务、销售。假设未来微信越来越鼓励公众号号主原创内容的大背景下，提供关于原创和转载内容的数据分析功能的可能性就会变大。

数据化运营的产品，无论对内、对外，都是为了提高运营效率，科学化＆智能化决策。

2.运营数据

指通过运营数据的方式来实现盈利，数据就是这家公司的主营或者重要业务。

比如fico、芝麻、鹏元、同盾。不管他们的业务形态是怎么样的，他们专注从各个渠道获取数据，再对数据进行加工，而后输出应用，从中获取客户价值、公司价值。

前段时间，闹的人声鼎沸的数据事件，多家数据公司有波及，这波公司干的就是运营数据的事。

各个领域都在探索大数据的商业应用与变现，真正实现变现的不多。金融是数据应用最多、最深入的领域之一，因为有数据化风控。

F. 大数据有什么用

十个有关大数的信息：

1）大数据计算提高数据处理效率，增加人类认知盈余 

大数据技术就像其他的技术革命一样，是从效率提升入手。大数据技术平台的出现提升了数据处理效率。其效率的提升是几何级数增长的，过去需要几天或更多时间处理的数据，现在可能在几分钟之内就会完成。

大数据的高效计算能力，为人类节省了更多的时间。我们都知道效率提升是人类社会进步的典型标志，可以推断大数据技术将带领人类社会进入另外一个阶段。通过大数据计算节省下来的时间，人们可以去消费，娱乐和创造。未来大数据计算将释放人类社会巨大的产能，增加人类认知盈余，帮助人类更好地改造世界。 

2）大数据通过全局的数据让人类了解事物背后的真相 

相对于过去的样本代替全体的统计方法，大数据将使用全局的数据，其统计出来的结果更为精确，更接事物真相，帮助科学家了解事物背后的真相。大数据带来的统计结果将纠正过去人们对事物错误的认识，影响过去人类行为、社会行为的结论，带来全新的认知。

有利于政府、企业、科学家对过去人类社会的各种历史行为真正原因的了解，大数据统计将纠正样本统计误差，为统计结论不断纠错。大数据可以让人类更加接近了解大自然，增加对自然灾害原因的了解。 

3）大数据有助于了解事物发展的客观规律，利于科学决策 

大数据收集了全局的数据，准确的数据，通过大数据计算统计出了解事物发展过程中的真相，通过数据分析出解人类社会的发展规律，自然界发展规律。利用大数据提供的分析结果来归纳和演绎出事物的发展规律，通过掌握事物发展规律来帮助人们进行科学决策，大数据时代的精准营销就是典型的应用。 

4）大数据提供了同事物的连接，客观了解人类行为 

在没有大数据之前，我们了解人类行为的数据往往来源于一些被动的调查表格及滞后的统计数据。拥有了大数据技术之后，大量的传感器如手机APP、摄像头、分享的图片和视频等让我们更加客观的了解人类的行为。

大数据技术连接了人类行为，通过大数据将人类的行为数据收集起来，经过一定的分析后来统计人类行为，帮助我们了解人类的行为。可以说大数据的一个重要作用就是将人类行为数据进行收集分析，了解人类行为特点，为数据价值的商业运用提供基础资产 

5）大数据改变过去的经验思维，帮助人们建立数据思维 

人类社会的发展一直都在依赖着数据，无论是各国文明的演化，农业的规划，工业的发展，军事战役及政治事件等。

但是出现大数据之后，我们将会面对着海量的数据，多种维度的数据、行为的数据、情绪的数据、实时的数据。这些数据是过去没有了解到的，通过大数据计算和分析技术，人们将会得到不同的事物真相，不同的事物发展规律。

依靠大数据提供的数据分析报告，人们将会发现决定一件事、判断一件事、了解一件事不再变得困难。各国政府和企业将借助于大数据来了解民众需求，抛弃过去的经验思维和惯性思维，掌握客观规律，跳出历史预测未来的困境。

大数据发展趋势：

1）趋势一：数据的资源化 

何谓资源化，是指大数据成为企业和社会关注的重要战略资源，并已成为大家争相抢夺的新焦点。因而，企业必须要提前制定大数据营销战略计划，抢占市场先机。   

2）趋势二：与云计算的深度结合 

大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。   

3）趋势三：科学理论的突破 

随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。随之兴起的数据挖掘、机器学习和人工智能等相关技术，可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。   

趋势四：数据科学和数据联盟的成立 

未来，数据科学将成为一门专门的学科，被越来越多的人所认知。各大高校将设立专门的数据科学类专业，也会催生一批与之相关的新的就业岗位。与此同时，基于数据这个基础平台，也将建立起跨领域的数据共享平台，之后，数据共享将扩展到企业层面，并且成为未来产业的核心一环。

大数据分析： 

现在的大数据分析，跟传统意义的分析有一个本质区别，就是传统的分析是基于结构化、关系性的数据。而且往往是取一个很小的数据集，来对整个数据进行预测和判断。但现在是大数据时代，理念已经完全改变了，现在的大数据分析，是对整个数据全集直接进行存储和管理分析。

(6)数据本身有什么用扩展阅读：

大数含义

1. 交易员术语，指汇率的头几位数字。

2. 数学用语，指两个数中较大的数。

3.代表十的七十二次方。

4.大数在编程中表示超过32位二进制位的数。