今朝階段，大數據辦理的重要題目分為3類：拓展傳統的貿易智能(bi)范疇。從前針對大數據量的統計、聯系關系剖析、趨向猜測由抽樣釀成全量剖析、將數據回流到各類報表;營業流程改。對各類數據舉行聚合剖析，用來做營業流程改良和考察的根據;數據商品和貿易運用。經由過程對已稀有據或數據處置才能舉行辦事化或產物化包裝，構成數據產物或數據辦事。

　　運用托付廠商太一星晨產物總監馮曉傑表現，大數據單從字面意義好像沒有難懂得，能夠以為是海量級的數據，然則在這海量級的數據畢竟意味著甚麼，這在許多業表裡人士的觀點裡還純在著一些熟悉誤區。

　　大數據誤區一：隻要大就好

　　企業面對著數據量的大范圍增加。比方，idc比來的申報猜測稱，到2020年，環球數據量將擴展50倍。今朝，大數據的范圍尚是一個賡續變更的目標，單一數據集的范圍規模從幾十tb到數pb沒有等。

　　許多人提起大數據，假如沒有提上幾嘴日處置數據量上gb、hadoop集群具有若幹節點、總存儲若幹pb等諸如斯類的說話，都很怕他人認為本身沒有專業。然則，豈非真的隻要數據大瞭，才是大數據嗎？

　　馮曉傑表現，數據假如僅僅是大那是沒多大用途的!就似乎資金的意義在於若何應用周轉一樣，數據大瞭，但沒有應用，讓它孤伶伶地偏安機房一隅，那它就沒有是大數據瞭。好比很多傳統的流派網站，根本上就處於坐擁金山卻無福花費的景況。天天上億的用戶量，卻隻是簡略的告白出現，沒有經由過程對數據的剖析發生更多代價。

　　大數據誤區二：隻要技巧大牛才懂大數據

　　大數據能夠經由過程mapreduce這一並行處置技巧來進步數據的處置速率。mapreduce的計劃初志是經由過程大批便宜辦事器完成大數據並行處置，對數據同等性請求沒有高，其凸起上風是具有擴大性和可用性，特殊實用於海量的構造化、半構造化及非構造化數據的混雜處置。

　　傳統的數據治理和營業剖析對象及技巧都面對大數據的壓力，與此同時贊助企業得到來自信數據剖析看法的新辦法賡續出現。這些新辦法采用一種完整分歧於傳統對象和技巧的方法舉行數據處置、剖析和運用。這些新辦法包含開源框架hadoop，nosql數據庫和大范圍並行剖析數據庫(如emc的greenplum，惠普的vertica)。這意味著，企業也須要從技巧和文明兩個角度從新思慮他們看待營業剖析的方法。

　　馮曉傑表現，對付大數據的運用更多的是一種計謀才能，而非細節的履行技巧，這類才能是能夠贊助決議計劃者能從無盡的數據裡看出商機看出代價，從而為企業帶來更高的利潤。而作為決議計劃者其實不用太關懷在技巧細節層面，大數據到底怎樣技巧天生，又是若何理順晉升用戶體驗的。

　　大數據誤區三：是個公司都得上大數據

　　大數據是否是隻合適大型企業呢？對付一樣平常公司而言，基本就弗成能具有pb級其餘數據，也沒法支持昂揚的數據存儲本錢，並且大數據方面的技巧人材非常稀缺。不外小企業也能夠應用第三方的數據處置辦事平臺。至於企業是否是須要大數據要看本身的營業須要。

　　馮曉傑表現，固然大數據雖然是個噴鼻餑餑，但沒有是全部人都能消化得瞭，大概說其實不是全部都有上大數據的需要，而是要權衡企業的近況，看清晰主次抵觸，或是要考量好投入產出的回報率，大數據其實不是合適全部企業的近況。

　　大數據誤區四：我就要海量數據

　　是否是假如有瞭海量的大數據就可以助力企業成長呢？這又回到瞭大數據代價和款項代價的類比觀點上。明顯，沒有活動的錢，是越放越沒有代價，而基數越大，大概致使的喪失就越大。

　　款項如斯，大數據亦然。隻要像比特幣玩傢們一樣，一直地應用數據，並以非常的熱忱發掘數據背後的幹系和代價，能力如滾雪球一樣平常，使數據之間的互相幹系更豐碩更完美。同理，對付企業的大數據來講，隻要充足應用大數據，讓大數據充足活動起來，賡續的完成增值後果，那末才有機遇更大的開釋大數據的能量。

　　是以，馮曉傑指出，對付企業決議計劃者來講，對待大數據必需有一個蘇醒的熟悉，當在腦殼發燒預備花大價格上大數據之前，都必定得先想明確透辟瞭：我真的須要大數據嗎？大數據真的能為我所駕禦嗎？