大数据的思维方式(一)

大数据思维模式

随着信息技术的飞速发展和互联网的普及，大数据已经成为当今社会最重要的资源之一。大数据思维模式作为一种全新的思维方式，以数据为核心，通过挖掘和分析海量数据，为决策提供科学依据。本文将介绍大数据思维模式的定义、特点以及在不同领域的应用。

一、大数据思维模式的定义

大数据思维模式是一种基于大数据技术和数据分析的思维方式，它通过收集、存储、处理和分析大量数据，发现数据背后的规律和价值，并以此为基础进行决策。大数据思维模式的核心是将数据视为一种资源，通过科学的方法和工具，从中发现信息，提取价值，并运用于实际问题的解决。

二、大数据思维模式的特点

1. 数据驱动：大数据思维模式以数据为驱动力，通过获取、整理和处理大量的数据，实现对问题的深入认识和理解。数据成为了决策的基础，而不再仅仅依靠个人经验和主观判断。

2. 综合分析：大数据思维模式强调综合分析，将各种数据进行整合和比较，以获取全貌和深度的认识。通过将结构化数据和非结构化数据相结合，挖掘数据之间的关联和潜在规律，实现对问题的多角度分析。 3. 实时决策：大数据思维模式借助实时数据处理和分析技术，能够实时监测和反馈数据，从而使决策过程更加即时和灵活。决策者能够根据最新的数据情况进行调整和优化，提高决策的精准性和效果。

4. 预测能力：大数据思维模式依靠历史数据和趋势分析，能够对未来进行预测和预测。通过挖掘数据中的模式和规律，发现潜在的趋势和风险，为决策者提供预先的指导和策略。

三、大数据思维模式的应用领域

1. 商业领域：大数据思维模式在商业领域的应用广泛，包括市场营销、销售预测、用户画像等。通过分析海量的用户数据和市场数据，企业能够更好地了解用户需求和市场趋势，制定精准的营销策略和产品规划。

2. 健康医疗领域：大数据思维模式在健康医疗领域的应用有助于个性化医疗的实现。通过收集和分析患者的生理指标、病历数据和基因信息，医生能够提供更加准确和精细化的诊断和治疗方案，提高患者的治疗效果和生活质量。

当今信息科技高速发展， 大数据已经成为一种新的生产力， 驱动传统行业发生重大变革。 由于大数据具有4V（Volume， Variety， Velocity和Veracity） 特性 [1] ， 传统统计思维方法已不能完全满足时代需求， 大数据思维方式亦应运而生。 大数据思维与传统统计思维类似， 都是对现实世界的数据和现象进行科学分析和判断， 从而揭示事物的内在本质，判断其发展变化规律。 然而， 由于这两种思维方式各有其自身特点， 其研究重点和应用领域也各自不同， 所有我们就需要对这两种思维方式进行研究， 从而开阔视野， 从多个角度以多种方法解决问题。

1 大数据思维与传统统计思维方式的区别

1.1 研究对象不同

总体性和样本性， 是大数据思维和传统统计思维研究对象的根本区别。 在传统统计思维中， 受传统分析方法的限制， 抽样分析是最常用的统计方法， 即按随机性原则，

从总体单位中随机抽取部分单位作为样本进行统计分析， 并以其结果推断总体有关指标的一种统计方法。 实践证明： 抽样分析精确性受抽样随机性影响较大， 增加随机性， 精确度将大幅提高； 增加样本数量， 精确度影响不大， 因此样本选择的随机性比样本数量更为重要。 用样本数据去推断全部样本的情况， 是传统统计方法分析数据的常用方法， 但在现实中， 这种方法可能无法展示事物的全貌， 其抽样的代表性有存在偏差的可能， 其推断的结果需要验证。

在大数据背景下， 所有海量数据都可以存储在云存储上， 大数据思维不再采用传统的随机抽样方式， 而是采用“样本即总体” 的全数据思维方式， 采用大数据特殊算法，利用云计算强大的计算能力， 计算分析全部数据， 从而发现传统统计方法无法揭示的细节信息， 找出深藏在数据中不易被发现的秘密 。

1.2 研究方法不同

在传统统计工作中， 统计方法一般是基于事务间的相关性、 先验信息， 根据收集的统计样本， 采用传统统计学的推断方法进行因果关系的推断。 而大数据是建立在总体数据之上， 排除人为假设， 通过大数据算法， 挖掘出数据深处的意义， 发现深层次的因果关系， 从而进行科学的预测和判断。 传统统计方法由于统计样本的不完整性，

5种经典的数据分析思维和方法

：启方

：数据分析不是个事儿

在数据分析中，数据分析思维是框架式的指引，实际分析问题时还是需要很多“技巧工具”的。就好比中学里你要解一元二次方式，可以用公式法、配方法、直接开平方法、因式分解法。

数据分析里也有技巧，在一些通用的分析场景下可以快速使用，而且对未来构建数据分析模型也有帮助。

接下来就分享常见的5种数据分析方法，分别是：公式法、对比法、象限法，二八法，漏斗法，常常多种结合一起使用。

注：主要偏思维层面的，基于业务问题对数据的探索性分析，不同于专业统计学中的数据处理方法。

一、公式法

所谓公式法就是针对某个指标，用公式层层分解该指标的影响因素，这个我在指标化思维中提到过。

举例：分析某产品的销售额较低的原因，用公式法分解

• 某产品销售额=销售量 X 产品单价 • 销售量=渠道A销售量 + 渠道B销售量 + 渠道C销售量

+ …

• 渠道销售量=点击用户数 X 下单率

• 点击用户数=曝光量 X 点击率

第一层：找到产品销售额的影响因素。某产品销售额=销售量

X

产品单价。是销量过低还是价格设置不合理？

第二层：找到销售量的影响因素。分析各渠道销售量，对比以往，是哪些过低了。

第三层：分析影响渠道销售量的因素。渠道销售量=点击用户数X 下单率。是点击用户数低了，还是下单量过低。如果是下单量过低，需要看一下该渠道的广告内容针对的人群和产品实际受众符合度高不高。

第四层：分析影响点击的因素。点击用户数=曝光量X点击率。是曝光量不够还是点击率太低，点击率低需要优化广告创意，曝光量则和投放的渠道有关。

通过对销售额的逐层拆解，细化评估以及分析的粒度。

公式拆解法是针对问题的层级式解析，在拆解时，对因素层层分解，层层剥尽。

二、对比法

对比法就是用两组或两组以上的数据进行比较，是最通用的方法。 我们知道孤立的数据没有意义，有对比才有差异。一些直接描述事物的变量，如长度、数量、高度、宽度等。通过对比得到比率数据，增速、效率、效益等指标，这才是数据分析时常用的。

大数据的互联网思维 2022年联合国制定了“数据脉动”计划，2022年英国发起了“数据权”运 动、2022年美国实施了“大数据”战略，最近新加坡等提出“大数据治国”理念， “大 数据”时代的序幕由此渐渐拉开。今年7月25日，国务院在听取浪潮云计算、大数 据产业发展汇报后指出，信息化正在全球快速发展，云计算、大数据是一个大潮 流。作为继物联网、数字城市、智慧城市之后的又一个流行词汇, “大数据”的究 竟是什么大数据时代下应树立怎样的思维大数据对国家治理现代化和反腐倡廉 有什么作用 一、大数据时代正悄然来临 今年全国两会时，“大数据” (Big

data)第一次出现在政府工作报告中， 这表明我国对大数据重要性的认识上升到了国家层面。信息产业发达国家，如美、 英、德、日等此前已将大数据作为国家核心竞争力提升为了国家战略。数字主权 将是继边防、海防、空防之后，又一个大国博弈的空间。

(一)大数据的定义和特征 大数据并非现在才出现。中国东汉时期人口已达6千多万，这显然是 一个大数据，但不是今天讨论的大数据。维基百科对大数据的定义为：“大数据 意指一个超大、难以用现有常规的数据库管理技术和工具处理的数据集。”IDC(互 联网数据中心)报告对大数据的定义为：“大数据技术描述了一种新一代技术和构 架，用于以很经济的方式、以高速的捕获、发现和分析技术，从各种超大规模的 数据中提取价值。”大数据研究的目的是将数据转化为知识，探索数据的产生机 制，进行预测和政策制定。建立在相关关系分析法基础上的预测是大数据的核心， 通过找出一个关联物并监控它，我们就能预测未来。

大数据同过去的海量数据有所区别，其基本特征可以用4个V来总结 (Volume、Variety、Value和Velocity)，即体量大、多样性、价值密度低和处理速 度快。具体来讲，一是数据体量巨大。数据信息计量的最小基本单位是字节(Byte) ， 换言之， Byte是计算机信息技术用于计量存储容量和传输容量的一种计量单位， 一个字节等于8位二进制数，在UTF-8编码中，一个英文字符等于一个字节。数 据存储是以“字节”(Byte)为单位，数据传输是以“位”(bit)为单位，一个位就代表一个0或1(即二进制)，每8个位(bit)组成一个字节(Byte)。8bit=1Byte，数据存储是以