你不需要大資料，你需要的是正确的資料

你需要的并不是大資料，而是正确的資料。以uber為例，uber每天都能收集到海量資料，但uber會分析全部資料嗎?不會，它隻用那些能讓産品更快連接配接乘客和司機的關鍵資料。

　　問三個問題去挖掘你做決策所需要的正确資料：

哪些地方在浪費資源(時間、金錢、人力、原料等)?

如何自動化地減少浪費?

針對1與2，需要哪些資料?

以下是全文：

大資料這個詞已經無處不在。無論是大企業、小企業、傳統行業、新興行業，每一家公司都加入了 大資料 的浪潮，好像有了大資料就能解決所有問題。

企業通過社會、天氣、政府資料來預測供應鍊中斷。大量的使用者資料被各個網站收集利用，一些公司甚至開始利用大量的文本交流資料建立算法，進而與客戶進行對話。

但現實的情況是，我們對大資料重要性的癡迷，往往會産生誤導。是的，在一些情況下，從資料中能擷取有價值的東西，但對于創新者來說，資料量和規模不是關鍵的因素，找到正确的資料才是關鍵。

關鍵不在于資料的大小

在談到大資料作用的時候，我們總是拿uber來舉例，他們好像是用大資料獲得成功的最典型的例子。毫無疑問，uber從資料中獲得了财富。依靠他們的應用，uber從司機和乘客那裡獲得了實時的資料，讓他們能夠知道何時、何處人們對車輛有着較高的需求。

但uber的成果并不是依靠他們所采集的大量資料，這些大資料使公司能夠進入新的市場，但uber的成功來自非常不同的東西，小的、但是正确的資料：車輛排程資料。

在uber誕生之前，我們打的是傳統的計程車。雖然傳統計程車看上去與網際網路沒有什麼關系，但是其實它們才是一種依靠大資料的東西。原因是，傳統計程車依賴的是“人眼網絡”：無數人站在城市中的某一個點，在看到計程車後馬上招手。雖然貌似與資訊科技無關，但是實際上人們在打車的過程中，同樣使用了計算，人腦的計算：我們在大腦中收集并且分析資料。

uber提出了一個更優雅的解決方案，人們不再需要自己跑到街上去用眼睛收集資料，不用再用大腦去處理資料，而是讓uber為我們提供正确的資料來完成打車任務。城市中誰需要打車?他在哪裡?離他最近的車在哪裡?需要多長時間能接到乘客?正是憑借這些正确的資料，uber和滴滴才得以成功的在計程車行業内掀起了革命。

uber的優雅解決方案是停止運作可視化資料-生物的異常檢測算法，隻需要正确的資料來完成工作。城市裡的人需要搭車，他們在哪裡?這些關鍵資訊讓uber、lyft、滴滴出行徹底改變了一個行業。

用正确的資料完成工作

有時候正确的資料規模也很大，也有的時候正确的資料規模很小。對于創新者，關鍵在于哪些關鍵的資料對企業最有幫助，要找到正确的資料，我建議你思考下面三個問題。

問題1：是什麼在浪費公司的資源?

大部分汽油都在日常營運中浪費大量的資源。拿鮮花零售業來舉個例子，大多數花店中50%的庫存最終都會被浪費掉。正因如此，才産生了urbanstems和bouqs這樣的鮮花配送服務，它們通過正确的資料幫助花店減少浪費。

“哪裡有浪費，哪裡就有機會”。無論你是工業生産、零售還是法務調查公司，搞清楚哪些因素會浪費你的資源，都能夠幫你找到正确的資料。

問題2：如何通過自動化來減少浪費?

在确定哪些因素會造成資源浪費之後，下一步就是要減少浪費。人類擅長于做某些類型的決定，比如在品牌營銷方面，這部分應該交給人類解決。

但是當涉及到做簡單的重複性經營決定的時候(比如把計程車派到每個地方，如何給産品定價，向花店訂多少鮮花)，機器比人更擅長。雖然有許多傳統的人類做決定的商業模式是可預測的，現在我們能分辨更多的資料，來進行自動化。

例如，有傳言稱亞馬遜正打算取消所有的人工定價團隊，讓算法來給大部分商品進行定價。在零售商眼裡，這是完全不可思議的行為。但是如果亞馬遜的算法能夠勝任定價工作，它将為亞馬遜減少成本、庫存，以及推出更好的可預測的新産品介紹，這一切将會産生巨大的競争優勢。

問題3：你需要哪些資料來完成這一切?

隻要你了解了傳統系統當中的浪費，并且知道了浪費造成的後果，最後一步是去問一個簡單的問題。如果你可以有任何資料來幫助你做出完美的決定，它會是什麼?

在uber這個例子裡，為了完成自動化指派司機工作，進而減少資源的閑置，他們需要知道潛在的乘客可能在城市的哪些位置。另一個例子是通用電氣旗下的産業網際網路軟體predix，公司在機器發生故障前提前知道，以減少維護工作的成本，以及減少停機時間的浪費。對于尋求降低成本的保險公司，他們想知道一個糖尿病患者血糖下降的時候，以幫助自動化進行圍繞病人的幹預措施，減少不善疾病的影響。

這就是你所需要的資料，通過處理大量的資訊找到他們是很好的，如果你通過建立一個新的應用程式來捕獲它們更好。

大部分公司花了太多的時間提倡大資料，但是卻幾乎沒有花時間去想清楚哪些資料才是正确的有價值的資料。

本文轉自d1net（轉載）