產品經理們, 你們到底怎麼定義大數據的價值?

大數據絕不只是數據大，不能光看字面意思。可以說大數據是一套技術體系，可以說是一種認知挖掘過程，也可以說是一種方法論和管理決策思維。

我們要搞懂大數據的價值，首先繞不開數據挖掘（或更窄的機器學習、或更廣義的人工智慧技術）。數據挖掘（Data Mining），又稱為資料探勘、數據採礦，或資料庫知識發現（Knowledge-Discovery in Databases，KDD)。數據挖掘一般是指從大量的數據中通過各種演算法挖掘隱藏於其中的規律和有價值信息的過程，通常通過統計方法、機器學習、專家系統、模式識別和在線分析處理等諸多方法來實現上述目標。

現階段大數據領域注重數據採集、數據存儲、基礎計算和可視化等層面，唯獨對數據挖掘建模和決策支持這兩個硬骨頭沒有展開深入研究和對接，這是大數據難以落地的根本原因。我們大多數人決策其實是靠感覺、個人經驗或別人建議，少部分人會親自對報表等小數據進行客觀數據分析。

而大數據為我們提供了一種更加可靠的決策支持，畢竟數據不會說假話。大數據本身不產生價值，大數據的根本用途是利用大數據挖掘分析對我們的決策提供規律、知識和經驗等科學依據，客觀上減少面對未來決策的不確定性。所以，以業務決策支持為分析目標，大數據不靠大，小數據也一樣有大價值。為什麼大數據的價值需要我們自己去定義呢？

因為對於未來、對於未知領域，我們每個人或組織面臨的不確定性問題是不一樣的，有的偏個體（如疾病診斷，犯罪預測），有的偏大眾（如廣告營銷、客戶細分），有的偏微觀（如基因序列，個性化教育），有的偏宏觀（環境監測、天文數據處理），有的關注資源優化配置（如供需匹配，出行服務），有的關注宏觀決策（如政府資產分析、綜合管控）…可以說大數據分析需求無處不在，而又大不相同。這就需要從自身實際需求和數據、技術現狀出發，自行設定大數據分析的價值和應用目標，生搬硬套互聯網公司那套做法，不可取。