从传统研究模式穿越到大数据“星际”
来源:互联网  日期:2015-10-14
  • 分享到QQ空间

通信世界网消息(CWW) 近期热映的《星际穿越》中,一个传统的故事被诺兰放置于新的超维空间,立刻产生了众多遐想,激起了人们对宇宙神秘特性的热议。而现实生活中,面对新的大数据时空,那浩繁如星际的数据量,多维化的研究模式,也具备着同样神奇的吸引力。大数据,不再只是通过传统的研究方式影响世界,它所擅长的预测和探索未来趋势的能力,成为其当下最受热议的话题。


大数据(Big Data)本世纪初最早作为技术术语出现于海量信息检索领域,后续在IT领域逐步传播,并在2009年后随着云计算应用逐步受到更多关注。 IBM 首先对其进行商业化定义,并于2011年率先推出业务解决方案。此后,大数据更多作为业务概念迅速应用到社会各领域,并在近两年引发无限的价值遐想和业务热潮。


相对层出不穷的各种商业化包装和定义,4V(Volume-规模体量大, Variety-格式多样 ,Velocity-高速处理 , Value-巨大价值) 理论通过4个核心特征朴素而准确地来描述了大数据。由于相关的介绍颇多,这里不再赘述,我们主要从价值开始对大数据的讨论。


1 大数据下,价值法则并没有变化


如果根据大数据的4V特性进行畅想,当我们以Velocity能力达到了Volume和Variety的处理需求,Value 是否就水到渠成了呢,答案并不是这样。因为数据的价值法则并没有变: 数据只有分析后才有价值,而价值的多少取决于分析的深度和能力。


市场研究行业作为一个通过深入分析数据产生价值的行业,更有希望在大数据环境下获得广阔的发挥空间。但实际上,相对于技术性驱动的新兴的跨界竞争对手(互联网平台性企业/技术性数据服务企业等)的活跃,传统市场研究公司反应相对迟缓而被动。


针对这个问题,技术决定论认为是研究公司技术能力短板问题;而代替论则认为传统研究方式不适用于大数据,大数据下的研究方式(如个性化/预测)将彻底代替传统研究方法。


笔者在大数据相关技术领域有深入的背景,近几年又在市场研究行业工作,对研究业务特性相对比较熟悉。因此更适合从一种综合的角度看待这些问题。下文中,笔者将做相关的讨论。


2 传统市场研究与大数据研究的方法论


针对前面技术决定论的观点,笔者作为资深IT人员,实际也不敢苟同。大数据业态下,技术对市场研究的推动力是大了很多,但不是包打天下:它更多提升了分析的能力,并不是深度和专业性。而研究方法替代论的观点,则是把传统研究和大数据的研究方法论置于一种对立的角度来看问题。


正如天体物理学是我们离开地球遨游新星际的理论基础,研究方法论也是研究公司遨游数据空间的基本依据。如何从传统数据空间快速进入大数据空间,首先我们要从研究方法论角度进行辩证的分析。


传统研究方法论和大数据下的新方法论,是不是真的对立或者替代的呢? 我们不妨从更高的角度(以数据为统一点,把传统数据与大数据纳入一个数据时空)来看两者的特点与关系(如图1)


图1 传统方法论与大数据方法论对比


从图1可以看到:


(1)市场研究公司的传统方法论,其关注是 全局 / 群体 的特性,力求发掘现象原因( Why ),从而去做改进或者变化。 而大数据的新方法论则 更关注个体性 / 局部 ,更擅长对未来的预测(Future)。 也就是说, 两者适合各自适合解决不同研究目的的问题 。


(2)传统方法论与大数据方法论在数据空间可并行应用,并不割裂。 尤其是前者的分析思路仍然可以适用于大数据环境,而后者是在更大数据空间下对分析方式的扩展。


  所以,两种研究方法论,类似于物理学中牛顿经典力学(适合宏观低速)与狭义相对论(适合微观高速)的辩证关系,各自更适合不同的业务场景,在大数据空间下是可以互相借鉴和补充,并不是对立或者替代。


  理解了这种关系后,我们进一步从大数据产品的角度, 来深入讨论市场研究与大数据的关系。


  大数据产品的模式

  近两年来,各种企业(尤以技术驱动企业为代表)推出的大数据产品/服务层出不穷。但如果从研究产品核心的三个要素(数据特性、 分析方法论和产品类型)来看,无非以下几种模式。



图2 大数据的模式


    • 分享到QQ空间
综合指数
  指数名称 数值 幅度 详细