13518219792
如今，大多数人认为在大数据时代，人们总是有足够多的信息来建立强大的分析，然而事实并非如此。在某些情况下，即便是大量的数据也仍然不支持基本预测的正常进行。很多时候,我们并没有太多可以做到的事情，除了承认事实和坚持基本知识。这是大数据不能被用来预测的挑战，似乎也是一个不可能的悖论，但是却引来人们探讨为什么会是这样。
情景1：大数据，小宇宙
举一个例子，当事物很少却有大量的数据时，很难找到有意义的模式。以一家航空公司的制造商为例，如今，每架飞机每小时运行产生上千兆字节的数据。诸如发动机在不同条件下操作，分析这些操作数据有很多好处。然而这对于一些分析行为来说可能很困难，如预测性维护。这是为什么？
人们意识到，即使是大的飞机制造商，每年也只能生产出几百架飞机。在考虑不同模型的时候，一年中可能只有几十个模型被生产出来。纵使飞机全部装满传感器，也很难开发有意义的预测部件故障模型。为什么？因为只有几十或几百架飞机，样品的数量太小。
特别是对于新飞机来说，这种情况还会加剧一些问题的出现（例如发动机或发动机部件之类的故障率较低）。因此，尽管可以在几年的操作中收集PB的数据，但是可能没有足够的飞机来创建足够大的事件池，从而构建真正有效的预测模型。当然，人们可以监测数据，寻找支持调查或干预的异常模式，但是这不是一个预测模型。
情景2：大数据，大宇宙，令人难以置信的罕见事件
还有其它情况，那就是有大量的人或事物需要分析大量的数据。然而，当事件非常罕见时，仍然可能遇到一种情况，即没有足够的样本来构建真正有效的预测模型。这并不是说，人们在分析数据和理解行为的各个方面没有很多价值。它只是说，有可能不能建立有效的预测模型。
让我们考虑一下计算机芯片的生产情况。全球每年产生数亿甚至数十亿片芯片，并且其速度在不断加快。几十年前，一千个或一万个的数量级缺陷可能是可以接受的。对于当今的芯片产品，其缺陷可能需要更接近百万级。曾经有客户提出，汽车行业面临着压力，需要将芯片缺陷率降低到十亿分之一或更低。这是为什么？主要是因为如果实现这种低错误率，并且人们可以假设导致有缺陷芯片存在的原因，则对于任何特定的一组原因，其发生任何缺陷的实例会变少，人们可能没有足够的样本来分析，但能够产生良好的模型以预测这些失败可能发生的时间和地点。人们考虑到芯片技术将随着时间的推移而过时，在短短几年内被更新的产品所替代，因此，这可能是一个持续时间比较久的问题。
不要绝望，做好准备
请记住，在这里提出的问题并不是什么规则，而只是样本。然而，随着人们收集数据的来源越来越多，企业开始考虑用越来越多的因素来分析业务，这些异常样本肯定会出现在组织内部。重要的是，人们只需要关注一个非常小的宇宙来分析，或者通过一个令人难以置信的稀有事件来分析。更糟糕的是，这种罕见事件是小宇宙中的。假设只考虑数据与业务问题相关的情况，而那些不相关的数据将永远不会增加价值，无论其数量多么大或多么小。
当人们不确定自己的数据是否是有效预测时，请确保在用于开发数据的复杂分析之前投入更多精力，其评估可能是可行的。在某些情况下，人们可能需要解决基本分析问题。然而，重要的是要记住，这种情况应该比没有任何数据来分析更好。
（互联网IDC圈独家翻译，未经允许，禁止转载！）
