chinesefreesexvideos高潮,欧美极品少妇性运交,久久久国产一区二区三区,99久久婷婷国产综合精品,成人国产一区二区三区

曾記得2010年左右，當(dāng)大數(shù)據(jù)（BigData）的概念橫空出世時，身處傳統(tǒng)市場研究公司的朋友們大都有些惶恐不安：大數(shù)據(jù)時代正撲面而來，做小數(shù)據(jù)研究的是不是要被淘汰了？

時至今日，大數(shù)據(jù)行業(yè)叱咤風(fēng)云已十余載，回頭再看處于“數(shù)據(jù)鄙視鏈”底層的傳統(tǒng)市場研究公司并未完全消亡，新興的大數(shù)據(jù)公司并未能徹底“消滅”傳統(tǒng)的小數(shù)據(jù)公司。

相反的，我們還看到有些傳統(tǒng)的市場研究公司在積極擁抱大數(shù)據(jù)后，搖身一變?yōu)椤皵?shù)據(jù)智能”服務(wù)商，找到了公司業(yè)務(wù)增長的新曲線，業(yè)務(wù)規(guī)模不減反增。人們不禁要問，為什么大數(shù)據(jù)無法徹底取代小數(shù)據(jù)呢？今天就來談一談小數(shù)據(jù)和大數(shù)據(jù)的關(guān)系。 

一、大數(shù)據(jù)與小數(shù)據(jù)的基本概念

大數(shù)據(jù)的概念向來都是眾說紛紜、莫衷一是，近些年大家都開始比較務(wù)實了，不再糾結(jié)于大數(shù)據(jù)的概念，而是更加注重大數(shù)據(jù)的應(yīng)用場景和價值了。為了行文的需要，在這里還是簡單提一下基本概念。

關(guān)于大數(shù)據(jù)的定義，有兩個相對權(quán)威的說法。其一，麥肯錫全球研究所給出的定義是：一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價值密度低四大特征；其二，在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》中指出，大數(shù)據(jù)是指不用隨機(jī)分析法（抽樣調(diào)查）這樣捷徑，而采用所有數(shù)據(jù)進(jìn)行分析處理。此外，IBM提出的大數(shù)據(jù)的5V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性），也普遍被業(yè)內(nèi)人士所認(rèn)同。

什么是小數(shù)據(jù)（Small Data）呢？在百度百科上采用的是互聯(lián)網(wǎng)研究員呂蘭濤給出以下定義：“小數(shù)據(jù)”是指需要新的應(yīng)用方式才能體現(xiàn)出具有高價值的個體的、高效率的、個性化的信息資產(chǎn)。比如：通過智能家電、手機(jī)、平板電腦、穿戴式產(chǎn)品等能收集到個人的一舉一動，這些個人的信息資產(chǎn)就是富有個人色彩的小數(shù)據(jù)。

以上關(guān)于大數(shù)據(jù)和小數(shù)據(jù)的定義都有一定的道理。為了方便比較和表述，本人將大數(shù)據(jù)定義為：由結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)組成的數(shù)據(jù)集合體，將小數(shù)據(jù)定義為：面向特定用戶群體的結(jié)構(gòu)化數(shù)據(jù)。

二、大數(shù)據(jù)與小數(shù)據(jù)的差別比較

大數(shù)據(jù)與小數(shù)據(jù)到底有什么樣的差別呢？下面從屬性層面和應(yīng)用層面進(jìn)行比較和辨析。

1、 屬性層面

數(shù)據(jù)獲取方式：大數(shù)據(jù)一般通過爬蟲、埋點、API等方式獲取數(shù)據(jù)，數(shù)據(jù)獲取幾乎全部交給機(jī)器來處理，自動化程度較高。小數(shù)據(jù)通常會依賴于人工的方式進(jìn)行數(shù)據(jù)采集，比如：通過問卷調(diào)查、電話調(diào)查、街頭攔截調(diào)查等傳統(tǒng)的實證調(diào)查方式獲取數(shù)據(jù)，人工參與度高。

表現(xiàn)形態(tài)：大數(shù)據(jù)更多的是非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)，小數(shù)據(jù)則以結(jié)構(gòu)化數(shù)據(jù)為主；

數(shù)據(jù)量級：大數(shù)據(jù)至少是TB及其以上級別的數(shù)據(jù)量，而小數(shù)據(jù)通常為MB級別的數(shù)據(jù)；

實時性：大數(shù)據(jù)中實時性數(shù)據(jù)所占比例較高，而小數(shù)據(jù)一般有一定的滯后性；

數(shù)據(jù)質(zhì)量：大數(shù)據(jù)大多處于雜亂無章的狀態(tài)，數(shù)據(jù)缺失、亂碼、異常值等情況比較普遍，而小數(shù)據(jù)一般都經(jīng)過了較嚴(yán)格的標(biāo)準(zhǔn)化和統(tǒng)一化處理，數(shù)據(jù)質(zhì)量相對較高；

數(shù)據(jù)處理技術(shù)：大數(shù)據(jù)經(jīng)常會采用較復(fù)雜的數(shù)據(jù)處理技術(shù)，比如：爬蟲技術(shù)、埋點技術(shù)、分詞技術(shù)、可視化技術(shù)、機(jī)器學(xué)習(xí)算法等，數(shù)據(jù)處理技術(shù)的難度大、技術(shù)要求高，一般需要搭建大數(shù)據(jù)平臺來進(jìn)行處理。小數(shù)據(jù)因其數(shù)據(jù)處理量較小，以結(jié)構(gòu)化數(shù)據(jù)為主，數(shù)據(jù)處理起來比較簡單，所以用到一些常用的數(shù)據(jù)分析工具就能輕松應(yīng)對。 

2、 應(yīng)用層面

范圍與對象：大數(shù)據(jù)注重對全量用戶的分析，分析的內(nèi)容往往側(cè)重于群體性的行為，即“面”上的數(shù)據(jù)分析，比如雙11網(wǎng)絡(luò)購物的大數(shù)據(jù)分析。小數(shù)據(jù)的對象通常為抽樣用戶，往往更加注重對單體用戶的行為分析，即“點”上的數(shù)據(jù)分析，個性化是小數(shù)據(jù)的特色之一；

知識發(fā)現(xiàn)過程：大數(shù)據(jù)重在預(yù)測，小數(shù)據(jù)重在決策。大數(shù)據(jù)的分析方式是自下而上的知識發(fā)現(xiàn)過程，從紛繁復(fù)雜的數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，從不確定性中找到確定性。小數(shù)據(jù)的分析通常采用統(tǒng)計學(xué)的方法，先找到特定用戶群的規(guī)律，然后再具體分析單體用戶的情況，分析方式是自上而下的；

數(shù)據(jù)分析深度：大數(shù)據(jù)擅長從整體上進(jìn)行全局性的實時性感知與分析，比如：交通流量監(jiān)測、輿情監(jiān)測等應(yīng)用。小數(shù)據(jù)因?qū)ο筝^明確，分析的更聚焦和有針對性，所以分析的內(nèi)容更深刻、更精準(zhǔn)。

分析導(dǎo)向性：大數(shù)據(jù)注重相關(guān)性分析，關(guān)注結(jié)果是什么而不糾結(jié)于為什么，通過相關(guān)性來給出問題的解決方案，所以，大數(shù)據(jù)分析的結(jié)果往往可解釋性弱。小數(shù)據(jù)通常是結(jié)果導(dǎo)向的，注重因果關(guān)系分析，關(guān)注現(xiàn)象背后的內(nèi)在機(jī)理和業(yè)務(wù)邏輯，因此，小數(shù)據(jù)的分析結(jié)果有較強(qiáng)的可解釋性。

三、大數(shù)據(jù)與小數(shù)據(jù)共生于全數(shù)據(jù)

過去的十余年可謂是大數(shù)據(jù)與小數(shù)據(jù)的相愛相殺的一段時期，表面上大數(shù)據(jù)行業(yè)突飛猛進(jìn)，小數(shù)據(jù)公司們?nèi)諠u式微，實際上大數(shù)據(jù)行業(yè)的發(fā)展并非一帆風(fēng)順，而小數(shù)據(jù)行業(yè)也從不甘心被淘汰。

大數(shù)據(jù)固然有其優(yōu)勢，小數(shù)據(jù)也有其難以取代的特色。通過多年的實踐我們不難發(fā)現(xiàn)：大數(shù)據(jù)并非萬能的，小數(shù)據(jù)仍有其獨特價值，利用數(shù)據(jù)的最佳方式就是“大小通吃，并駕齊驅(qū)”。未來的時代仍將是大數(shù)據(jù)與小數(shù)據(jù)共生共存的全數(shù)據(jù)時代，而能同時駕馭大數(shù)據(jù)和小數(shù)據(jù)的公司則會更有競爭力。如何才能做到同時駕馭大數(shù)據(jù)和小數(shù)據(jù)呢？筆者認(rèn)為，至少有三種路徑：從大變小，從小變大和大小結(jié)合。

1、從大變?。豪么髷?shù)據(jù)維度全、變量多的特點，可以進(jìn)行全量用戶的行為聚類分析，得到一些具有典型特征的用戶分組，針對這些分組用戶可以再采用市場調(diào)研的方法進(jìn)行深入研究和分析，這樣既能從“面”上了解全量用戶的全貌，也能從“線”上洞察分組用戶群的情況，甚至能深入到具體“點”上單體用戶的特征。另外，通過大數(shù)據(jù)對全量用戶進(jìn)行聚類和分組后，還能更有效的指導(dǎo)用戶調(diào)研時的抽樣策略，減少樣本配額的偏差。

從大到小，就是從大數(shù)據(jù)中找到適合小數(shù)據(jù)的場景，用大數(shù)據(jù)的方法幫助小數(shù)據(jù)鎖定要聚焦的用戶，再用小數(shù)據(jù)的研究方法深入探究大數(shù)據(jù)分析結(jié)果出現(xiàn)的原因。 

2、從小變大：小數(shù)據(jù)在用戶心理、態(tài)度和情感等方面的深入研究具有獨特的優(yōu)勢，當(dāng)我們針對少數(shù)用戶通過深入訪談、群組座談會等方式進(jìn)行深入分析后，可以得到一些典型用戶群的畫像模型和特征標(biāo)簽。

比如：當(dāng)我們需要面向更多的用戶群進(jìn)行定向廣告投放時，可以將這部分用戶視為種子用戶，并在小數(shù)據(jù)方法所獲得的種子用戶標(biāo)簽的基礎(chǔ)上，做相似人群的規(guī)模放大，從而找到更多的符合要求的用戶群。針對用這種lookalike方法獲得的新用戶群，可進(jìn)一步采取大數(shù)據(jù)的分析方法研究其行為特征、廣告投放后的響應(yīng)等。

從小到大，一方面指的是研究對象從個體或小范圍擴(kuò)大至更廣泛的用戶群，提高產(chǎn)品或營銷的覆蓋面，另一方面還指分析的維度能在小數(shù)據(jù)的基礎(chǔ)上進(jìn)一步擴(kuò)充和豐富。 

3、大小結(jié)合：大數(shù)據(jù)和小數(shù)據(jù)各有所長，又各有其短。大數(shù)據(jù)重分析，輕情感；小數(shù)據(jù)重態(tài)度，輕行為。

大數(shù)據(jù)的挖掘靠電腦，小數(shù)據(jù)的挖掘則要靠個人能力。大數(shù)據(jù)彌補(bǔ)小數(shù)據(jù)實時性、維度較單一等方面的不足，而小數(shù)據(jù)不但能夠?qū)Υ髷?shù)據(jù)形成有力的補(bǔ)充，更能夠挖掘用戶行為的深層動機(jī)。大數(shù)據(jù)與小數(shù)據(jù)可以深度融合，相輔相成。針對同類用戶群，大數(shù)據(jù)負(fù)責(zé)行為數(shù)據(jù)的全面分析，小數(shù)據(jù)負(fù)責(zé)心理和態(tài)度等方面的點線式分析，這樣就有利于更全面的進(jìn)行用戶洞察。從大數(shù)據(jù)中得到規(guī)律，再用小數(shù)據(jù)去匹配個人，將會是一種更為有效的數(shù)據(jù)運用方式。

總之，大數(shù)據(jù)時代的到來，并不意味著小數(shù)據(jù)時代的結(jié)束，大數(shù)據(jù)與小數(shù)據(jù)是對立的，但終將也是統(tǒng)一的。大數(shù)據(jù)與小數(shù)據(jù)不是顛覆與被顛覆，替代與被替代的敵對關(guān)系。相信不遠(yuǎn)的將來，大數(shù)據(jù)與小數(shù)據(jù)的邊界終將模糊，大中有小，小中有大，大數(shù)據(jù)與小數(shù)據(jù)將會相逢和共生于全數(shù)據(jù)時代。數(shù)據(jù)也將完成從小數(shù)據(jù)到大數(shù)據(jù)，再到全數(shù)據(jù)的進(jìn)化之路，全量用戶、全域數(shù)據(jù)的智能時代終將來臨。

 -END-