大數據的缺陷

問題的起因就是大數據太“大”了。考慮到我們擁有的數據量，有時甚至使用有缺陷的模型來產生有用的結果。有時侯對自己的技術過于自負，當模型出現故障時，結果就會變得非常難看。

大數據失敗案例

Google在2008年推出了大數據這項服務，目的是要預測25個國家的流感疫情。邏輯很簡單：分析谷歌在特定地區的流感搜索查詢。將搜索結果與該地區流感活動的歷史記錄進行比較。基于這些結果，活動水平被分為低、中、高或極高。乍一看，這似乎是一個很合理的想法，但實際上并不是這樣。在2013年流感高峰期，Google的流感分析一塌糊涂。原因是算法有缺陷，沒有考慮到幾個因素。例如，如果搜索“冷”或“發燒”這類詞，并不一定意味著搜索人正在找流感癥狀。Google無法從這場災難般的失誤中恢復過來，最終導致了這個項目在2013年崩潰了。

大數據失敗的原因

我們需要吸取教訓，以下是導致大數據失敗的一些原因：

缺乏數據調配和數據管理

通常情況下，組織往往不完全了解他們已有的數據，但仍然決定在此基礎上開展新的項目。缺乏關于數據處理的文檔、存儲、策略和其他的程序。這種情況下，大數據咨詢公司可以為您的企業提供一個清晰的路線圖和指導，說明應該如何處理您已經擁有的數據，這才是正確戰勝大數據的第一步。

未定目標和戰略

有太多難以理解的IT術語和營銷術語，此外，市場上有太多大數據產品，選擇合適的產品很困難。在做任何決定之前，找出實現目標所需的服務和技術非常重要。……