“大數據”這個術語是無處不在的。無論是大企業照舊小企業，新興企業抑或是傳統企業，都正在參加著這個“游戲”。海量的用戶數據正在被各個網站大局限收集操作，有的公司為了能與客戶交換，甚至不吝操作復雜的文本交換數據成立算法。

但實際上，我們對大數據的癡迷，往往也會發生誤導。是的，在某些環境下，從數據中確實可以或許獲取到有代價的對象，但其實數據的巨細并不是最要害的因素，找到正確的數據才是要害。

無關乎數據的大或小

在運用大數據方面，域名注冊，Uber可以說是一個典范的樂成案例。毫無疑問，Uber捕捉了大量的信息。依靠他們的應用， Uber可以從司機和搭客哪里得到及時的數據，便于他們清楚的闡明出在何時何地人們對付車輛會有較高的需求。

在上個時代，我們更多利用的是傳統的出租車，而不是此刻只需一個按鈕就能呼叫的。當時出租車在很洪流平上未毗連到互聯網或任何形式的正式的計較機基本設施，但實際上他們才是大數據的玩家，為什么這么說?因為傳統的出租車依賴的是人眼網絡，即司機通過雙眼在都市周圍移動，通過掃描人形圖像、雙臂伸出的行動舉辦精確判定，快速鎖定方針。通過大腦的計較，收集闡明數據得出結論。

Uber的樂成不是依靠他們所收羅的大量數據，而是源于很是差異的對象： 它要的僅僅是一些小的，簡樸的車輛調治數據。Uber的辦理方案是遏制對視覺數據運行生物異常檢測算法，而是只需要正確的數據來完成事情。都市里的人需要乘車，他們在那邊?這些要害信息讓Uber、Lyft、滴滴出行革命了一個行業。

為事情得到正確的數據

正確的數據有時候量會很大，有時候又會很小，但這不重要，對付創新者而言，要害是要搞清楚哪些數據才是企業真正需要的，要想找到正確的數據，發起你思量以下三個問題：

問題1 ：是什么在揮霍企業的資源?

大大都企業在日常運營中都有著大量的資源揮霍。以花草零售為例，平均下來看，在大大都花店中的庫存會有50%的糜爛率，也就是說會有近一半的資源會被揮霍掉。因此發生了UrbanStems和Bouqs這樣的創新的鮮花配送處事，因為他們可以通過正確的數據來輔佐花店淘汰揮霍。

以哈佛商學院的本·埃德爾曼的話來說，“揮霍就是時機，” 無論是在家產出產、零售、或是法務觀測中，必然要找出揮霍你資源的因素，引導它走向正確的數據。無論是簡樸的識別照舊貿易模式中隱含的抉擇。

問題2：如何通過自動化來淘汰資源揮霍?

在確定哪些因素會造成資源揮霍之后，下一步就是要淘汰揮霍。

可是，當涉及到簡樸的，反復的操縱決按時，(譬喻，在那邊派車，如何給產物訂價，可能一家花店有幾多鮮花)，呆板往往比人們做的更好。二十世紀的很多貿易模式都是基于對人類節制抉擇的，可是我們本日識別確定命據可以通過更多的自動化舉辦。

傳言稱亞馬遜正在規劃裁減其所有的訂價團隊，讓算法來代替。在大大都零售商眼里，這是完全不行思議的行為。可是假如亞馬遜的算法可以或許勝任這份事情，那么它將會為亞馬遜淘汰本錢和庫存，并將推出更好的具有可預測性的新產物，而這將會帶來龐大的競爭優勢。

問題3：你需要什么樣的數據?

一旦你有了對系統中資源揮霍的領略，并可以或許預判出揮霍導致的功效，那么，最后一步是問一個簡樸的問題：什么可以輔佐你做出完美抉擇?

對付Uber來說，他們需要知道潛在搭客的位置地址，便于快速完成自動化指派司機的決定，以淘汰司機尋找下一個搭客造成的資源揮霍。對付互聯網軟件Predix來說，他們但愿提前精確知道呆板瓦解的時間，通過自動化以淘汰本錢維護及非打算宕機造成的各類揮霍。對付尋求低落本錢的保險公司來說，他們但愿知道的是當一個糖尿病患者血糖下降至危險邊沿時，有助于自動化決定的過問法子，以淘汰打點不善的揮霍。

這些就是你所要找出來的正確數據。 假如你能通過把握大量的信息找到他們將長短常好的。 假如你通過構建一個新的應用措施來感知捕捉他們將是更好的。

大大都公司耗費了太多的時間在建議大數據上，可是卻并沒有用足夠的時間去思考對付他們而言什么才是真正有代價的數據。