連年來，大數據旋風以“迅雷不及掩耳之勢”囊括全球，不只是信息規模，經濟、政治、社會等諸多規模都“磨刀霍霍”向大數據，籌備在個中逐得一席之地。然而，許多公司在邁入大數據規模后遭遇“滑鐵盧”。在此，美國服務器租用 美國站群服務器，本文盤貨了一系列大數據失敗項目，深究其原因，具有警示意義。

對數據過于相信

2008年，Google第一次開始預測流感就取得了很好的結果，比美國疾病防范節制中心提前兩星期預測到了流感的發作?？墒?，幾年之后，Google的預測比實際環境(由防控中心按照全美就診數據推算得出)跨越了50%。媒體過于渲染了Google的樂成，出于好奇目標而搜索相關要害詞的人越來越多，從而導致了數據的扭曲。

低估大數據龐洪水平

在美國有幾個互聯網金融公司專做中小企業貸款?？墒侵行∑髽I貸款涉及的數據更巨大，而

且中小企業涉及到整個行業很是非凡的一些數據，好比非尺度的財政報表和差異行業、差異范式的條約，他們沒有很專業的常識，是很難領略可能很難有時間把它精確挖掘出來。

其時大數據團隊想用一個很完美的模子把所有的問題都辦理掉，好比把市場和信貸的辦理方案全部用一個模子來辦理，但因為數據的龐洪水平，最后證明這種要領是失敗的，并且90%的時間都在做數據清理。這就說明，想通過大數據技能一下子辦理所有的問題是很難樂成的，而是要用抽絲剝繭、循序漸進的方法。

打點層的惰性

某家旅游公司系統通過web日志數據的挖掘來晉升客戶洞察。功效證明，用戶在欣賞網站之后，隨后的消費行為模式與打點層所認為的紛歧致。當團隊講述此事時，打點層認為不值一提?？墒?，該團隊并沒有放棄，并通過嚴密的A/B測試，回手了打點層的輕視。

這個案例的最終功效，不是每個CIO都能期盼的?？墒牵幸稽c是可以確定的：做好和打點層打交道的籌備，讓他們充實領略大數據是什么以及相應的代價。

應用場景選擇錯誤

一家保險公司想相識日常習慣和購置生命保險意愿之間的關聯性。由于隨后以為習慣過分于寬泛，該公司將觀測領域限定到是否抽煙上。可是，事情仍然沒有實質希望。不到半年，他們就終止了整個項目，因為一直未能發明任何有代價的信息。

這個項目標失敗是由于問題的巨大性。在吸煙與否之間，該公司沒有留意到尚有大片灰色地帶：許多人是先吸煙爾后又戒煙了。在將問題簡樸化念頭的驅動下，這個部門被忽略了。

問題梳理不足全面

一家全球性公司的大數據團隊發明白許多深刻的洞察，而且打算通過云讓全公司共享。功效這個團隊低估了效率方面的損耗，由于網絡擁塞的問題，無法滿意全球各個分支順暢提交數據運行闡明的需求。

該公司應該仔細思考下如何支撐大數據項目，梳理所需的技術并協調各IT分支的氣力舉辦支持。由于網絡、安詳或基本設施的問題，已經有太多的大數據項目栽了跟頭。

缺乏大數據闡明技術

一家零售公司的首席執行官不認同亞馬遜局限化、扁平化的處事模式，因此讓CIO構建一個客戶推薦引擎。項目最初的籌劃是半年為期，可是團隊很快認識到諸如協同過濾(collaborative filtering)之類的觀念無法實現。為此，一個團隊成員提出做一個“假的推薦引擎”，把床單作為獨一的推薦產物。這個假引擎的事情邏輯是：買攪拌機的人會買床單，買野營書籍的人會買床單，買書的人會買床單。就是如此，床單是獨一的、默認的推薦品。

盡量好笑，這個主意其實并不壞，默認的推薦也能給企業帶來銷售上的晉升?？墒?，由于大數據相關技術的缺失，真正意義上的引擎未能實現。

提出了錯誤的問題

一家全球領先的汽車制造商抉擇開展一個感情闡明項目，為期6個月，耗資1千萬美元。項目竣事之后，該廠商將功效分享給經銷商并試圖改變銷售模式。然后，所得出的功效最終被證

明是錯誤的。項目團隊沒有花足夠的時間去相識經銷商所面對的問題或業務發起，從而導致相關的闡明毫無代價。

應用了錯誤的模子。某銀行為判定電信行業的客戶流失環境，從電信業禮聘了一位專家，后者也很快構建了評估用戶是否即將流失的模子。其時已進入評考試證的最后階段，模子很快就將上線，而銀行也開始籌備給那些被認為即將流失的客戶發出信件加以挽留。