一、灰色的數據空間

數據空間是灰色的

大數據熱透全國之時，需要強調數據并不便是真實世界。將現實抽象為數字需要忽略很多信息，譬喻必需忽略統計工具間的不同才氣舉辦統計，難以數字化的信息在數據空間中是沒有位置的，容易數字化的信息則占據了太大的空間，數據空間無法全面反應世界，靠大數據技能就能認識世界的想法并不靠譜。

認識無盡頭，不絕有新問題發生

互聯網之前人們認為決定程度不高是因信息不敷、缺乏信息共享，互聯網實現了信息爆炸、敦促了全球信息共享之后，決定程度依然不高，人們覺察原因竟然是信息過多使人疑惑，信息不敷與信息太事效果是一樣的。如今人們認為決定程度低是因為缺乏大數據闡明，有了大數據闡明決定程度必然能提高嗎？不必然，過多依賴大數據闡明同樣會拉低決定程度。

不要迷信東西，東西自帶范圍性

履歷匯報我們不能迷信東西，正如不能迷信包治百病的靈丹靈藥一樣，任何東西城市帶來先天的范圍性，大數據技能也是一樣，都有其致命的燈下黑，假如不能回避其單薄點而盲目夸大其浸染，會比沒有大數據技能更糟，大數據技能的欺騙本領與造福本領八兩半斤。

不要迷信數據，數據到代價的間隔漫長

數據世界并不能替代真實世界，只靠數據決定和只靠輿圖接觸一樣不靠譜。數據自己并無代價，只在對實現方針有孝敬時才發生代價。數據代價實現還依賴利用者的目光、數據處理懲罰的本領，新加坡電信服務器 馬來西亞服務器，從數據到代價的旅程太漫長，大部門數據很難實現其代價。外部互聯網數據資源日益富厚不絕增加對數據中心的競爭力，使當局決定對數據中心的依賴度也不絕下降。

二、大數據應用的范圍

不是所有的信息都能數字化

大數據技能可以或許充實挖掘大量數據中所包括的信息以支持當局決定，可是過度依賴大數據會發生另一種單方面性。因為并不是所有的信息都可以或許數字化，在宏觀決定中許多重要的信息恰恰是很難數字化的，譬喻將來趨勢、社會的情緒、團隊的士氣、人們的欲望以及這些因素的彼此浸染等都難以用數據表達，大數據善于表述某方面精準信息卻容易忽略全面的信息，并不比拍腦殼決定強到那邊。

龐大的數據量是以業務面狹窄為價錢的

不能覺得數據局限大所包括的信息就必然重要，其實數據量越大涉及的規模越窄，因為只有在狹窄的規模中才氣形成龐大的數據量，從個中挖掘出來的信息也帶有規模狹窄的范圍性，其所預測的范疇也會狹窄，因此大數據預測適合于局部性、專業性規模。

因數據源缺乏發生的范圍性

大數據應用的實際堅苦常常來自數據源缺乏，因為大數據的收集本錢太高，無法像統計觀測那樣為收集數據而設計觀測方案，大數據主要是來自大局限業務事情的副產物，如移動通信的聯網數據、互聯網搜索數據、電子商務數據、社交網絡數據等等，大數據應用對數據源的依賴性限制了應用的普及，在許多環境下大數據應用遠不如通例小數據應用利便。

大數據并不適合大決定

大數據應用對優化都市打點有很大孝敬，出格在某些專業化規模，如金融風險防御、刑事案件偵破、用戶產物推薦、告白結果優化等等，可是大數據技能并不適合于當局高層決定，大數據應用并不能使當局高層決定科學化，高層決定更存眷全面的態勢，而大數據信息視野太窄只適合詳細業務應用，更重要的是，高層決定要面臨很多不確定性問題，大數據處理懲罰不確定性問題不如有履歷的率領人處理懲罰得好。

三、數據整合的意義

大數據、小數據整合要領差異

數據整合是數據中心的焦點事情，小數據的整合主要是原始數據的整合，數據整合主要是差異部分的業務處理懲罰數據，憑據處理懲罰的工具鏈接起來，并舉辦數據查對，確保數據的精準對接，以支持當局的風雅化處事。小數據的整合是當局數據整合的重點。

大數據的整合主要是大數據處理懲罰功效的整合，大數據處理懲罰本錢很高，淘汰利用時的再處理懲罰長短常重要的，大數據處理懲罰的功效可以濃縮為報表、可視化展示等多種形式以利便后續應用，針對詳細方針的搜索數據可以整理成數據庫，如信用庫、用戶庫、黑名單等，利便查詢。

小數據整合的代價

當局業務數據的整合將有效晉升數據的代價，業務數據的發生只反應該業務部分的視角，這對付把握處事工具（人、企業、項目等等）的全面環境是不足的，假如可以或許將各部分積聚的業務數據整合起來就會發生對處事工具全面、精準的認識，對打點與處事的改造有重要意義。信息本質是事物間的彼此干系，干系是多維的、網狀的，只有整合起來才氣反應干系的全面屬性。

當局風雅化打點依賴小數據整合