大數據未來的發展趨勢怎么樣？

1. 數據分析為什么“火”了

幾乎所有商業上的成功都依賴于成功的決策行為，好的決策依賴于充分、有用的信息。信息的來源有兩個主要的渠道，一是人的主觀經驗，二是客觀數據，這二者實際上是缺一不可，形成互補關系。因此，當企業在面對具體的經營問題時，為了度過難關，就通常需要高薪挖有行業經驗的人才，同時收集有利于企業決策的重要數據。

數據分析到底是什么？此處可以恰到好處地下個定義——在主觀經驗的基礎之上，對客觀數據加以充分利用，獲得有價值的、有利于成功決策的信息的分析方法！

人們用數據分析解決問題的歷史由來已久了，早在春秋戰國時期就有"數灶臺"來判斷敵軍數量的經典案例。但是直到近十年，數據分析方法才真正迎來蓬勃的發展，我認為背后主要來自于計算機技術的迅速發展，主要包括以下幾個方面：

（1）數據獲取技術提高

從廣義上，數據包括生產數據、自然數據、和行為數據幾大類。隨著傳感器技術的發展，單個傳感器成本已經被壓到很低，人們可以非常廉價地獲得制造業中產品的生產數據和復雜自然界中的各種監控數據。另外，隨著互聯網、社交網絡、和移動通訊技術的發展，也促使了人們日常行為的"電子化"程度更高，更多用戶行為數據可以通過各式各樣的在線應用流量入口被快速精確、且完整地記錄下來。

（2）數據存儲效率提高

存儲芯片做的越來越小，成本越來越低，云存儲的技術也獲得了迅速的發展和應用。隨著5G技術的逐漸落地，未來數據傳輸速度的瓶頸也不再是問題。數據可以做到隨時獲取、隨時存儲、隨時應用。

（3）數據計算效率更高

主要是分布式計算的算法和相應硬件技術的發展（如GPU加速以及大規模計算集群技術）。

（4）數據相關法律法規健全

眾所周知，只有在健全的法律體系下，一個行業才能平穩有序的發展。隨著數據相關的應用和商業模式越來越多，與老百姓的生活相關性日益密切，無論是國外還是國內，都相繼出臺了成熟的數據產權以及數據安全的法律法規。好的數據企業在健全的法律保障下可以穩健發展，不斷產生更有價值的行業創新，也創造出更多的高價值崗位。

2. 數據創造價值的基本邏輯

在企業運營中，通過數據分析可以獲得更充分的市場信息——這樣就可以更好地了解市場，從而做出更加準確的決策獲得效益。那么，數據和企業效益之間的基本邏輯是什么？更多更好的數據是否直接帶來企業效益？

針對該問題，提出幾個我認為的關鍵要點：

一是要認識到使用數據是有成本的，一個企業不應冒進地采取數據擴展策略。數據并不是越多越好，要重視數據質量、真實性、數據背后的意義、以及數據與具體業務（商業模式）的相關性，有針對性地收集數據、使用數據；

二是要認清市場競爭環境仍然以零和博弈的形態為主，使用數據的目的是獲取決策信息，但僅僅如此是不夠的，更重要的是相對于市場上的競爭對手獲得更強的信息不對稱優勢。因此，在當前的市場環境下，在傳統行業中充分使用數據分析技術會給企業帶來超額價值，更容易取得成功（如農業、傳統制造業、能源行業等）；

三是要懷著謙遜的心態看待數據分析技能，把它看作一種必備技能（就像英語一樣），而非核心競爭力，這也是我最想強調的；這里所說的數據分析技能，既包括一般的業務數據分析，也包括相對復雜一些的數據挖掘、機器學習、深度學習等。盡管后者的方法對技術要求更高，但是隨著編程能力的普及化、算法程式的樂高化、以及數據教育的親民化，在未來（當你畢業的時候），這些內容都不大會構筑非常高的入行門檻。

因此，若非個人能力特別牛，有著名高校和著名paper的背書，不建議把數據分析技術作為核心能力去培養（純興趣除外）。畢竟整個社會對純算法研發崗位的需求少之又少（僅限于高校及top大廠的研究院），就算有，大多數的技術創新也僅維持在簡單的應用層面，很難在當今異常成熟的技術條件下做出特別重大的算法上創新。

3. 做一個有職業優勢的數據專家

綜上，我的大致判斷是：如果喜歡數據科學并且想從事科研，可以選擇并從事大數據相關專業的學習；如果未來去業界發展，建議理性看待數據類專業的"市場價值"，將其作為基礎能力去培養，同時重視多元化發展自己的技能。

建議考慮，"大數據+X"的模式去選擇自己喜歡的專業或規劃自己的就業方向~ 畢竟，未來很多行業都會與數據技術、信息技術產生非常緊密的耦合關系，數據技術更應當理性地看作是一種常規的方法和技能來解決某個特定領域的問題。

大數據就像基礎學科：數學，樣無處不在~

此外，在學習數據分析技能的時候，我也要給出幾個小TIP：

一、打好基礎，熟練掌握經典的最常用的模型

大數據技術有明顯的2/8特征，少數非常經典的簡單算法模型（如回歸、決策樹、MLP）就可以解決絕大多數的算法問題了。

二、除Excel外，集中掌握一兩門核心的大數據編程語言

建議R(學術、統計)和Python（商業應用）

三、重視核心競爭力的培養

把數據技能看作是基礎能力，同時要有自己的核心能力。對于在校生，就算某個具體的專業，如經管、醫療、物理等等；對于從業者，就算某個行業的領域知識和經驗，如制造業知識、金融業知識等等。

四、對算法的學習關注邏輯，避免陷入細節

按照現在的行業大趨勢，未來可用的模型和算法會越來越多、越來越復雜；如果要一直跟著學，所有細節都掌握根本不現實，也會累死。當然，這樣做其實根本不必要，因為現成的開源代碼或架包很快就會出現。

建議僅對核心的經典模型掌握其基本原理甚至推導邏輯；對于繁雜的創新模型，主要是了解模型特征和適用條件，理解以下幾個要點：

1、背后的核心經典模型是什么？

2、解決了什么特殊問題？在經典模型上有什么改進?

3、應用場景？是否廣泛應用？

4、優缺點？局限？