Gartner：从大数据谎言中区分实际需求

对于大数据而言，如果让十位企业首席信息官(CIO)去定义它，相信会得到十种不同的案。近日，Gartner分析师Mark Beyer谈及这种情况，主要是因为大数据对企业IT专业人员仍然并不规范。Gartner的Symposium/ITxpo会议上谈到，当大数据变得常见就会正常化，而作为IT专业人士在2020年大数据或变得正常化。

企业首席信息官们可以通过从大数据谎言中区分出实际需求的事实，来帮助他们的企业一步步走向正常。Gartner分析师Mark Beyer提出八个大数据“神话”：

1.100TB以上属于大数据

就大数据而言，是对数据的处理，而非数据的大小，企业不要再去寻觅大数据标准尺寸，因为大数据并没有标准尺寸。

2.大数据需更换基础设施

如果企业因为有新的需求就决定改变整个基础架构，分析师Mark Beyer表示企业是把之前所有的东西都当做赌注。对于CIO而言，IT基础设施成熟度牺牲的风险是否值得。

3.80%数据是非结构化

从数据上看，结构化和非结构化被经常引用大数据统计，但根据Beyer所谈最大的信息资产是机器数据，其并未相互关联说它们非结构化是绝对的谎言，而机器数据是结构化的数据，通常也是重复的信息。

4.工具将取代数据科学家

对于数据科学家，工具是一种工程，是对已经发现的事实的重复利用。而科学是去发现新的事实，所以工具不会取代数据科学家，至少在工具可以自行复制和发展之前不会。

5.海量数据解决质量问题

Gartner分析师Mark Beyer认为：“数据质量越低，答案质量就越低”。企业CIO们应该关注数据质量，通过手机收集的气质地理定位数据为例，有些人把手机等同于真实的个人，但对于数据质量来说有可以被不小心留在办公室，或者GPS功能可以在任何时间点被关闭。

6.实时只是速度更快而已

实时操作，并不意味着加快了当前数据的处理和分析过程，而是确保数据收集和决策之间的间隔越短越好。此外，大多数企业数据是不需要实时操作的。

7.数据量优于专业知识

对于大数据来说，那些认为可以简单地不再管业务流程的人，通常一位好的数据科学家并不能完全提供企业需求，如果没有业务流程管理，数据科学家将不能提供商业价值，需要企业有效的区分业务管理和大数据应用进而产生商业价值。

8.数据模型没有用

Gartner分析师Mark Beyer谈到，数据模型没有用这一论断很绝对。任何数字资产里的东西都有其数字模型，企业不应该因为大数据就舍弃模型。