人们对大数据寄予极大的希望。数据本身在量与质上的巨变、信息处理技术的发展、应用理念的改变与深化，都会给我们的生活、工作带来极大的影响。不过，对于大数据的认知还是有很大的讨论空间。可能有不少人读过维克多.迈尔-舍恩伯格的《大数据时代》，这本书描述了大数据极其美好的前景。不知道又有多少人读过他的《删除：大数据取舍之道》？这本书里的观点恰恰表达了维克多.迈尔-舍恩伯格对大数据的某种深深的忧虑。放在更大的视野看，关于大数据确实有许多值得讨论的地方。

以下几点是值得关注的。

第一，大数据通常意味着大投入。大数据里或许有“黄金”、“钻石”，但要想将这些宝贝挖出来，需要投入高昂的代价。这种代价不仅仅是数据存储和处理能力的投入，还包括业务体制、机制、运作模式、人力资源及发展策略的调整。漫无目的地收集数据，不计成本地扩展处理能力，不见得能得到想要的结果。换个角度讲，如果想用大数据的技术、资源、理念去推进业务发展，则需要把业务需求想清楚、规划好，再好好规划一下相关的数据和处理资源，千万别先把数据拿来再说。否则，可能玩不起，或者不想玩了。

第二，别迷信各种技术、算法。任何技术都有其适用性，没有放之四海皆最好的道理。就像云计算在大数据处理上有优势，但综合评估性价比，在一些应用场景中不见得非得选它。说实话，只要理念正确，即便一张EXCEL表也能实现大数据应用。不少已有的算法基本上是在小样本数据基础上发展起来的，面对大数据还好用吗？新的算法能不能在业务领域找到有足够说服力的应用场景和案例？复杂的算法是否具有强大的数据处理能力支持？要解决的问题真的需要复杂算法吗？这些问题如果不在一个具体的场景中是难以说清的。算法要与数据的量与复杂程度、数据处理能力、业务需求以及业务处理能力匹配。

第三，大数据的核心价值是理念。关键在于如何运用数据去解决问题，而不是用了什么技术。所以，在业务领域深耕才是“王道”。所谓数据思维、跨界思维、数据驱动等等在业务机制、发展策略中是否加以体现？数据应用模式是否反映了现阶段数据的特点？业务处理是否与数据应用充分融合？对这些问题的解答能够真正反映是否深谙大数据之道。

第四，大数据是与创新绑在一起的。这其实反映了对大数据的一个方面的认知。要不要区分“数据应用”与“大数据应用”？恐怕说不清。传统的数据应用理念和方式也能解决不少问题，用不着非戴顶“大”帽子。如果对数据的应用确实突破了业务瓶颈，获得了传统方式无法获得的成果，对业务体制机制和运作模式产生了不可或缺的影响，不管用了多“大”的数据，都是在用大数据。所以，最终要看业务是否发生了“质”的变化。

第五，大数据真是战略问题。对付战略问题，得有战略眼光、战略思维和战略举措。想想对大数据的期望吧，如果真把实施大数据战略当作一件事，多想想技术、建设和应用以外的事。

第六，大数据应用需要高端人才。大数据应用存在很多不确定性影响因素，如数据规模不确定，应用模式不确定，业务边界不确定，运作机制不确定......，得有一支精英队伍来对付它们。

第七，总有真相在数据之外。有些东西是无法用数据来记录的，还有些东西虽能用数据记录但因某些原因没能记录下来，所以，很多真相在数据之外，大数据的作用也有局限。有了数据，不一定就能成为“上帝”。

第八，大数据要求所有人都乐意分享数据。基于社会分工以及数据汇聚的业务、安全、成本等因素，千万别指望将需要的数据都装在自己“口袋”里。还有，你怎么向别人要数据，别人也就怎么向你要数据，因为各行各业的数据应用场景和模式有很大的相似性。

第九，每个行业机构的大数据应用均有其特征。不少行业机构的大数据应用与互联网上的大数据应用完全不是一回事，在职业要求、数据类别、用户管理规则、应用模式、业务流程、体制机制约束等方面存在巨大差别。所以，不要随便说以互联网思维（模式）推进本行业机构的大数据应用。

第十，有些数据不用或少用也许更好。一方面，传统的价值观、经验会使人们对数据中记载的东西产生根深蒂固的看法，遗憾的是，即便这些看法没有错，但由此产生的效果却不一定正面。《删除：大数据取舍之道》一书举了不少例子说明遗忘一些数据也许更好些。另一方面，真要很好地理解数据，需要把自己放在产生数据的场景中，做到这一点并不容易。所以，数据所承载的东西不一定就是表面看到的那样，搜集与使用数据还得考虑数据应用带来的效果是否就是想要的。

大数据是个好东西，但得客观、理性地认知它、对待它，才能有好的收益。

（根据我在微信公众号《网上行者的信息化杂议》发表的文章整理）