看了众多对“大数据”的说法，有人说大数据需要“全息”的数据，才能做到真正的大数据应用，才能做到理想中的BI；还有人说大数据重点是各种数据处理以及更海量数据和海量信息，从超级大的数据挖掘出的东西，往往价值很大。

不管哪种说法，我觉得他们更适合去做“科学研究”，在企业这样干，哪是个头，什么时候才能有结果啊？近期一个段子说，大数据很牛的系统框架搭建完毕，然后问你也需要解决什么业务问题？然后，就没有然后了。。。

所以我想表达的一个观点，是“大数据”仅仅是一个数据应用先进方法，什么4V非结构化处理，非结构化处理、数据挖掘、人工智能，这些N年前就有了好吧？有人说是概念炒作，我认为只说对了一小半，原因如下：

1、传统BI过于注重决策支持，没有形成数据应用闭环，这是传统BI没有解决的缺陷，而大数据提供了这个契机。从我对传统BI在过去和现在应用的了解，传统BI的应用重心99%仍然在直接和间接的决策支持，如果你和做过多年传统BI，且不了解大数据的同学问，数据分析可以直接在系统中调用，智能判断，这个你们做么？基本会回答不做，因为这不是项目范围，还有人说，这个咋做？

2、对最细粒度维度的挖掘，可以实现自动化智能的效果，而传统BI不行。大数据时代重新将技术从实施时候的“厂商”，拉回到实施人员，使得很多想象空间完全打开。如果你观察传统BI的同学，一般是IOS等几大厂商的产品（包括数据挖掘产品）和SQL足够熟悉，这种技术环境造就的团队，已经没有技术实力来实现通过多个系统接口，将数据历史数据+实时收集=〉数据挖掘=〉系统调用数据挖掘结论=〉直接影响用户体验=〉自动评估效果这样的闭环数据应用中。

例 如你发现某些特定用户来写错送货地址，传统BI能做到的是，发现有部分用户写错地址，原因是换地方了，但是按业务经理的说法，我也知道这个事情啊，写错了 就只能人工解决啊，分析出来有啥用？于是大数据可以根据写错地址的原因进行分析，可以发现有搬家、换租地方（换城市）等，那么可以根据（时间+IP）等组 合用户信息区别来自动提醒，直接解决了问题，而不是分析出一个结论，把困难交给了相关的业务经理。

3、一定得全息、全量问题发现才能算大数据，或者才能实施应用么？持这种观点的同学永远想象不到，互联网时代是能解决多少问题就有多少价值的理念。

就如上面的案例，你可以说不能解决全部填错地址的问题，但是当你发现你这样做已经解决了很多消费者的问题，挽回多方损失的时候，你就会觉得，这事还真值得去做。等你搜集到全息数据，黄花菜都凉了，而问题还不一定能解决，因为你重点是纠结这个数据到底全还是不全啊

结论：

“大数据”仅仅是一个数据应用先进方法，它的核心不是全息数据，也不是海量非结构化、结构化数据混合处理，而是是否打开了你应用数据的心扉，你是否可以用这个先进武器，解决你之前解决不了，甚至想都不敢想的问题。

大数据包含但不限于原有BI和数据挖掘的应用范围，既可以是预测，也可以是宏观报告、问题分析，还可以将问题分析和解决问题集成在系统中，将你的系统变得越来越Smart，自然用户体验会逐步提升，营销、售后问题也能有更多解决。

任何说大数据主要是在预测、关联等定义的描述，都是在限制大数据的发挥，或者给自己贴金而已，大数据不应该被某些人或团队给圈死在太局部的应用中。

原文来自：innovate511（去哪儿网机票事业部 数据营销 高级经理）