近年来，随着云计算和大数据的迅猛发展，已然让“大数据”和“云计算”成为了当下最时髦的词汇。从IT界到、金融界，再到物流界、营销界，乃至医疗界、教育界……无论是界内界外人士几乎都已快形成“言必称云”、“言必称大数据”的口头禅。

　　但 如果真遇到一个“较真儿的”，发出这样的提问——到底什么是大数据?大数据到底有什么价值?我怎样才能得到大数据价值?……是那头黄色的 Hadoop小象?是动辄XXXBIT的高大上数据量?又或者是千万级别的用户信息？那估计很多口口声声不离大数据的人可能都言语含糊解释不清了。

　　那么，到底该如何来看待大数据呢?大数据单从字面意思似乎不难理解，可以认为是海量级的数据，但是在这海量级的数据究竟意味着什么，这在很多业内外人士的概念里还纯在着一些认识误区。

　　大数据误区一：只要大就好

　　如 今，很多人提起大数据，如果不提上几嘴“日处理数据量XXGB，上传图片XXGB，并发数XXX”“Hadoop集群拥有XXXX节点，总存储 XXPB”……诸如此类的技术语言，都很怕别人觉得自己不专业。但是，难道真的只有数据大了，才能达到大数据的登峰境界?才能数人合一地达成大一统的目 的?

　　数据如果仅仅是大那是没多大用处的!就好像资金的意义在于如何使用周转一样，数据大了，但不使用，让它孤零零地偏安机房一隅，那它就不是大数据了，而是有点“败家子”的意思。

　　比如不少传统的门户网站，基本上就处于“坐拥金山却无福消费”的境况。每天上亿的用户量，却只是简单的广告呈现，没有通过对数据的分析产生更多价值

　　大数据误区二：只有技术大牛才懂大数据

　　虽然很多人口口声声离不开大数据，但是真问他到底懂多少时，其中一部分人可能会说：“我就是懂些皮毛，真正技术层面的大数据我也不懂，你还是问那些技术大牛去吧，他们才真懂。”

　　其实这样的观点并不全对。比如诸葛亮很懂兵法，他知道该在哪里摆阵，该在哪里伏兵……但是，他不必知道关羽是如何耍大刀，也不必知道张飞的丈八蛇矛在打仗时是扎还是砍。

　　其实，对于大数据的应用更多的是一种战略能力，而非细节的执行技能，这种能力是可以帮助决策者能从无尽的数据里看出商机看出价值，从而为企业带来更高的利润。而作为决策者并不用太关心在技术细节层面，大数据到底怎么技术生成，又是如何理顺提升用户体验的。

　　大数据误区三：是个公司都得上大数据

　　在GMIC上，Evernote的CEO Phil Libin就明确表明不带大数据一起玩儿，自己产品的商业模式就是向用户收费，让他们甘心为产品体验付费。

　　虽然大数据固然是个香饽饽，但不是所有人都能消化得了，或者说并不是所有都有上大数据的必要，而是要衡量企业的现状，看清楚主次矛盾，或是要考量好投入产出的回报率，大数据并不是适合所有企业的现状。

　　比如，对于中小型网站来说，一上来就盲目追求先进“高大上”的技术架构，那就有点“宰牛刀杀鸡”的意思。对于这类网站，首要考虑的是商业运作模式和推广，只有等到用户量飚升后，再去考虑技术升级这种大事儿。

　　再比如，在GMIC上，Evernote的CEO Phil Libin就明确表明不带大数据一起玩儿，自己产品的商业模式就是向用户收费，让他们甘心为产品体验付费。

　　大数据误区四：我就要海量数据

　　自从大数据概念火了以后，不少企业在遇到问题的时候，总是会情不自禁的就会想到“是不是我的数据量不够?”“是不是如果有了海量的大数据就能变得更好?”其实，这又是陷入了一个误区。

　　这又回到了大数据价值和金钱价值的类比概念上。比如用搜索引擎搜索一下“存款 贬值”，那么很快就可以发现类似这样的信息：“五十年前的百万变13块”，“一万元存一年赔19元”……显然，不流动的钱，是越放越没有价值，而基数越大，可能导致的损失就越大。

　　金 钱如此，大数据亦然。只有像比特币玩家们一样，不停地使用数据，并以无比的热情挖掘数据背后的关系和价值，才能如滚雪球一般，使数据之间的相互关系更丰富 更完善。同理，对于企业的大数据来说，只有充分利用大数据，让大数据充分流动起来，不断的实现增值效果，那么才有机会更大的释放大数据的能量。

　　因此，对于企业决策者来说，看待大数据必须有一个清醒的认识，当在脑袋发热准备花大价钱上大数据之前，都一定得先想明白透彻了：“我真的需要大数据吗?大数据真的能为我所驾驭吗?”