【編者按】大數(shù)據(jù)正在日漸成為主流，但我們?nèi)匀挥斜匾獜墓韫葦?shù)據(jù)科學家們那里學習一些經(jīng)驗教訓，畢竟他們的業(yè)務是依賴于業(yè)務數(shù)據(jù)而生存的。雖然它們的使用的案例并不總是符合傳統(tǒng)行業(yè)，但他們?nèi)匀徽莆樟舜罅康目茖W和技術(shù)可以幫助大數(shù)據(jù)領域的新人免受許多挫折。如何更好地利用大數(shù)據(jù)？以下有幾點建議：

　　1、Hadoop不是萬能的。現(xiàn)在，這應該是一條常識了，但他還是值得反復的強調(diào)。ChoozOn公司的CTO烏薩馬?法耶德在強調(diào)這一點時表示，甚至連雅虎——法耶德的前雇主（他曾擔任雅虎的首席數(shù)據(jù)官）也經(jīng)歷了慘痛的教訓。他說，雅虎曾試圖利用Hadoop對客戶進行一些先進的細分，但卻發(fā)現(xiàn)利用一種比較傳統(tǒng)的數(shù)據(jù)庫架構(gòu)來處理這一特別的工作量的成本要少50倍。在他們意識到這一問題后，該項目最終被停止了。然后他們重新啟動了nPario分析項目。目前，雅虎是一位付費的nPario客戶。

2、大數(shù)據(jù)使得數(shù)據(jù)科學更容易。我發(fā)現(xiàn)這一個更富有啟發(fā)性的見解，這在很大程度上要歸功于丹尼爾?維森塔爾，sparked.com網(wǎng)站的首席科學家，該網(wǎng)站如此清楚地界定了大數(shù)據(jù)和數(shù)據(jù)科學概念之間有時重疊的狀況。他解釋說，基本上，諸如支持向量機和神經(jīng)網(wǎng)絡技術(shù)是經(jīng)過了時間的考驗的，證明方法便是“從你的數(shù)據(jù)集中摘取每一盎司的信息，即使這些數(shù)據(jù)集很小，但技術(shù)是非常復雜的，他們難以解釋，往往超出規(guī)模。”

　　然而，大數(shù)據(jù)讓數(shù)據(jù)科學家可以使用簡單的建模技術(shù)，如決策樹和回歸分析，得以確保了大量的數(shù)據(jù)的準確性（統(tǒng)計意義上的準確性）而不是采用一個超復數(shù)算法。而且，維森塔爾指出，使用Hadoop等通用的大數(shù)據(jù)技術(shù)手段，數(shù)據(jù)科學家可以更快的開發(fā)和測試模型，因為他們的基礎設施不用調(diào)整到一個特定的算法或問題類型，其設計可以很好的執(zhí)行大數(shù)據(jù)集。

　　3、“有時候了解哪些需要被干掉更為重要。”軟件即服務的先驅(qū)Salesforce.com使用大數(shù)據(jù)平臺以監(jiān)測吸收，使用各種特性的產(chǎn)品。其產(chǎn)品主管納拉揚?巴拉德瓦說，我們的目標不僅僅是只能預測下一代產(chǎn)品的新的功能。相反，他解釋說，使用數(shù)據(jù)，他們可以確定什么功能沒有價值，無法幫助Salesforce.com這樣的公司把資源轉(zhuǎn)化為更有價值的功能。“有時候，了解哪些需要被干掉更為重要。”他說。

　　巴拉德瓦沒有針對這一點進一步解釋，但下一個步驟是分析特點、功能、執(zhí)行效果似乎是合乎邏輯的，而不是從設計的角度來看。

4、相關內(nèi)容增加價值。換句話說，如果用戶知道了他們?yōu)槭裁幢煌扑]了一個特定的內(nèi)容、要約或建議，他們會更容易覺察出來。作為StumbleUpon的一名高級數(shù)據(jù)科學家，他解釋說，他所在的公司投入了巨資在大數(shù)據(jù)技術(shù)方面，就是為了將大多數(shù)的相關網(wǎng)頁內(nèi)容展示在每個用戶面前，但他們知道期望這些用戶只信任服務的判斷是不夠的。Sparked.com的維森塔爾在談話中提出了類似的觀點，并指出諸如Pandora和Netflix的服務之所以流行，部分原因就在于他們實際上在建議類似的內(nèi)容的同時，也告訴了用戶關于自己的東西。

　　5、交易數(shù)據(jù)勝過搜索數(shù)據(jù)。PayPal的首席科學家MokOh，討論了從開始購買的產(chǎn)品搜索到結(jié)束的一連串的事件，以及它是如何變得越來越困難。當你確定信號鏈從一端開始，并要在其他端口工作。PayPal正試圖抹掉這一差距，但是，通過從交易過程和使用其出售的其他數(shù)據(jù)（包括內(nèi)部和從外部來源，如Facebook和GNIP），試圖找出其真正的客戶和客戶真正想要的。他認為這要比谷歌試圖通過搜索來跟蹤用戶購買行為要容易。當然，除非他們使用諸如谷歌錢包來實際購買的東西。