在大数据发展的早期阶段,几乎每个人都在追求“大数据”。大数据似乎可以解决所有问题。早期,由于互联网领域积累了大量数据,大数据确实解决了很多问题,许多高校教师也积极推动大数据的产业化应用,这一时期是企业、教师和学生的黄金时期。
对于企业来说,通过引入大数据技术,建设数据中心,培养基于数据和强大计算能力的各种模式,促进业务创新,确实带来了显著的成效。在这个过程中,许多教师也走进了互联网工厂。
对于学生来说,在这个大数据的黄金时代,创新可以说是“无处不在”。在相关理论的驱动下,只要结果足够好,就无法解释模型中的许多问题,或者根本无法解释,因此许多学生在参考文献的帮助下自嘲。
然而,随着数据中心推动业务崛起能力的减弱,大数据本身的“大能耗”也受到了批评,这也导致许多教师重返科研,重新思考下一阶段大数据的创新输出。如果我们仅仅依靠大数据和大计算能力来推动创新,这无疑是一条不归路。基于计算能力和数据的优势,许多大型工厂将许多小型团队推向了困境。
一般来说,现在很多研究者开始关注小数据的价值,这是对早期过度关注大数据的一种纠正。在特定领域,尤其是在工业领域,大数据可能没有实际意义。小样本、高价值模型更容易理解。
最后,如果有与大数据相关的问题,欢迎与我沟通和讨论。