大数据分析带来的回报：让数据开口说话

概览

大数据的收集与分析已经成为常态化作业，许多疲于应对指数式增长的业务数据的高管们不知从哪里入手，通常，较为合理的做法是从小处入手，首先连接并分析当前数据集，然后再分析实时数据。

过去，当人们谈到处理大量数据时，多是以存储为核心，关注的是“如何采用非常经济的方式存储所有的企业数据？如何删除或找到所需要的数据？”而今天，则更多的是希望发现这样的解决方案：“我已获得所有客户相关的数据，也知道里面包含非常有价值的东西，但是该如何把它提取出来？”

企业面临的挑战在于，这些数据越来越多的是非结构化的，所以为了能够利用这些数据，早期的解决办法是雇佣大量人员来筛查、阅读和分析所有数据。由于不断涌入的数据量非常庞大且种类繁多，更加之数据来源也不同，这样做下来根本行不通。

现在，具有强大快速分析功能的计算机能为我们做这件事，它们可以像人一样自动推断出非结构化数据的规律并发现细微的差别，使我们能够及时了解信息的背景，让电脑帮助我们筛查大量纷繁复杂的信息内容，回答我们可能不会想到去问的问题。有很多真实的例子，比如说，一家赛事组织通过对重大赛期间消费者行为数据、网络环境中交互活动进行整合挖掘、研究和分析，能够为广告主提供更有效的体育互动营销解决方案。

人类信息或非结构化数据正以惊人的速度增长，但是对于绝大多数计算分析来说它们基本上是纷繁复杂的，多数系统根本不知道如何处理电子邮件文本和附件、音频、视频之类的东西。如果没有一个强大的分析引擎来理解所有类型的数据并随着含义的变化自动适应，您只能选择多安排人员来解决这一问题。这又回到了早期状态。

在一个法院电子取证的例子中，为了得到几条可以使用的宝贵信息，可能需要一支由几百位初级律师和分析师组成的队伍来筛选数据并分析上下文文本，查阅数百万个源文档，包括电子邮件、备忘录、音频、微信等等。结果是，数周后是一笔巨额账单交到您面前。当然，另一种方式是，利用人性化分析引擎（如 HP IDOL）就能阅读并从数百万个文档中汇总出找到的信息，而且能非常快的完成此任务。可以只告诉系统在上下文中查找所需的一类东西，并让它以人类看得懂的方式解释其含义。如果说原来靠人工进行检索处理需要10天时间，那么现在或许几分钟就可搞定，人力成本降低，效率提升。

而在医院里，可以深入分析逐项诊断表的结构化元数据，对患者诊断后医生写下的病案，或者患者响应护理人员的表达方式进行分析，通过此类机器辅助信息得到的规律对于医护人员非常宝贵。

大数据的收集与分析已经成为常态化作业，许多疲于应对指数式增长的业务数据的高管们不知从哪里入手，通常，较为合理的做法是从小处入手，首先连接并分析当前数据集，然后再分析实时数据。而这种方法已证明非常有效，使企业能亲身体验到机器辅助流程给业务带来的价值。

持续关注惠普大数据微信公众号，了解更多资讯详情