近年來，隨著云計算和大數據的迅猛發展，已然讓“大數據”和“云計算”成為了當下最時髦的詞匯。從IT界到、金融界，再到物流界、營銷界，乃至醫療界、教育界……無論是界內界外人士幾乎都已快形成“言必稱云”、“言必稱大數據”的口頭禪。

但如果真遇到一個“較真兒的”，發出這樣的提問——到底什么是大數據？大數據到底有什么價值？我怎樣才能得到大數據價值？……是那頭黃色的Hadoop小象？是動輒XXXBIT的高大上數據量？又或者是千萬級別的用戶信息？那估計很多口口聲聲不離大數據的人可能都言語含糊解釋不清了。

那么，到底該如何來看待大數據呢？還是聽聽專家的觀點吧。據國內新興應用交付廠商太一星晨產品總監馮曉杰表示，大數據單從字面意思似乎不難理解，可以認為是海量級的數據，但是在這海量級的數據究竟意味著什么，這在很多業內外人士的概念里還純在著一些認識誤區。

大數據誤區一：只要大就好

當技術哥在會議室里剛說完這句話的時候，秘書MM正巧推門進來，微微愣了一下就臉紅紅地退出去了。

如今，很多人提起大數據，如果不提上幾嘴“日處理數據量XXGB，上傳圖片XXGB，并發數XXX”“Hadoop集群擁有XXXX節點，總存儲XXPB”……諸如此類的技術語言，都很怕別人覺得自己不專業。但是，難道真的只有數據大了，才能達到大數據的登峰境界？才能數人合一地達成大一統的目的？

數據如果僅僅是大那是沒多大用處的！就好像資金的意義在于如何使用周轉一樣，數據大了，但不使用，讓它孤零零地偏安機房一隅，那它就不是大數據了，而是有點“敗家子”的意思。

比如不少傳統的門戶網站，基本上就處于“坐擁金山卻無福消費”的境況。每天上億的用戶量，卻只是簡單的廣告呈現，沒有通過對數據的分析產生更多價值。

大數據誤區二：只有技術大牛才懂大數據

雖然很多人口口聲聲離不開大數據，但是真問他到底懂多少時，其中一部分人可能會說：“我就是懂些皮毛，真正技術層面的大數據我也不懂，你還是問那些技術大牛去吧，他們才真懂。”

其實這樣的觀點并不全對。比如諸葛亮很懂兵法，他知道該在哪里擺陣，該在哪里伏兵……但是，他不必知道關羽是如何耍大刀，也不必知道張飛的丈八蛇矛在打仗時是扎還是砍。

其實，對于大數據的應用更多的是一種戰略能力，而非細節的執行技能，這種能力是可以幫助決策者能從無盡的數據里看出商機看出價值，從而為企業帶來更高的利潤。而作為決策者并不用太關心在技術細節層面，大數據到底怎么技術生成，又是如何理順提升用戶體驗的。

大數據誤區三：是個公司都得上大數據

在GMIC上，Evernote的CEO Phil Libin就明確表明不帶大數據一起玩兒，自己產品的商業模式就是向用戶收費，讓他們甘心為產品體驗付費。

雖然大數據固然是個香餑餑，但不是所有人都能消化得了，或者說并不是所有都有上大數據的必要，而是要衡量企業的現狀，看清楚主次矛盾，或是要考量好投入產出的回報率，大數據并不是適合所有企業的現狀。

比如，對于中小型網站來說，一上來就盲目追求先進“高大上”的技術架構，那就有點“宰牛刀殺雞”的意思。對于這類網站，首要考慮的是商業運作模式和推廣，只有等到用戶量飚升后，再去考慮技術升級這種大事兒。

再比如，在GMIC上，Evernote的CEO Phil Libin就明確表明不帶大數據一起玩兒，自己產品的商業模式就是向用戶收費，讓他們甘心為產品體驗付費。

如同一個雙選題：A.日登陸用戶1000人，架構完全參照美國亞馬遜從不宕機；B.日登陸用戶10萬人，每天因為高并發不得不宕機三次。你會選什么？

大數據誤區四：我就要海量數據

自從大數據概念火了以后，不少企業在遇到問題的時候，總是會情不自禁的就會想到“是不是我的數據量不夠？”“是不是如果有了海量的大數據就能變得更好？”其實，這又是陷入了一個誤區。

這又回到了大數據價值和金錢價值的類比概念上。比如用搜索引擎搜索一下“存款 貶值”，那么很快就可以發現類似這樣的信息：“五十年前的百萬變13塊”， “一萬元存一年賠19元”……顯然，不流動的錢，是越放越沒有價值，而基數越大，可能導致的損失就越大。

金錢如此，大數據亦然。只有像比特幣玩家們一樣，不停地使用數據，并以無比的熱情挖掘數據背后的關系和價值，才能如滾雪球一般，使數據之間的相互關系更豐富更完善。同理，對于企業的大數據來說，只有充分利用大數據，讓大數據充分流動起來，不斷的實現增值效果，那么才有機會更大的釋放大數據的能量。

因此，對于企業決策者來說，看待大數據必須有一個清醒的認識，當在腦袋發熱準備花大價錢上大數據之前，都一定得先想明白透徹了：“我真的需要大數據嗎？大數據真的能為我所駕馭嗎？”