《企業網D1Net》8月30日訊
自大數據概念的出現以來，大數據就引起業界的廣泛關注，然而大數據本身具有的復雜性，也是一個重要的科研課題，對傳統的數據挖掘理論和技術提出了新的挑戰。在大數據環境下，管理決策面臨著兩個“異構性”問題：“數據異構性”和“決策異構性”。
大數據改變傳統管理決策模式
傳統的管理決定模式取決于對業務知識的學習和日益積累的實踐經驗，而管理決策又是以數據分析為基礎的。
大數據已經改變了傳統的管理決策結構的模式。研究大數據對管理決策結構的影響會成為一個公開的科研問題。除此之外，決策結構的變化要求人們去探討如何為支持更高層次的決策而去做“二次挖掘”。
無論大數據帶來了哪種數據異構性，大數據中的“粗糙知識”仍可被看作“一次挖掘”的范疇。通過尋找“二次挖掘”產生的“智能知識”來作為數據異構性和決策異構性之間的橋梁是十分必要的。探索大數據環境下決策結構是如何被改變的，相當于研究如何將決策者的主觀知識參與到決策的過程中。
大數據將帶來科學研究模式
大數據是一種具有隱藏法則的人造自然，尋找大數據的科學模式將帶來對研究大數據之美的一般性方法的探究，盡管這樣的探索十分困難，但是如果我們找到了將非結構化、半結構化數據轉化成結構化數據的方法，已知的數據挖掘方法將成為大數據挖掘的工具。
以上是我對大數據的三個重要技術問題進行研究的一些心得，也僅僅是一個研究大數據挑戰的起點。除此之外，還有一些數據科學的問題，包括在獲得數據和從數據中產生規則方面可能存在的公理體系，基于數據庫的知識發現規則與基于開放數據源的知識發現規則以及大數據挖掘的整體和（或）局部解的存在性問題等等。
D1Net評論:
關于“數據異構性”和“決策異構性”研究一直此起彼伏，然而獲得突破的研究成果并不多，根本原因在于沒有科學的研究模式，隨著大數據的運用，科學研究模式逐漸成型，相信在不久的將來，這些問題都需要去仔細研究，以獲得突破性科研與應用成果。
京公網安備 11010502049343號