教你如何利用大数据思维 在和一些企业家交流时，有几个问题会被常常问到，"没有多少数据怎么办"，"大数据都是大公司的事情，我们小公司怎么办""能不能告诉我，哪些软件或者工具可以解决大数据的问题"一般情况下，我都会说，首先要有大数据思维!大家纷纷点头称是，这词儿听起来非常高大上，甚至给人一种不明觉厉的赶脚!但啥是大数据思维，我一直没有空来整理提炼。

前阵子一个内部的论坛，要求大家必须讲干货，趁此机会，系统的梳理一遍，概括起来，也就三条：第一认识大数据飞轮，第二理解数据资产评估，第三运用泛互联范式。

图1：大数据思维

干货肯定是经过浓缩的，甚至把案例都作为水分挤掉了，所以这篇文章读起来不是那么有趣。但我可以保证，掌握这三条给上市公司做大数据战略咨询肯定没有问题。因为我已经靠这三板斧，搞定了十几家上市公司。连国内最大咨询公司的董事长都认为有料，要走了PPT。

每条都用一幅图来表达，每个图中的圆圈都有许多案例来佐证。大家如果对案例更感兴趣，读拙作《大数据时代的历史机遇》好了。其实图1就涵盖了大数据思维的全部思想。这幅图里外三层、上下结构，看起来比较复杂，所以后面拆成三幅图来讲。思维的过程是自上而下、自外而里的。图的上半部分讲得是大数据的商业功用，就是说有了大数据我们能干什么怎么赚钱有哪些好玩的商业模式以前常说"羊毛出在羊身上"，搞懂这些模式你会发现原来可以"羊毛出在狗身上"。书里详细写了六种，图上只画出五种。

补充：六种商业模式简述

围绕数据资产，笔者曾考察不同行业的盈利方式和经营策略，归纳总结了六种商业模式(详见《大数据时代的历史机遇》一书)。

租售数据模式：简单来说，就是售卖或者出租广泛收集、精心过滤、时效性强的数据。这也是数据就是资产的最经典的诠释。按照销售对象的不同，又分为两种类型。第一是作为客户增值服务。譬如销售导航仪的公司，同时为客户提供即时交通信息服务。广联达公司为他的客户提供包年的建筑材料价格数据。仅此一项业务，年收入超过1亿元人民币。第二是把客户数据，有偿提供给第三方。典型的如证券交易所，把股票交易行情数据授权给一些做行情软件的公司。

租售信息模式：一般聚焦某个行业，广泛收集相关数据、深度整合萃取信息，以庞大的数据中心加上专用传播渠道，也可成一方霸主。信息指的是经过加工处理，承载一定行业特征数据集合。

数字媒体模式：这个模式最性感，因为全球广告市场空间是5000亿美元。具备培育千亿级公司的土壤和成长空间。这类公司的核心资源是获得实时、海量、有效的数据，立身之本是大数据分析技术，盈利来源多是精准营销和信息聚合服务。

数据使能模式：这类业务令人着迷之处在于，如果没有大量的数据，缺乏有效的数据分析技术，这些公司的业务其实难以开展。譬如阿里金融为代表的小额信贷公司。通过在线分析小微企业的交易数据、财务数据，甚至可以计算出应提供多少贷款，多长时间可以收回等关键问题。把坏账风险降到最低。

数据空间运营模式：从历史上，传统的IDC就是这种模式，互联网巨头都在提供此类服务。但近期网盘势头强劲，从大数据角度来看，各家纷纷嗅到大数据商机，开始抢占个人、企业的数据资源。海外的Dropbox，国内微盘都是此类公司的代表。这类公司的发展空间在于可以成长为数据聚合平台，盈利模式将趋于多元化。

大数据技术提供商：从数据量上来看，非结构化数据是结构化数据的5倍以上，任何一个种类的非结构化数据处理，都可以重现现有结构化数据的辉煌。语音数据处理领域、视频数据处理领域、语义识别领域、图像数据处理领域都可能出现大型的、高速成长的公司。

明白大数据的功用后，大家自然而然地关心，数据这么值钱，理所当然应构成新型的资产。图1的中间部分描述了这块内容。"数据成为资产"这一原创论断成为大数据思维的中心理论。图2数据资产评估模型给出一个完整的思维框架来描述数据资产的价值(完整描述评估模型，非本文主旨。读者若有兴趣，移步阅读拙著吧)。但是这方面的工作远远不够，无法定量的给出评估。在“诺奖级别的学术难题”一文(回复b10获取该文)中，我曾经说，学术界如果在数据资产的定量评估上取得进展，是可以获得诺贝尔奖的。因为这和公司的估值紧密相关。产业界在信用定量计算方面己经走在前列，并付诸商用，但是离一般意义上的数据资产估值还相去甚远。

图2：数据资产评估模型

既然数据成为资产，资产间的交易也会提上日程。联盟特别任命两位副秘书长推进这个事情，从而传播开放、共享的理念。借此呼吁所有愿意开放数据资源的企业，却可以借助联盟的力量，来共同推进。

数据成为资产是在了解大数据功用基础上的抽象认知。接下来看图1的下半部分，泛互联范式。这个范式给出了不断的采集数据并且发挥数据价值的行动指南。许多公司的转型，都要从这幅图开始。见图3。终端+平台+应用+大数据四位一体，构成大数据思维的行动指南。最近和一些公司聊，他们己经了解了数据的重要性，开始想些损招去“劫掠”客户的数据。这不免误入歧图。还是认真研究一下这个范式，从应用、终端上动动脑筋，真正的为用户提供靠谱的服务，才是上策。

图3：泛互联范式

回顾图1，我们在讲大数据思维时，利用自上而下的次序，从大数据的功用入手，深入到理论内核，再到可供操作的范式。但真正上手实践，需要脚踏实地，自下而上的行动。回到德鲁克的经典问题上来，你的客户是谁

大数据产业联盟愿意为所有有志于从事大数据战略咨询的顾问们服务，掌握这套方法论并切实帮到企业的顾问，联盟会在官方网站上列出您的大名，并向成员企业推荐。

所以, 这次,我们来点儿作业吧：大家可以用上面的大数据思维分析框架来分析一下自己所在的公司自己感兴趣的公司,看看大数据于公司有什么功效, 公司可操作的泛互联范式是什么。

在此，也先抛几个小例子：

1)乐视网的野心

大数据会改变人们的思维

一讲到大数据，通常都会提到4个V：量大（Volume），积累速度高（Velocity），数据的产生多源化（Variety），数据笼统噪音大（Voracity）。然而，这些只是对大数据在互联网时代超高速增长现象的描述。大数据真正的意义和价值是它改变了我们的思维方式。这就是大数据思维。

大数据思维能使我们在决策过程中超越原有思维框架的局限。每个人都是依据自己对现实的认识和判断而不是现实本身作出行动决策的。以数据为基础的智能决策有两个步骤。第一是对事物的理解和判断，第二是作出行动决策（不行动也是一种决策）。行动决策会受到决策者价值取向的影响。比如，二次大战末美国打到日本沿岸并调集了比攻打德国时诺曼地登陆更多的军舰云集太平洋准备对日本本土发起攻击。根据对攻占几个日本岛屿所造成伤亡数据的分析，美军预测攻占日本本土将要付出50万美军伤亡的代价。在这个判断的基础上，美国总统杜鲁门做出了向日本投原子弹的决定。结果是减少了美军的伤亡但造成了几十万日本平民的死亡和持续至今的辐射危害，其价值取向是很清楚的。

人们对事物的理解和判断会受制于自身思维框架的局限。一个物理学家在分析一件事物时，会很自然地应用物理定律来思考、理解和判断。所用的概念和语言也会有物理特征（时间、速度、场、重量、质量、作用力、反作用力等等）。一个社会科学家在分析一件事物时，脑子里出现的框架是人际关系、社会地位、历史背景、社会效益等等。所用的概念和语言带有社会人文特征。搞理论工作的和搞实际工作的思维框架也很不同，前者重视逻辑性、系统性，而后者更重视时间性和可行性。即使是同行业的人也会因年龄、经历、环境、学历不同而产生不同的思维框架。当同一现象和信息进入不同人的脑子里时，它会被不同的思维网路过滤、不同的思维方式处理，最后的结果是对同一现实产生不同解读。没有一个思维框架，我们无法理解和判断一件事物。但思维框架本身又对我们的认知产生了一个很难逾越的局限。

大数据思维不是从某个人的思维框架出发，而是让海量数据碰撞，寻找相关性，先看到结果再分析原因。这就冲破了原有思维框架的局限。比如，美国一家零售商在对海量的销售数据处理中发现每到星期五下午，啤酒和婴儿尿布的销量同时上升。通过观察发现星期五下班后很多青年男子要买啤酒度周末而这时妻子又常打电话提醒丈夫在回家路上为孩子买尿布。发现这个相关性后，这家零售商就把啤酒和尿布摆在一起，方便年轻的爸爸购物，大大提高了销售额。

大数据思维可以引发城市管理的新方法。自从美国大使馆每天公布PM25指数以后，城市空气污染的问题得到了中国各个城市政府和市民的重视。每天PM25检测数据的采集成为环境保护和管理的一个重要任务。如果一个统计学家按照原有思维框架来设计检测数据采集，他会从统计学原理出发在市区有代表性的不同地点定时采集和上报数据。其结果是数据量有限，费用高，检测覆盖率和准确率低。应用大数据思维，某市环保部门考虑将上万个手持检测仪发放给散居各处的市民检测并通过手机上传数据。通过手机定位，环保部门可以确定每个数据的测量地点和时间，大大提高数据采集的覆盖面和精确度。

大数据思维可以对历史数据的分析提供新思路。中国人讲究作学问要“读万卷书，行万里路”。用大数据思维，读万卷书在今天并非难事。美国的国会图书馆正在将藏书全部数码化。以后通过电脑“看书”搜索关键词，分析相关字条和数据将会非常容易，读万卷书可能只是几小时的“小任务”。美国匹兹堡大学公共卫生学院将记录在报纸、报告、微缩胶片上美国各地自1888年以来有关传染病发生和死亡的多元、碎片、海量的数据收集、整理并数码化。通过数据建模和分析，把一百多年的历史“死”数据变活，建立了1888至2010年美国50多种传染病电子数据档案库。用历史数据证明了免疫苗的发明和使用避免了一亿以上的美国人死于传染病。（见下图）

大数据思维能帮助开创新的商业模式。在美国出现的Uber打车服务和后来中国兴起的滴滴出行（原滴滴打车）是大数据思维产生的经典020（网上网下完美结合）新型商业模式。智能手机在移动互联网时代的普及使实时定位的数据传递和信息沟通成为可能。它为乘客和司机之间的商业交换提供了一个崭新的平台，改变了传统的电话叫车或路边招车，降低了沟通成本和空驶率，极大地节省了司机乘客双方的资源和时间。源源不断的乘车交易和时间地点的电子数据在高速地积累和储存。数据科学家们可以通过对海量数据的分析寻找规律以提高和改进乘客打车出行的体验，找到新的商机和推出新的服务。

大数据思维的核心是要意识到我们已经生活在一个互联网几乎无处不在的世界。互联网将各种信息仪器（手机、电脑、传感器、相机、摄像头、等等）联为一体（物联网），数码化的数据和信息在这个庞大的网上时时刻刻地传递、储存和积累。数码化数据可以被高速处理，而且已经成为新型的、甚至是最有价值的生产资料。矿物可以冶炼成金属、原油可以提炼出汽油，如何将数据加工成信息、产生智能、解决过去无法解决的老问题和开创新的管理和商业模式以产生新价值是对我们的挑战。而迎接这一挑战的第一步就是要懂得和理解大数据思维。

以上是小编为大家分享的关于大数据会改变人们的思维的相关内容，更多信息可以关注环球青藤分享更多干货

伴随着互联网经济的高速发展，大数据的概念突然变得十分时髦，人人皆可谈大数据。然而，和这种现象相矛盾的是，很多人事实上并不了解大数据，甚至只是简单的将其理解成庞大的数据、浩瀚的数据海。然而，大数据并不是如此简单。

首先，让我们聊聊大数据概念的提出者。

大数据概念最早是由《大数据时代》的作者，维克托·迈尔·舍恩伯格提出的。他革命性的提出，大数据的信息风暴将会变革我们的生活、工作甚至是思维。其中，对我印象最深刻的是对于人类思维惯例的挑战，即放弃因果关系，转而关注事物之间的相关关系。

无疑，维克托·迈尔·舍恩伯格的说法已经变成了现实，大数据确实以雷霆般的速度正在改变着人们的生活，千人千面的网页、无人驾驶的汽车等等。大数据时代下的科技产物给我们的生活带来的翻天覆地的变化，并且这种变化还将继续进行。

说完大数据概念的提出者，我们再来说一下大数据是什么？

所谓的大数据，并不能简简单单的理解成庞大的数据。大数据应该具备四种特性：大量、高速、多样以及真实性。

1 大量，其实就是数据量大，无论是采集、储存还是计算方面，都具有庞大的数据量。

2 高速，也就是数据处理的速度是非常迅速的。

3 多样性，这个特征是指大数据的类型丰富多彩，除了传统的结构化数据之外，还有半结构化数据以及非结构化数据。

4 真实性，即数据一定要真实，是能够客观反映用户的真实行为的，而不是虚假数据。

讲了这些，不知道你对大数据理解了么？欢迎评论！

大数据时代催生思维变革

英国教授维克托·迈尔—舍恩伯格的《大数据时代：生活、工作与思维的大变革》一书的问世，让大数据引发全球热议。当许多人还没彻底弄明白IT是什么的时候，DT时代已经来了。“DT时代”方兴未艾，各行各业都在往这块宝藏进军，却没有一个有力的组织，没有规范行为的游戏规则，因“大数据”理论引发的激辩和质疑也不绝络绎：数据交易规则如何制定、数据安全如何保障、数据伦理底线在哪儿产业发展离不开理论支撑，当别人还在思索“大数据是什么”，贵阳已经在探索“大数据怎么做”。对于大数据时代的贵阳探索，互联网行业的大佬们有自己的看法。阿里巴巴集团董事局主席马云表示，云计算、大数据现在已成为科技发展的代名词，数据是驱动商业向前发展的核心。在数据战略重点实验室主任连玉明教授看来，贵阳首家大数据战略重点实验室的建立对于大数据产业发展意义重大。“很多地方都在谈数据经济、云计算产业，但贵州下如此大的决心，跟阿里巴巴集团一起干、坚持干、务实干，一起探索未来的勇气和魄力值得敬佩。”马云说。马云认为，数据是驱动商业向前发展的核心，更是人类社会的未来。以控制为出发点的IT时代正在走向以激活生产力为目的的DT(数据技术)时代已经成为一种趋势。从组织内部角度来看，DT会改变一个组织的沟通、生产、消费方式，驱动它的架构、文化的变革;从跨组织角度来看，由于DT时代的“利他”思维取代IT时代的“利我”思维，组织与组织的合作将远大于竞争，跨组织的协同会频繁发生，而且将变得越来越敏捷，越来越高效。这不仅仅是技术的升级，更是思想意识的巨大变革。阿里巴巴集团于2014年4月17日与贵州省政府签订全面战略合作协议，项目之一“云上贵州”已取得一些成绩，成为政府运营云计算和大数据的最佳实践。政府作为一个组织，生来就是一个极为重要的数据生产和交换平台。数据本身并不能创造价值，只有让更多的人对其进行分析和运用，才能成倍地创造价值。受摩尔定律驱动的信息技术不断廉价化、互联网的普及以及其延伸所带来的信息技术无处不在的应用，催生大数据时代到来，进而使信息化进入以数据广泛关联、跨域融合和深度应用为特征的智慧化阶段。在当前的大数据热潮中，相关书籍、文章可谓车载斗量，共识与争鸣共存。《块数据——大数据时代真正到来的标志》一书却从块数据这个新颖的视角来看待大数据及其未来的发展，颇有创意，发人思考。梅宏认为，“条数据”和“块数据”的划分，师法自然，抓住了数据的本质。从其定义和静态角度看，“条”是一个领域或行业内纵深数据的集合，可以反映本领域或行业的规律，无疑具有很大价值。“块”是一个物理区域或行政区划内众多“条数据”的集合，更能反映现实世界和社会的极度复杂性，其综合应用无疑会带来数据价值的显著提升。从动态的视角看，重视“块数据”是为了避免仅仅关注“条数据”而可能带来的新的数据孤岛现象，更是体现了一种对信息化建设的发展性思维。“摩尔定律是指数社会的基因，大数据是指数社会的蛋白质。”对于这句话，吴甘沙认为，基因决定生命特征，是初始点，而蛋白质是生命的物质基础，是生命活动的主要承担者。而大数据就像生命体质中的蛋白质一样，是当前社会生命活动的主要承担者。对于数据开放，吴甘沙认为，不涉及个体的公共数据和科研数据都可以开放。涉及个体的数据要明确数据权属、隐私界定，获得拥有者授权，采用技术匿名化，而后再考虑开放。而目前英美开放的主要特点是原始数据(而非提炼数据)。在吴甘沙眼里，贵阳全城Wifi覆盖采集数据的优点就是有数据发生所在地点的信息，而这是语境的一个重要因素。他同时指出，在为用户提交免费Wifi服务时，需要明确获得用户对数据授权。对于大数据、云计算、移动互联网、物联网，吴甘沙认为，这些都是不可独立分割的。正如金融数据跟电商数据碰撞在一起，就产生了像小微贷款那样的互联网金融;电信数据跟政府数据碰在一起，可以产生人口统计学方面的价值，帮助城市规划人们居住、工作、娱乐的场所;物流数据和电商数据凑一块，可以了解各个经济子领域的运行情况;物流数据跟金融数据放在一起，就产生了供应链金融等等。连玉明认为，发展大数据是人类文明发展和全球化进程的必然趋势，也是贵阳坚守发展和生态“两条底线”，探索“双赢之路”的战略选择，为西部欠发达地区实现后发赶超找到一条新路径，这是认识、适应和引领新常态的思维变革。面对新机遇、新挑战、新任务，贵阳发展大数据需要洞察先机，抢占制高点，更需要研究先行和战略引领。在这样的背景下，大数据战略重点实验室的出现是必要的。连玉明指出，大数据战略重点实验室是一个跨学科、专业性、国际化、开放型的研究平台。实验室将聚集国内外大数据相关专业研究者、管理者和决策者，立足全球大数据发展趋势和中国大数据发展实践，以大数据发展的重大理论和现实问题为主攻方向，加强大数据发展全局性、战略性、前瞻性研究和咨询。连玉明表示，大数据战略重点实验室未来的研究方向是通过对大数据发展进行全局性、战略性、前瞻性的研究和咨询，主要包括大数据发展趋势研究、构建“块数据”理论模型和应用模型、建立DT空间、研究编制和发布“大数据指数”和筹建一个“中国DT产业50人论坛”五项重点工作。数据孤岛是大数据行业发展面临的最大问题。一方面，各行业、企业和政府都在竭尽所能地采集数据、占有数据和利用数据。另一方面，大部分数据被各个行业、企业、机构和政府封锁起来，形成一个个“数据孤岛”，无法自由流通，数据之间缺少连接。“而块数据理论对于打通‘数据孤岛’意义重大。”傅志华认为，块数据的提出，最大意义在于有了一个完整的数据源，能够全方位地了解用户。“如同炒菜一样，对于厨师而言，如果菜的料不够丰富，通过搭配不同的原料来做出好的菜品是有挑战的。”谈到数据开放，傅志华认为，数据开放与“数据孤岛”是息息相关的。为解决“数据孤岛”必须促进数据开放，数据开放能够最大程度地促进数据行业的发展。“数据开放很多时候并不是技术问题，从国家层面推动数据开放意义重大。目前我国的政策法规不完善，大数据挖掘缺乏相应的立法，无法既保证共享又防止滥用，数据开放与隐私如何平衡是亟待解决的问题，要在推动数据全面开放、应用和共享的同时有效地保护公民、企业的隐私。

以上是小编为大家分享的关于大数据时代催生思维变革的相关内容，更多信息可以关注环球青藤分享更多干货

一：逻辑思维

这个词在我们的认识中并不算陌生，逻辑思维是一种数学思维，在大数据分析过程中，需要理清楚各项数据之间的关系，以及需要知道分析的过程中需要收集哪些数据？这些数据分析要得到什么结果，需要通过什么方式获得这些数据，这些都是需要细致的逻辑思维推出的。

二：上切思维

在大数据分析过程中，要站在决策层的层面去考虑数据分析，上切思维就是要站在比数据更高的思维上去看数据分析的角度，数据分析不仅仅是关系到数据部门，还关系到业务部门等其他部门，大数据分析过程中，上切思维的关键就是要建立更加全局的眼光和目标，完整的进行数据分析。

三：下切思维

数据的分析结果是为解决问题存在的，要通过数据的结果来看到问题的所在，这就需要在大数据分析的过程中，需要将过程进行细分，知道和了解数据的构成、进行数据的分解等等，就是一个向下更加细分的过程。

四：求异思维

面对大数据分析过程中接触到的大量的数据，对于某些数据我们一眼看不出区别在哪里或者问题在哪里，对于这些相似的数据，我们需要看到数据在哪些地方有不同，对不同的个体进行理解和分析，例如公司的员工，每一个都有自己的个性，怎么让他们增加工作的激情，更好的为实现公司的目标服务，如何帮助他们进行问题的分析。

五：抽离思维

俗话说旁观者清，在进行大数据分析的过程中，换一个角度，从旁观者来考虑问题，在看数据的时候就会有不同的想法，纷繁复杂的大数据，面对她们的时候，分析者难免会产生一些困扰或者抵触的心理，在碰到牛角尖的时候不要钻进去，而是抽离出来，利用更多角度去看待这些问题，才有使大数据工作更加高效。

六：换位思维

这也是我们在日常比较经常接触的名词之一，站在当事人的角度去看待数据分析，例如站在业务人员的角度去看待数据分析，你才会了解业务部门需要的是什么，大数据分析更好的为解决问题服务。