–在众多学习中，文章也许不起眼，但是重要的下面我们就来讲解一下！！
—————-回顾早期的争论—————–
现在搞大数据（后端数据）的朋友，和早些年搞数据仓库的没啥本质区别，因为都是人为需要把各系统的数据集中化，现在增加个非结构化数据，于是就叫大数据，而以前就叫数据仓库。
在10多年前，数据仓库界一直有个争论，到底是TOP-DOWN好还是Bottom-UP好，一边说，我先把企业所有数据都集成，数据基础做扎实了，然后分析就可以源源不断产出了。而另一边认为，我们得先建数据集市，把业务主题搞扎实，让数据先有产出，然后再多个主题后再进行数据梳理整合。
前者的诟病是大半年都不会有啥“数据变现”的产出，问产出，就一直在说，系统搭建中，XX系统搭好了，XX业务数据集成了，等等。后者的诟病是，数据是有产出了，但是不同主题间的数据会有管理问题、每个主题需要不断添加新的数据源，开发、数据冗余都是个问题。
这是数据仓库界争论10多年的话题，直到近两年大数据兴起，大家就都没兴趣讨论了。在很多企业，大家都采用数据团队组织基础数据，做传统数据仓库前者的事情，再组织一个商业数据分析团队，做后者的事情。只不过大家都很少提数据仓库、BI这些老概念，不知道认为过时了，还是新一代数据人都不知道这些历史。其实本质是一样的，IBM等企业10年前就是2个团队在做，前后者的优势兼得。oracle教程
经李克强总理签批，2015年9月，国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），系统部署大数据发展工作。
《纲要》明确，推动大数据发展和应用，在未来5至10年打造精准治理、多方协作的社会治理新模式，建立运行平稳、安全高效的经济运行新机制，构建以人为本、惠及全民的民生服务新体系，开启大众创业、万众创新的创新驱动新格局，培育高端智能、新兴繁荣的产业发展新生态。
《纲要》部署三方面主要任务。一要加快政府数据开放共享，推动资源整合，提升治理能力。大力推动政府部门数据共享，稳步推动公共数据资源开放，统筹规划大数据基础设施建设，支持宏观调控科学化，推动政府治理精准化，推进商事服务便捷化，促进安全保障高效化，加快民生服务普惠化。二要推动产业创新发展，培育新兴业态，助力经济转型。发展大数据在工业、新兴产业、农业农村等行业领域应用，推动大数据发展与科研创新有机结合，推进基础研究和核心技术攻关，形成大数据产品体系，完善大数据产业链。三要强化安全保障，提高管理水平，促进健康发展。健全大数据安全保障体系，强化安全支撑。[11]
2015年9月18日贵州省启动我国首个大数据综合试验区的建设工作，力争通过3至5年的努力，将贵州大数据综合试验区建设成为全国数据汇聚应用新高地、综合治理示范区、产业发展聚集区、创业创新首选地、政策创新先行区。
围绕这一目标，贵州省将重点构建“三大体系”，重点打造“七大平台”，实施“十大工程”。
“三大体系”是指构建先行先试的政策法规体系、跨界融合的产业生态体系、防控一体的安全保障体系；“七大平台”则是指打造大数据示范平台、大数据集聚平台、大数据应用平台、大数据交易平台、大数据金融服务平台、大数据交流合作平台和大数据创业创新平台；“十大工程”即实施数据资源汇聚工程、政府数据共享开放工程、综合治理示范提升工程、大数据便民惠民工程、大数据三大业态培育工程、传统产业改造升级工程、信息基础设施提升工程、人才培养引进工程、大数据安全保障工程和大数据区域试点统筹发展工程。
此外，贵州省将计划通过综合试验区建设，探索大数据应用的创新模式，培育大数据交易新的做法，开展数据交易的市场试点，鼓励产业链上下游之间的数据交换，规范数据资源的交易行为，促进形成新的业态。
国家发展改革委有关专家表示，大数据综合试验区建设不是简单的建产业园、建数据中心、建云平台等，而是要充分依托已有的设施资源，把现有的利用好，把新建的规划好，避免造成空间资源的浪费和损失。探索大数据应用新的模式，围绕有数据、用数据、管数据，开展先行先试，更好地服务国家大数据发展战略。
oracle视频教程
——————商业数据分析的传统—————
在商业数据分析方面，我也是近4、5年才真正切入，之前都是做传统的数据仓库和BI。不过我经常欣赏几十年前的小数据商业分析的成功案例，试想小数据时代商业分析如此成功，大数据时代炒得那么热，却炒来炒去，就那么几个案例，有意思么？
我这里还是介绍那2个经典小数据时代的案例：
#p#分页标题#e#
oracle数据库教程
1。早期超市为了优化超市设计，采用人工观察，到后来的视频观察，来解析用户行为，他们解析用户行为的时候，发现了几个方面的业务改进Idea，超出了预期的想法。当看到人们眼光主要放在眼睛上下30度范围，于是陈列的时候，总是把利润最高的放这2排，利润低，性价比高的分别放上面和最下面；当发现人们通过买面包顺便买红酒，而不是买红酒顺便买面包，于是他们改变两种商品的组合和区域顺序；当发现免费品尝某水果，可以带动新鲜水果以及高利润的纯果汁的时候，超市又改变了策略。。。。。。。。
2。有个商场，纠结于传统方案是现代方案，于是两个方案同时上，一个是用咨询团队，一个是监控方案，数人数看人流。结果咨询团队的方案胜，原因是咨询团队虽然是小数据，但是他们的抽样数据都是按照经验选择恰当的样本，其次小数据的信息非常全面，包括人的性别、年龄、身份背景、收入水平（经验判断）、去哪个区域，买东西走到哪一步了（咨询、试穿、有没讨价还价），这些数据监控都没法得出，所以监控数据全面，但无法给出任何实质价值意义的建议，都是些空话。
———–大数据商业分析应该TO-DWON还是Botton-Up？————–
一种思路是需要足够大、全面的数据，没有解决不了的分析，一上来把所有可能的维度、数据分布、趋势都尝试一遍，认为没有规律也能看出规律了；一种是看问题，需要解决什么问题，就做什么分析，缺什么数据再从大数据中去取。
有人问，如果采用第二种方案，那么大数据价值何在，那么多数据都没利用起来？我想问，如果你想挖前面一座金山，你是挖一部分，然后淘一部分出来卖，还是把金山都挖完，然后一点点淘出来卖呢？当然你选择第一种，但你选择这个，你不会说浪费了整个金山，因为你知道你需一点点变现后才会有动力挖后面的。但为啥那么多搞大数据的人不是这个思路呢？oracle视频
看到这里，可能大家认为我偏向第二种方案，其实不全是，我一直认为任何方案都有其优势，中庸取其精华最好。第二种方案的死穴是，如果你问题没搞得透彻明白，那么分析的都是无用功，都是在错误的轨道上转圈。
——————什么是大数据时代好的分析方案？—————–
我们来看第一个超市案例，他通过一个简单的、人工判断过的“用户行为”数据解决了这么多各种业务难题（陈列、布局、商品搭配、促销等），是因为他们发现一个问题，然后去解决的思路么？不是，而是充分以“商业”为中心，以“迎合用户需求，满足商业利益最大化”这一个最大分析目的，发现了用户行为，原来对这么多商业布局都有改进的地方，可以同时满足用户的购物需求，也满足商业利益最大化的需求，于是产生了后来的一系列超市零售改进。
再看大数据的案例，某人收到小孩用品推荐，他很生气投诉，结果没多久就写感谢信，说他女儿真的怀孕了，感谢云云。其实从这个案例中，除非给人惊奇外，有多大“商业价值”？如果纯从数据商业价值来说，这个分析推荐的作用，比起超市零售通过用户行为的变革，简直不值得一提，为啥还广为流传? 因为大数据时代，还找不出像样的案例，于是就拿惊奇的案例来吸引大众注意吧。
反过来说，并非大数据无用，或者说大数据不是远不够大（要知道比超市人工观察的数据大多了），而是大数据分析和应用的人们思维并未完全打开，我相信做推荐的朋友没多少熟悉供应链的，也没多少熟悉商品定价和生命周期管理的，所以他们的大数据只是应用在推荐。
结尾：话不能说满了，剩余的给大家来讨论、思考吧。
更多视频课程文章的课程，可到课课家官网查看。我在等你哟！！！
