当年刚出道时，我是网络工程师，玩儿的是Cisco网络设备的命令行配置。后来“路过”Java开发，以技术升迁路径到达CTO的位置。
尽管我是这种标准的工科技术出身，我却早已成为最不爱讲技术的“忽悠师”。我常常开玩笑说：我总是跟业务讲IT、跟IT讲业务，最后大家都觉得我厉害，其实我什么都不会。
在我看来，数据也好、技术也好，IT也罢、DT也罢，如果没有业务价值，一切都等于零。所以我也常说另一句话：(在商业环境里)没有商业价值的技术就没有价值，技术能够创造的最好成绩是零分。
因此无论任何问题，我习惯于先讨论业务，再看技术能否实现、数据能否支撑，而不像很多IT人一样是先看实施上怎么做，做不到就否定、就说业务需求太复杂。[有一个表象,能够鉴别你是哪种人：在画架构图的时候，你是把用户和应用画在上面，还是把基础设施画在上面？]
大数据也是如此。不管多么热闹、不管红火，不能创造业务场景、落地业务价值的大数据，就算不是骗子，那也是骗子。
一、大数据4V特征
尽管当今世界是一个大数据的海洋，尽管大数据的概念已经路人皆知，大数据(Big Data)迄今并无严密的公认定义，通常用4V特征来描述它。
既云“大数据”，首当其中就是Volume(海量)，系指数据量太大，难以用传统数据处理手段和工具进行处理。从2005年起，全球每天产生的数据量多达2.5 QB、每年数据总量增加300倍，预计至2020年，预计全球数据总量将达到90ZB。
一方面是数据量大，另一方面却要求Velocity(高速)。极快的增长速度、极高的处理速度，这是大数据的第二个特征。纽约股票交易所每交易时段处理交易信息量高达1 TB，而轿车上用于监控燃油和胎压等信息的传感器接近100个，它们需要得到实时快速处理。2016年全球网络连接数量预计将达到189亿，平均每人2.5个连接。
或许Variety(多样)才是大数据最重要的特征。在YouTube上，视频信息每月被观看40亿小时；2014年，全球可穿戴无线保健监控装置达到4.2亿台。在这个时代，大量人对人数据（网民数据，虚拟社区，社交网络，网络日志等等）、人对机器数据（归档数据，医疗设备，数字电视，电子商务，智能卡，银行卡，计算机，移动设备等等）、机器对机器数据（传感器，GPS设备，条码扫描，安全监控，科学研究等等），使大数据的品类多到不胜枚举。
不幸的是，大数据并不一定像某些人鼓吹的那样神奇，它是Veracity(欠真)的。统计表明，数据质量不佳给美国经济每年造成损失高达3.1万亿美元，而三分之一的业务领导不信任他们用于决策的数据信息，27%的被访者不确定其数据有多少是不准确的。
好消息是，有一部分人认为大数据的第四个特征是Value(价值)。因为统计也表明，大数据已经创造了很高的价值，促进了生产率提升和销售增长。只是人们也发现，大数据的价值密度是很低的，例如连续视频信息中价值数据可能仅1s。
二、大数据本身并无价值
忽悠者云：得数据者得天下。又说，大数据时代，数据是企业资产。但究其实，数据本身是没有价值的，说得极致点，大数据就是大垃圾。
为什么？因为数据本身，是根本不可能有价值的。数据是什么？开关打开是1、开关关闭是0，高电平是1、低电平是0，或者用磁介质、光电质的不同状态表示1和0——总之是一堆二进制数字串。它没有任何价值。
大数据价值的源泉，是将数据转化为智慧。数据-信息-知识-智慧的演进关系，称为DIKW体系(DIKW Architecture)。如果用天气预报来说明，那么：数据是百页箱采集的数字、卫星云图、环境监测的数字，信息是明天的天气、温度、湿度，知识是穿衣指数、晨练指数、洗车指数，而智慧是穿衣混搭方案、减肥健身方案、规避违章方案。
DIKW体系不是一个严密的体系，数据与信息、知识及智慧之间，绝不是简单的直接映射或衍生递进关系。所以DIKW体系也被称为“信息金字塔”，数据在塔底、智慧在塔尖，形象地告诉人们，通过挖掘大量的数据“金矿”，才能得到一丁丁点儿智慧“金子”。
大数据4V特征之价值(Value)特征，表现之一是价值密度低，道理就在这里：虽然数据是资产、是金矿，但能产生知识和智慧价值的数据却是很少的。这就是数据金矿、数据资产的真相：数据只是数据价值的“原石”，数据是否有价值，并不由数据本身决定的。
三、大数据价值来源于智慧能力
在当今大数据时代，企业核心能力不仅是供企业竞争优势的知识体系，更是：通过全面整合各类大数据源、准确把握企业经营信息，以业务洞察为导向、以智慧分析驱动企业决策，从而创新和优化商业模式、提升核心能力的综合能力。
因此，从业务价值创造来说，大数据就是企业的智慧能力，包括以下五大类型。
- 描述现状的能力：整合企业各类数据源，按照业务需求描述企业经营管理的现状。典型工具如报表、仪表盘等BI工具。
- 分析缘由的能力：如果报表显示第三季度销售收入令人惊喜地增长50%，它背后的原因是什么，第四季度仍然会保持增长吗？
- 预测未来的能力：尽管历史总是螺旋式发展，过去的规律在未来也常常适用，但通过过去数据预测未来本质上是不可能的。但人们又迫切希望预测未来。
- 掌握当下的能力：个人活在当下不容易，企业掌握当下更难，经营者最难把握的就是此时此刻企业正在发生什么。尽管国外已经从新经济(New Economy)过渡到(Now! Economy)，掌握当下始终是相当不容易掌握的智慧。
- 控制未知的能力：人类古往今来的梦想，就是希望事物发展能够按照自己的意愿。控制未知？多么美妙的想象。然而在大数据的帮助下，人们一定程度上可以做到了。
四、大数据目前只是个“侏儒”
大数据目前尚在起步阶段。按照行业研究者的分类，大数据厂商总体上可以划分为基础设施与应用两大类：
基础设施类：不管是产品模式还是云平台模式，都是结构化和非结构化数据处理平台。
应用类：商业智能、数据分析和数据可视化的产品商；操作智能及广告与媒体应用的产品或平台商；数据服务平台商；面向消费者的应用或垂直应用平台商。
从DIKW体系视角，将大数据厂商进行重新归类，则可分为数据源、数据存储与处理平台、数据整合与分析工具、信息展现与数据应用等。
可见，在大数据语境下，平台、产品及服务大都停留于DIKW体系的数据和信息环节，知识和智慧则基本处于不可知、无法处理的“蛮荒”之中。
不仅如此，就算在数据与信息处理领域，大数据面临严峻挑战。举个例子：如果说“数据仓库已死”，那么数据仓库所代表的ETL过程、数据架构与模型等等，在大数据环境里将会进化成什么模样呢？在国际数据管理协会(DAMA)正在研发的DMBOK 2.0中已经加入大数据，国内的一些标准化组织也正在研究制订大数据相关标准，但是童鞋们，以大数据的迅猛增速，这是不是太慢了呢。
无论如何，大数据还是个“小矮人”，或者是“七个小矮人”。
好在，正如我们今天另一篇同题文章所揭示的，屌丝可以逆袭成人生赢家，侏儒也能有梦想、有勇气、有能力证明自己的价值，我们的大数据也能战胜那些传统的巨无霸恐龙，最终成为时代的英雄。