縮短大數據分析時間

信息管理和分析咨詢公司New Vantage Partners公司的創始人兼管理合伙人Paul Barth表示，這種分析的一個很大優勢在于縮短“回答時間”(TTA)，數據科學家曾經需要花幾個月時間來建立查詢或者模型以回答關于供應鏈或生產計劃的前瞻性業務問題，現在只需要幾個小時就可以完成。

這是因為大數據技術允許信息在被優化或者關系化之前進行分析。再加上高級分析技術，讓業務經理在非常短的時間內詢問和回答問題，不過，現在仍然需要IT員工和數據建模人員伸出援助之手。

“這些人正在使用大數據來自動化機器學習等過程，”Barth表示，這樣做可以為每個產品線、每個市場產生20000個數據模型，讓用戶可以預測未來18個月。“這是一個很大的變化，他們之所以能這樣做是因為大數據技術可以自動化很多建模步驟，并可以在無人職守的情況下執行。”

在不久前，這幾乎是不可能的，統計分析師需要數周甚至數月來建立單個模型。如果你銷售100個產品，你的整個產品線不可能超過1000個模型，這意味著這些模型返回的信息并不是很準確。

大數據分析的黃金時期還未到來

雖然這一切讓業務用戶感到激動，但是大范圍普及大數據分析技術并不會那么快發生。Hadoop雖然很強大，仍然只是用于處理海量數據集的“原始”工具。

仔細考慮一下這些預測分析結果的實用性，1億個人的意見真正超過10萬人的意見嗎?

“存在大量的重復的數據，”Barth表示，如果你想要正確地進行分析，“你仍然需要聰明的分析師”，幸運的是，大數據為他們提供了非常強大的工具。