大數據工程師學習中的誤區要避免

學習大數據似乎已經成為時代的潮流，成為大數據技術人才更是很多人的夢想。不僅僅因為大數據的前景好薪資高，還有就是當下大數據技術人才實在是稀缺，如果自己能在千鋒學到真正的大數據技術，那對于未來的發展將是一筆不可估量的財富。以下是總結的對于大數據常見的誤區，感興趣的可以了解一下了。

一、數據不等于信息

經常有人把數據和信息當作同義詞來用。其實不然，數據指的是一個原始的數據點(無論是數字，文字，圖片還是視頻等等)，信息則直接與內容掛鉤，需要有資訊性(informative)。數據越多，不一定就能代表信息越多，更不能代表信息就會成比例增多。有兩個簡單的例子：

備份。很多人如今已經會定期的對自己的硬盤進行備份。這個沒什么好多解釋的，每次備份都會創造出一組新的數據，但信息并沒有增多。

多個社交網站上的信息。我們當中的很多人在多個社交網站上活躍，隨著我們上的社交網站越多，我們獲得的數據就會成比例的增多，我們獲得的信息雖然也會增多，但卻不會成比例的增多。不單單因為我們會互相轉發好友的微博(或者其他社交網站上的內容)，更因為很多內容會十分類似，有些微博雖然具體文字不同，但表達的內容十分相似。

二、信息不等于智慧

現在我們去除了數據中所有重復的部分，也整合了內容類似的數據，現在我們剩下的全是信息了，這對我們就一定有用嗎?不一定，信息要能轉化成智慧，至少要滿足一下三個標準：

可破譯性。這可能是個大數據時代特有的問題，越來越多的企業每天都會生產出大量的數據，卻還沒想好怎么用，因此，他們就將這些數據暫時非結構化(unstructured)的存儲起來。這些非結構化的數據卻不一定可破譯。比如說，你記錄了某客戶在你網站上三次翻頁的時間間隔：3秒，2秒，17秒，卻忘記標注這三個時間到底代表了什么，這些數據是信息(非重復性)，卻不可破譯，因此不可能成為智慧。

關聯性。無關的信息，至多只是噪音。