缩短大数据分析时间

信息管理和分析咨询公司New Vantage Partners公司的创始人兼管理合伙人Paul Barth表示，这种分析的一个很大优势在于缩短“回答时间”(TTA)，数据科学家曾经需要花几个月时间来建立查询或者模型以回答关于供应链或生产计划的前瞻性业务问题，现在只需要几个小时就可以完成。

这是因为大数据技术允许信息在被优化或者关系化之前进行分析。再加上高级分析技术，让业务经理在非常短的时间内询问和回答问题，不过，现在仍然需要IT员工和数据建模人员伸出援助之手。

“这些人正在使用大数据来自动化机器学习等过程，”Barth表示，这样做可以为每个产品线、每个市场产生20000个数据模型，让用户可以预测未来18个月。“这是一个很大的变化，他们之所以能这样做是因为大数据技术可以自动化很多建模步骤，并可以在无人职守的情况下执行。”

在不久前，这几乎是不可能的，统计分析师需要数周甚至数月来建立单个模型。如果你销售100个产品，你的整个产品线不可能超过1000个模型，这意味着这些模型返回的信息并不是很准确。

大数据分析的黄金时期还未到来

虽然这一切让业务用户感到激动，但是大范围普及大数据分析技术并不会那么快发生。Hadoop虽然很强大，仍然只是用于处理海量数据集的“原始”工具。

仔细考虑一下这些预测分析结果的实用性，1亿个人的意见真正超过10万人的意见吗?

“存在大量的重复的数据，”Barth表示，如果你想要正确地进行分析，“你仍然需要聪明的分析师”，幸运的是，大数据为他们提供了非常强大的工具。