很多数据科学圈的大拿们说，大数据时代，数据来源不是问题，数据分析(建模)才是最关键的最值得考虑的，只有数据那只是数据而已，不会产生任何价值。
先入门才是硬道理
但是我想说的是，对于想了解数据科学而又数学统计底子的人来说，他们必须先对数据有个直观的感受，让他们觉得其实数据科学也不是很难，才能让更多的人涌入到数据科学界。
数据科学最终是要根据数据分析出知识进而预测未来。分析(建模)很难，这就会把很多小白，尤其是文科生小白吓到，反正我一开始是被吓到了。
我们必须将学习变得有成就感，由易而难，让数据科学之路的开始变得有趣起来才行。
不管大数据的核心价值是不是预测，但是基于大数据形成决策的模式已经为不少的企业带来了盈利和声誉。
1、从大数据的价值链条来分析，存在三种模式：
1)手握大数据，但是没有利用好；比较典型的是金融机构，电信行业，政府机构等。
2)没有数据，但是知道如何帮助有数据的人利用它；比较典型的是IT咨询和服务企业，比如，埃森哲，IBM，Oracle等。
3)既有数据，又有大数据思维；比较典型的是Google，Amazon，Mastercard等。
2、未来在大数据领域最具有价值的是两种事物：
1)拥有大数据思维的人，这种人可以将大数据的潜在价值转化为实际利益；
2)还未有被大数据触及过的业务领域。这些是还未被挖掘的油井，金矿，是所谓的蓝海。
大数据是信息技术与专业技术、信息技术产业与各行业领域紧密融合的典型领域，有着旺盛的应用需求、广阔的应用前景。为把握这一新兴领域带来的新机遇，需要不 断跟踪研究大数据，不断提升对大数据的认知和理解，坚持技术创新与应用创新的协同共进，加快经济社会各领域的大数据开发与利用，推动国家、行业、企业对于 数据的应用需求和应用水平进入新的阶段。 如想了解更多关于“大数据”的信息，可关注公众号（别早科技 ID:biezaowx）了解更多。
对于希望在大数据分析领域有所建树的企业而言，具备业务技能的数据专家应该得到更高的重视，特别是相对于只侧重软件编程的专家来说，因为借助Pentaho这样的分析平台，大多数复杂的技术工作都可以得到简化。这意味着，大数据分析的团队现在需要更少的编程技术，但需要更多的业务和数据技能。现在，只需要简单的操作就可以查询到所需数据，这可以缩小企业之间的技术鸿沟，而且对企业来说，从数据中挖掘有用信息并付诸实践，也变得更加容易。
对于有商业头脑、有数学背景并且对数据敏感的员工，企业可以对他们进行培训，安排他们参加一些行业的训练营、大讲堂或者在线课程，HDS可以帮助企业组建最适合他们的理想团队。
当然，最终还是实践出真知。对于那些缺乏经验的员工来说，可以鼓励他们参加一些小型的项目、给他们设置一些小的难题，让他们逐步学会通过数据分析来解决问题，从而积累实战经验。企业可以将不同背景、不同技术方向的员工组成一个个小的内部团队，这对于能提升企业发掘数据的能力来说会有极大帮助。总而言之，技能的不足不是一个公司将自己排除在大数据时代之外的借口。 如想了解更多关于“大数据”的信息，可关注公众号（别早科技 ID:biezaowx）了解更多。
