找到“强相关数据”

首先，无论大数据或小数据，有价值的就是好数据;其次，“大数据”这个词，更多是一种思维方式和一个时代标志。

实际的场景中使用的数据往往是有限的，真正有用的是“小数据”。

兵法上讲，“伤其十指不如断其一指”，大数据是一样的道理，要用力在关键的“一指”上，不必追求“十指”面面俱到。

用户源源不断地产生数据，目前对于企业来说，数据的收集和存储能力并不构成障碍。

症结在于，90%的数据没有被真正利用起来，成了“废数据”。

主观上，这与机构的数据思维文化有关，并不是所有公司都能像奈飞、亚马逊那样推崇用数据说话。

客观上，则与数据的相关度有关。

比如一名用户10年前的互联网数据，对于分析当下或预测未来并没有太多的作用，时间序列上的弱相关度，大大减弱了数据的效力。

相关数据，特别要强调与特定场景的相关度。现在，人工智能的应用针对的是某个具体任务或具体目标，需要的数据类型不尽相同。

比如，传媒、金融、医疗等各行业需要的细分数据不同，具体到同一行业的子领域也不同。比如，在医疗领域，心血管疾病和癌症诊断所要的细分数据就不一样。

大部分人工智能的应用场景，都是针对一个具体的任务。

比如，个人信贷鉴别申请者的信用风险，餐饮外卖确定最优的派送路线，资讯信息流做精准的个性化推荐……具体的场景中，起作用的主要是相关度高的数据。

（编辑：衡阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!