然而Twitter確實承載著大量極具價值的大數據專業知識——前提是我們知道要在哪里找到它們。與其它社交平臺一樣，Twitter有時候同樣嘈雜而毫無實際價值。如果再加上“大數據”這個時髦詞匯，這里的混亂與繁雜又將上升到新的高度。因此，我們到底該如何尋獲可資借鑒的有價值信息?

如果大家不太過糾結于“大數據”這一專業詞匯，那么找到的信息往往更具參考意義。“通常情況下，那些最熱心的大數據討論者們往往根本不是什么‘大數據專家’，”MongoDB公司營銷、業務發展以及集團戰略副總裁MattAsay表示。

Asay與其他一些對大數據領域有著深刻見解的專家為我們帶來了Twitter上那些最值得關注的發布對象，這些發布者帶來的新聞、主張以及網絡等等足以充實學習者的大腦。當然，我們也從中進行了第二輪甄選，最終提出十位在Twitter上最值得關注的大數據專家。當然這只是一個起點——大家完全可以為自己列出一條更長的關注名單(稍后我們會進一步闡述)。說到他們位列推薦榜的共同特征，這些專家都成功地在140個字母的嚴苛限制下完成了大數據知識傳播這一高難度任務。

這無疑是件好事。任何人都可以輕松在自己的推文或者其它通信方式中加入“大數據”或者其它相關技術術語，但這并不意味著這些家伙真當得起“專家”的名頭——這正如我可以在推文中討論美味糕點的制作方法，但這并不代表我本人是位技藝出眾的大廚。因此即使是在相關術語之外談論其它技術領域——例如開源——雖然從表面上看大數據的契合程度并不緊密，但同樣有可能與之保持高度相關性。請大家在選擇關注對象時牢牢記住這一前提，否則很可能被花里胡哨的內容攪亂了心神。

Asay還指出，有時候直奔特定信息類型的來源也是很有效的學習方式。“我通常傾向于PewResearch這類能夠直接獲取重要信息的關注對象，而不愿通過他人引述的方式了解情況。”

我們之前曾經在《Twitter上值得關注的IT領導者》一文中探討過此類選擇標準，這些規則在大數據領域自然也同樣適用、只不過需要在細節上作出調整。我們并不會以特定的工作職級或者崗位作為評判標準，只要工作內容上有所關聯即可過關。(在這里我們只考慮發布信息的個人，組織或者企業并不在考量范圍之內。)

我們還除非了那些與大數據方案的銷售、市場推廣以及其它類似事務有關的發布者。Asay本人就是個很好的例子——雖然他發布的內容同樣值得關注，但由于在“營銷、業務拓展以及企業戰略”方面身負要職，因此我們不會將他納入名單。我們對關注對象的現有關注者數量方面沒有提出硬性要求，畢竟更重要的是所發布信息的質量與一致性、而非人氣高低(不過本次上榜者當中確實有一些已然擁有大量關注者)。

讓我們再次回到榜單本身：本次選擇錯過了哪些理想關注對象?我們認為這份名單本身非常優秀，但它僅僅算是個開端而并非最終成果。根據個人取向的不同，大家也可以擁有與眾不同的個人選擇。為什么一定要固守在圈子、學習與現有網絡的束縛之下，社交平臺的本質在于共享，因此不要被太多不必要因素阻礙了手腳。大家不妨在評論中寫下自己喜愛的大數據技術大師，從而讓他們的真知灼見能為更多人帶來啟發。

Gartner公司IT分析師，MervAdrian(@merv)

MongoDB公司的Asay力薦Adrian，此外Gartner同僚SvetlanaSicular與RedMonk公司的StephenO’Grady(同樣位列此份榜單)也得到了他的肯定。Asay表示，這幾位都是幫助他了解大數據情報的好伙伴。原因之一：三個人從來不會搞炒作、推噱頭。“每一位都能幫助大家更清晰地勾勒出大數據宏觀框架，同時又不至于被層出不窮的熱門消息搞得應接不暇，”Asay指出。Adrian的推文通常以Hadoop、NoSQL以及微軟等為主要話題。

RedMonk公司分析師StephenO’Grady(@sogrady)

O’Grady是Asay推薦的大數據三巨頭中的另一位，喜歡直接通過搜索熱門詞語——也就是“大數據”——進行查找的朋友很容易與他失之交臂。他的推文與博文涉及各類軟件與開發話題，而且并不局限于此。這里要提醒洋基隊的球迷：O’Grady是位新英格蘭人，所以有時候會發布一些關于紅襪隊的消息——而且往往與IT技術相關。

Gartner公司研究主管SvetlanaSicular(@Sve_Sic)

作為Asay推薦的大數據三巨頭第三名，Sicular的推文圍繞著大數據、分析、商務智能、數據倉庫、數據架構以及Hadoop等相關話題展開。她還會在推文中提到大數據領域的特定供應商，例如Cloudera，并分享她本人在Gartner研究工作中了解到的報告信息，例如：到2015年，便于25%的大型企業將配備“首席數據官”職位。

喬治梅森大學數據科學家、天體物理學與計算機科學教授KirkBorne(@KirkDBorne)

大家千萬別被“火箭科學家”這類稱謂嚇破了膽，Borne經常會在自己的Twitter上發表一些建議，同時定期為我們帶來與大數據及相關話題相關的新聞與鏈接。在MongoDB公司的Asay看來，Borne的推文相當于一份業界消息必讀清單——這一論斷也得到了技術人員們的廣泛認可。Borne“會定期發布及轉發與大數據及數據科學緊密相關的文章鏈接，”Revolution分析公司執行長DavidSmith表示。“我喜歡看他以科學視角品評這類傳統的、面向業務的文章。”

KDNuggets.com網站編輯GregoryPiatetsky(@kdnuggets)

Piatetsky所供職的KDNuggets網站(其中KD是指‘KnowledgeDiscovery’，即知識探索)堪稱一座滿載大數據、數據挖掘以及分析信息的寶庫。他的推文除了關注以上重點內容之外，也經常涉及網絡上流傳廣播的各類大數據指導性消息。各位求職者們請格外注意：KDNuggets網站還地定期發布與數據技術工作崗位相關的最新情報。

數據科學家兼新聞工作者LillianPierson(@BigDataGal)

對于一位身兼數據科學家與新聞工作者兩雙身份的從業人員，我們有什么不理由不發自內心地表示喜愛?Pierson通過自己的Data-Mania網站與多家客戶保持著密切合作，她的推文則帶來大量大數據相關新聞、數據可視化討論、對于數據相關廠商的見解以及其它主題。

Analytical-Solution公司創始人CarlaGentry(@data_nerd)

作為一位職業數據科學家，Gentry以自己銳利的視角觀察新聞與發展趨勢，并在推文中對這些有可能影響業務走向的因素加以剖析。她往往能夠快拿出自己的評判結論，例如數據科學與大數據并非同義詞——事實上前者的出現時間遠遠早于后者。

Fitzgerald公司公司創始人兼總裁JaimeFitzgerald(@jaimefitzgerald)

Fitzgerald與華爾街銀行及其它一些企業保持著密切的合作關系，旨在共同開發出量化且由數據驅動的業務發展戰略。他的推文主要討論分析、大數據對基準業績的影響、業務重大活動、數據科學以及其它一些議題。

Ovum公司IT分析師TonyBaer(@TonyBaer)

作為一位在分析業界廣受贊許的從業者，Baer在Ovum公司領導著大數據研究工作的進行。他在推文中經常提及一系列大數據話題，包括開放數據與數據管理;Cloudera、MongoDB、Cloudant以及HortonWorks等相關廠商與平臺;再加上其它一些相關話題。他在之前的職業生涯中還從事過新聞工作，并曾在包括InformationWeek在內的多家知識企業擔任過職務。

Spark戰略業務解決方案公司CTOMarcusBorba(@marcusborba)

如果大家對于如何將大數據轉化為實實在在的業務績效——換言之、變成金錢——感興趣，那么Borba的推文可絕對不能錯過。除了定期發布與大數據及分析事務相關的推文之外，Borba還會分享一些來自其他關注對象的意見與建議。