[[117215]] 

【51CTO精選譯文】FirstFuel公司CTO表示，尋求規模更小、更具相關性的濃縮型信息是解開大數據無窮潛力的關鍵所在。

毫無疑問，大家肯定都聽說過“大數據”，但“深層數據”呢？答案恐怕是否定的。不用緊張，我并不打算給硬塞給大家新的專業詞匯。不過鑒于近期以來企業用戶正持續就需要收集并管理的數據量展開爭論，我認為深層數據的概念應當進入各位關注數據潛力的企業用戶的扁當中。專注于建筑行業能源利用效率的分析企業FirstFuel公司CTO兼***數據官Badri Raghavan對此有著自己的獨到見解。該公司的客戶們，包括政府機關與能源機構，都在使用FirstFuel的能源分析服務以推動更為環保、更具成本效益的方案向辦公環境、學校以及其它設施建設領域的普及。

在一次電話采訪當中，Raghavan談到了他對于“深層數據”的看法以及FirstFuel公司如何將這一理念轉化為自身競爭優勢。

“我們所謂的‘深層數據’其實是相關領域多種專業性知識儲備的綜合體——對于我們來說，也就是能源行業與數據科學的結合——旨在幫助技術人員從宏觀規模角度對建筑的能源使用情況作出分析，”他告訴我們。

深層數據的概念與信息密度擁有密不可分的關聯。“給定數據流當中可能包含大量信息，”Raghavan表示。“相反，大家也有可能收集到大量缺乏足夠結論性內容或者信息的數據。”

大家可能已經猜到了，Raghavan本人對于數據收集或者盡可能匯總更多信息的作法并不認同。但目前很多企業都是這樣做的，即在尚不確定是否有意義的情況下盲目匯集規模龐大的數據總量。

數據收集的真正核心在于效率，或者說“對目前已經掌握的數據資產加以利用。要實現這一目標，我們需要首先明確自己需要解決哪些技術或者業務難題。在大家可資利用的資源當中，哪一種數據流的作用最為重要？”

在FirstFuel所從事的行業當中——即分析大型建筑物的能源消耗情況——單一數據流往往成為最重要的計量數據。

“我們會把計量數據作為一棟建筑物的掃描結果。利用我們的數據科學算法，我們可以對建筑物的健康狀況作出分析、找出其中的薄弱環節以及仍有效率提升空間的部分。”

他指出，這就是深層數據實際起效的一類***實例。計量數據是“一種相對精練的數據流，但其中包含的內容卻相當豐富，”FirstFuel得以借此定位其最感興趣的問題：找出能源消耗當中有違效率優先原則的狀況。

當然，對于很多企業來說最重要的是摸清哪些數據流***分析價值，而后還需要將其與其它數據加以結合以獲得新的分析結論。

FirstFuel已經找到了幾種通常***潛在價值的數據流類型。

“計量數據能夠告訴我們與建筑物相關的大量信息，”Raghavan指出。“接下來我們開始使用高分辨率航空影像——是的，就是谷歌地球，我們在工作中大量使用這類資料。從我們的角度來看，其中包含豐富的潛在信息。它能告訴我們這些建筑物樓頂布置有哪些類型的設備，”而FirstFuel能夠借此大體判斷對應建筑物需要消費的能源總量。

這家分析企業還將來自國家氣象服務中心的數據納入考量范疇。

“我們著手進行設置，并逐步逐步再逐步將其引入。只要能夠對信息分析結論起到改進作用，我們就會將相關數據流納入考量。”

而根據他的說法，這就是深層數據的基本概念。“大家可以對規模相對較小的數據集進行深層研究，而不再像過去那樣長期面對浩如煙海的數據總和……并試圖從其中撈到象征有價值結論的小針。”

舉例來說，FirstFuel完全可以收集多種額外數據——其中包括與交通流量及泊車狀況有關的信息，此外Twitter數據流也有涉及——但事實上根本沒有明確的理由驅使他們選擇這樣費力的方式。

“相對于直接躍入存在海量數據可資進行潛在分析的大數據海洋、卻往往最終幾乎甚至完全得不到有價值信息，我們更傾向于從規模相對較小的數據量中獲得更大收益——即將注意力集中在那些能夠切實反映建筑物客觀狀況的數據身上，”Raghavan指出。“在制定出這樣的解決思路后，接下來我們會逐步把想法變成現實。”

英文：http://www.informationweek.com/big-data/big-data-analytics/deep-data-trumps-big-data/d/d-id/1297588?