数据的四大特征_大数据
我们总是在谈数据分析，数据分析什么的，那我们现在先不谈数据分析，我们先来谈谈数据分析的基础——数据。那么到底什么是数据，数据有什么特征呢？这个问题虽基础却重要。
这里我们所说的数据，仅指应用于企业运营的市场信息。它是认识事物的中间环节，是事物的表面特征，其作用在于消除事物的不确定性。它至少具有以下四个基本特征。
数据分析师分析数据的特征之一时效性
所谓时效性是指数据的发生和运用要有个提前期，失去时效性，就失去了潜在机会。
举个例子，以前在广州有个大厦，它对数据的时效性运用的就很好。据说有一年，它的经理和别人聊天，人家无意间提起说那年春天广州的雨水将特别大，于是他特意去了广州气象台证实，证实后，他开始调查，发现深圳一家厂子里积压着20万多把雨伞。当时正是11月份，旱季，这家厂子压着20万多把雨伞早就想出手，所以这个大厦的经理就去了深圳，以极低的价格就把雨伞盘进来了。结果那年广州的春天来得特别早，一过春节，这雨哗哗就下起来了，他趁机20多万把雨伞往出卖，结果一销而空。这就是利用了信息的时效性。
简单吗？很简单，只需要到气象台问一下，但是，有多少企业会问呢？其实并不多，因为很多企业就没有提前获取数据的意识。经常是等到下雨了再进雨伞，那就没买卖做了。
数据要具有时效性，或者说数据分析要有预见性，因此，大家在采集数据的时候，要注意数据的时效性，要具备用现在的数据预测未来市场的走向的意识。
数据分析师分析数据的特征之二分散性
数据的分散性，具体表现在两个方面。
1、没有固定发生地
数据没有固定发生地，因此，需要多渠道采集数据，除了上网、图书馆查资料、还要留意电视、杂志等媒体的信息，关注统计局、行业协会、研究机构的数据或者直接做市场调研。
2、零散分布，相互关联才完整
数据是零散的，真正能还原数据的完整性，并充分利用数据的，都是勤于思考，努力寻找数据关联性的人。
在旧社会的解放区，人人都听到，河北省出了一个白毛仙姑，但是谁也没有去琢磨，当时只有20岁的贺敬之琢磨出来了：这叫做旧社会把人变成鬼，新社会把鬼变成人。于是他就写出了不朽的名著叫做《白毛女》，正可谓“人人之所见、人人所未思”。
数据分析师分析数据的特征之三概率性
什么是概率性？简单理解就是看似结果不确定的事情，多次重复，就会显示出一定的规律性。
比如我们抛硬币。抛5次、10次，到底有几次正面向上不好说，但若抛几百次，几千次，正面向上的可能性就稳定在50%左右。
有一个生产装汽水、装啤酒的塑料箱的小厂厂长，了解了数据的概率性，就把北京邮政编码本找来，找到北京130个单位，发了130封信，结果就回来1封，让他拿着样品过去看看，概率够低的。这个厂长怕别人搞不好，就自己夹着箱子去了。这家单位在4楼,厂长把箱子递过去，那老兄看都没看，一推窗户，‘磅’的一声，就给扔出去了。然后那老兄就往下跑，这厂长就在后面追，到了楼下，一看这箱子，一点没坏！那老兄说：“行！这箱子挺结实的，定货！”半年的买卖就有了。玩的就是概率。
数据的概率性告诉我们：成功=努力+等待。
数据分析师分析数据的特征之四再创性
所谓再创性是指我们所看到的数据只是一种现象和启示，不同的人会得出不同的结论。而要想透过现象看本质，需要用发展的眼光看问题，通过深入的分析，找出隐藏在市场现象背后的机会。
例如，二战后，松下幸之助开始研制一个非常不起眼的家庭用电机，好多人嘲笑他，说电机都是工厂用的，你这电机家庭干什么使呢。但是，松下幸之助看到了家用电机的发展，他说：‘现在是零，将来就是无限。’用发展的眼光看问题，才能再创性地挖掘机会。
再讲个故事：有甲、乙两个推销员，同时到非洲的一个岛国卖鞋子。这个岛国里人人都光着脚丫。甲推销员一见到他们都不穿鞋，于是认为鞋子在这里没有销路；而乙推销员将数据进行再创，看到他们不穿鞋，于是拿着鞋子来做调查，经调查发现：这里的人之所以不穿鞋，是因为他们的脚都特别宽，而市面上的鞋太窄，他们穿不进去。于是他建议公司生产出专门适合这个岛国的鞋子。此外，他还把尺寸合适的鞋子送给当地的酋长，酋长一穿鞋，感觉舒服极了，而老百姓一看酋长都穿鞋了，他们也想穿。等到老百姓也想穿，就有市场了，原来都不穿鞋，现在人人都要穿鞋，于是乙推销员让鞋子很有销路。这个故事说明，数据只是现象和启发，只有深入的分析，才能再创性地挖掘机会。
以上就是数据的四个特征：时效性、分散性、概率性、再创性。
数据分析师了解数据的四个特征，对于我们的数据工作具有启发。例如，数据采集就要充分考虑到数据的这四个特征：http://www.cda.cn/view/559.html
基于时效性，数据采集要有项目周期；
基于概率性，数据采集要有抽样设计；
基于分散性，针对不同的数据来源要有不同的采集方法和问卷设计
基于再创性，要对采集到的数据信息深入地分析和解读
转载于:https://www.cnblogs.com/amengduo/p/9587702.html
相关资源：各显卡算力对照表！