1.大数据分析是自动化的一键式服务

　　在现实生活中，因为大数据不仅是大，还是很多不同类型的数据合集，通过交叉分析才能发现新规律；另外从数据准备、数据收集、数据清洗、数据加工以及数据专题分析和结果可视化，数据解读到决策调整会分出很多层次。因此，目前大数据分析过程少不了人工的参与才能实现其价值。

　　2.某种大数据是企业问题的万能灵药

　　现实中，原始数据是混乱和残缺的，不同数据源之间缺乏一致性，大数据分析在一定程度上是脏活、苦活和累活，需要做数据的清洗和加工。没有万能灵药的数据，适合指定应用场景的数据就是好数据。

　　因为隐私保护和政府不公开的限制，实践中可以使用的数据是受到限制的，因此，我们必须为不同应用场景选择合适的数据源和分析模型。

　　3.大数据分析时代，分析师最重要

　　从招聘感受看，数据分析师的薪酬一直在快速上升，数据科学家更是各个企业追求的人才热点。但从我们的实践工作来看，未来大数据分析的能力要开放给基层员工，不能只局限在分析师和领导层使用，实际业务中的人才是决策的主体，在大数据支持下帮助企业提升各个阶层的产出价值是我们的目标。

　　4、大数据分析，模型越复杂越好

　　最后，固然实现复杂模型（比如LVM潜变量模型）、模型学习算法会非常酷，但我们的工作关注点要放在提高工作效率、增加收益或者减少支出等实际问题的提出和拆解上，尽可能从简单模型先开始实践，并尽可能用自动化的工具来加快探索的速度。比如，目前我们将科学决策之前的数据准备、数据收集、数据清洗、数据加工以及数据专题分析和结果可视化等过程都先实现高度自动化，为用户节省传统分析中90%的时间和精力投入，方便其将工作重心放在决策环节