大数据正被热炒，我们也经常会听到大数据在疾病预测、能源勘探、股市预测等领域的应用取得了一些突破，但并非所有的大数据应用都获得了成功，大数据分析如果失败，那么往往也会导致在这上面的投资打了水漂。所以对大数据分析我们应该提出新的更高的要求，我们更需要认识到下一代解决方案必须满足：

　　1.授权领域专家

　　数据科学家出现的频率已完全跟不上企业的需求。这里不妨这么做，停止继续为他们(数据科学家)开发工具;取而代之的是，给商业用户(生物学家、地质学家、安全分析师等)开发对应的工具。他们比任何人都明白问题出现的环境，但可能跟不上最新的技术或数学。

　　2.加速探索

　　我们需要更快的获得关键见解。事实证明大数据技术的处理速度并没有承诺的那么快。如果一直这样发展下去，可能我们永远都得不到足够快的关键见解获得速度，因为我们永远都不可能针对所有数据提出所有的问题。

　　3.人机整合

　　为了更快的获得见解，我们需要加大对机器智能的投资。我们需要机器能在数据点之间寻求连接和关系时担当更多的重任，让其给商业用户一个更好的起点去探索见解。事实上通过算法途径解决这些问题是完全可行的，并且人们本身永远都不可能发现大型数据集上的显著特征。例如在最近的一项研究中，通过算法查询网络搜索引擎日志发现了之前未报告过的药物副作用。

　　4.分析各种形式的数据

　　当然，研究人员需要分析结构化和非结构化的数据。同样我们需要认识非结构化数据的多样性：所有语言、声音、视频和面部识别文档。

　　在大数据演变过程中，我们现在只处于其初级阶段。显而易见如果我们继续分析百分之一的数据，那么我们只能挖掘其1%的价值。如果我们能够分析其它的99%，那么想象一下我们可以从各种方面推动世界进步。

　　责任编辑：GOCN