「大資料」這個詞這幾年火的不得了。各種企業都宣稱自己掌握著大量的資料，好像有了大資料，就能解決一切問題一樣。
然而現實情況時，很多時候我們對資料的痴迷，卻將我們引上了歧途。是的，在一些情況下，要想從資料中萃取有用的東西，我們的確需要大量的這類資料，然而對於創新者來說，資料的數量和規模並不是最關鍵的因素——正確性才是最重要的東西。
資料正確性無關大小
在談到大資料的作用的時候，我們總是拿uber來舉例，他們好像是用大資料獲得成功的最典型的例子。毫無疑問，uber從資料中獲得了財富。依靠他們的應用，uber從司機和乘客那裡獲得了實時的資料，讓他們能夠知道何時、何處人們對車輛有著較高的需求。
但是uber的成功，依靠的並不是他們所收集的大資料。如果你仔細分析一下，就會發現，他們的成功依靠的是規模並不大的正確的資料——車輛派遣資料。
在可以用手機叫車以前，我們依靠的是傳統的計程車。雖然傳統計程車看上去與網際網路沒有什麼關係，但是其實它們才是一種依靠大資料的東西。原因是，傳統計程車依賴的是「人眼網路」：無數人站在城市中的某乙個點，在看到計程車後馬上招手。雖然貌似與資訊科技無關，但是實際上人們在打車的過程中，同樣使用了計算——人腦的計算：我們在大腦中收集並且分析資料。
uber提出了乙個更好的解決方案，人們不再需要自己跑到街上去用眼睛收集資料，不用再用大腦去處理資料，轉而開始讓uber為我們提供正確的資料來完成打車任務。城市中誰需要打車？他在**？離他最近的車在**？需要多長時間能接到乘客？正是憑藉這些正確的資料，uber才得以成功的在計程車行業內掀起了革命。
用正確的資料完成任務
有的時候，正確的資料規模很大；也有的時候，正確的資料規模很小。對於創新者來說，關鍵在於分析出那些資料對我們來說最有幫助。要想找到正確的資料，我建議你去思考下面三個問題。
問題1：哪些因素會浪費公司的資源？大多數企業都會在日常運營中浪費許多資源。用鮮花零售業務來舉例，大多數花店中50%的庫存都會被最終浪費掉。因此urbanstems和bouqs這樣的鮮花配送服務應運而生，他們的作用就在於利用正確的資料幫助花店減少浪費。
無論你是工業生產、零售還是法務調查公司，搞清楚哪些因素會浪費你的資源，都能夠幫你找到正確的資料。
問題2：如何利用自動化來減少浪費？在確定哪些因素會造成資源浪費之後，下一步就是要減少浪費。人類的優勢，在於分析問題。但是在實施方面，尤其是大量計算方面，計算機有著人類難以比擬的能力。在當今這個計算能力**的時代，我們應該利用自動化技術來解決問題。
例如，有訊息稱亞馬遜正在計畫刪除大量定價團隊，讓演算法來給產品進行定價。在很多零售商看來，這是乙個不可思議的行為。但是如果亞馬遜的演算法能夠勝任定價工作，它將能夠亞馬遜帶來巨大的好處，例如減少積壓庫存。
問題3：針對問題1和2，你需要哪些資料？最後一步，就是確定你需要哪些資料才能減少浪費，並且完成自動化。
還是用uber來舉例，他們需要知道潛在乘客的具體位置，才能完成自動化司機指派工作，從而減少浪費（車輛閒置、乘客司機在街上打車）。
這就是你所需要的正確的資料。很多企業都在花費大量的時間去研究大資料，但是卻沒有花足夠的時間去考慮哪些資料才是真正有用的資料。
興趣真的那麼重要麼？
經常有人說他對自己所目前所做的事情沒興趣，或者對自己的專業不感興趣，而他真正感興趣的是某某事情，某某專業。正如我們經常看到的那樣，這些人往往不快樂。因為它們 覺得 自己在做自己不喜歡的事情。然而，真的是他們以為的那樣嗎？不客氣的說，99 的情況並非如此。首先，這些人並不是對正在做的事情沒有興趣，而是...
資料結構與演算法真的那麼重要麼？
很多同學對資料結構與演算法的第一印象，可能是覺得它複雜 深奧 難以理解。之所以會有這種觀念，我認為主要是因為沒有找到適合自己的學習方法及學習資料。其實學習任何知識點，只要找到對的學習方法和學習資料，都能做到攻克難點，牢牢掌握。另外，同學們可能還有乙個疑問 在平時的開發工作中，乙個產品，從開發到上線，...
你寫的Try Catch真的有必要麼？
很多人喜歡用try.catch把每乙個方法都包裹起來，可是真的有必要麼？為什麼要這樣做？我估計是大家被bug嚇怕了，生怕生產環境出現各種莫名其妙的錯誤，比如最經典的nullreferenceexception,可問題是你用try.catch包裹起來後錯誤是不會爆出來了，但是執行結果是你想要的麼？恐怕...