提要：目前大數據的火熱程度可見不一般，大數據真的創造如此高的價值嗎？或者說創造價值的范圍有那么廣嗎？以置于在很多三線城市的運營商都在做大數據項目。實踐經驗中發現，實際投入成本遠遠大于其中收益。還是說有非直觀的，隱性的價值？

如果是泡沫，還能持續多久，破滅后會是一翻什么行業景象？

來自知乎網友何明璐的解答：

這個問題要分布對待，里面有泡沫，但是也有實實在在取得業務價值的案例。那這個問題如何來診斷和分析。

我們看到，對于大數據這個概念沒有出來之前，其實對于大型電商平臺，電信運營商，包括大的金融行業已經在做類似大數據方面的事情，以解決海量異構數據下的實時性問題。這些都有明確的業務場景驅動，用傳統的一些技術解決起來困難，針對這些有明確業務場景驅動的項目本身并沒有太多的泡沫。可以看到的是大型的電商平臺，運營商或金融機構立項或研究做的，解決內部大數據場景下問題的的項目，基本還是有實際的業務參考價值。

還有一種就是完全是迎合大數據概念的，本身就不存在需要大數據的業務場景，由于大數據炒的火熱，原來存在的各種應用都冠以大數據的名頭。但是當仔細分析后發現一個是本身不存在大數據標準的業務場景，一個是我們提出的目標本身就是虛擬的并不是真實客戶需要的目標。對于這類項目存在極大的泡沫。

來自VC Kevin Sure的回答：

有一定泡沫.

Michael Jordan（不是打籃球那個）的答案

先說說他討論這個問題的資格。作為IEEE fellow，伯克利的Jordan教授是機器學習世界范圍內最被尊敬的專家之一，在2013年還被邀請在美國國家研究委員會對相關領域的報告里作序總結。

這里有全文：Machine-Learning Maestro Michael Jordan on the Delusions of Big Data and Other Huge Engineering Efforts

他觀點的骨架：

1. 目前的大數據給出的結果可靠性太低，如果急于應用到實際中，就好比是土木工程都沒學好就開始造橋，結果只能造出“豆腐渣工程”。

• 一大波“false positive”（假陽性）正在接近，因為數據增長的速度不夠支撐我們把大數據到處亂用的欲望
• 作為一個科學，不夠嚴謹（原文是“沒有error bar”）。不像造橋的土木工程，經過多年的積累，明確地能告訴我們什么樣的情況可以造，什么不可以。而大數據沒有。

2. 目前在computer vision領域進展還很小

• 只能在非常有限的范圍內識別，比如人臉識別這樣非常具體的引用（雖然這個不是直接說大數據，但是可以看出，作者認為真正做到萬物都sensor還很遠，大數據的采集能力終究還是有限的）

3. neural network根本和人腦的neural network不是一回兒事，我們對大腦的理解根本沒到可以引用到計算機科學的程度

• 現在deep learning所采用的back propagation技巧，明顯不是大腦的運作方式
• network的結構都完全不同，什么對數據的模糊性處理已經達到人腦的境界云云，主要是媒體扯談

對他觀點的總結：

有些媒體為了讓公眾容易理解打了些比方，但是這種比方造成了太多誤解，進而造成了太多hype（夸張的大肆宣傳）。大數據還是一個沒有足夠嚴謹程度的科學，可能有一定的概率做出一些有用的預測，但是使用不當，過分過早地依賴，則會造成災難性的后果。

很多時候大家過早對一個技術爆發熱情，寄希望她可以改變世界，如果短時間沒有成果，有可能熱情一下子轉冷又覺得這是個錯誤，加速抽離給這個技術的資源。顯然Michael很擔心現在公眾對這個技術的熱情，并不是基于對這個技術的理解，從而有可能會經歷這樣的態度轉變。但是他認為這個領域是現實存在的，很多重要的應用，假以時日，是會創造價值的。但是現在很多媒體宣傳，甚至投資行為，都是泡沫。

最后他覺得，如果他有10億美元，一定會投入到natural language processing里面去。畢竟這是人機互動很重要的一個方面。