2013年，在数据分析市场，产生了很多新兴的技术，围绕技术的各种宣传也铺天盖地地袭来。有些技术是名副其实的，比如数据建模在营销行业的成功应用。而有些未免言过其实。用户需要炼就一双辨别真假的火眼金睛。

市场分析工具的应用

近年来，营销公司是采用分析技术的主要力量。很多广告公司突破传统，广泛采用数据分析工具，收集媒体渠道碎片和观众信息。营销人员利用分析工具找到客户关注的媒体，定时发送相关信息。而要想真正构建预测模型，传统的客户数据是远远不够的，营销人员正在更深入地收集数据。越来越多的公司《使用市场分析工具处理客户数据》。

数据驱动决策

数据分析技术的发展已经势不可挡。研究显示，数据驱动的决策远胜于专家意见。然而在很多公司，虽然已经启用了成熟的分析系统，决策者还是在跟着感觉走。这不仅浪费了技术投资，也让公司承担了错误决策的风险。这就给技术部门出了一个思考题：如何《说服管理者，让数据驱动决策》?

预测模型只用“小数据”

大数据火了很多年，但到现在也没人能定义大数据到底是什么。其定义的模糊性更让人猜想，大数据究竟能干什么。但同时，人们也想知道大数据不能干什么。一个典型的领域想必是预测模型。模型的构建基于样本，通过识别有意义的关联，找出海量数据的关系。因此有人认为在建模中分析全部数据只能扩大噪点，延长项目，增加提取结果的难度。技术的进步使存储和分析大规模数据集成为可能，用户可以使用建模技术处理整个数据库，但结果未必是最好的。大数据的发展遇到了困境，《预测模型要大数据还是小数据》?

增量建模的出现

2012年盛产数据怪才。Nate Silver要数其中之一。他曾为纽约时报撰写专栏，竞选时，他准确地预测出全美50个州的总统投票结果。在美国12年的选举中，可以说一个数据科学家赢得了更大的胜利。同样的还有Daniel Porter，他是奥巴马12年竞选的数据建模总监，帮助奥巴马获得连任。他使用鲜为人知的数据统计方法——增量建模。它可以锁定最易受影响的投票者。现在Porter正在推广这项技术，不止在政治领域应用。营销人员对这项技术很感兴趣，因为《增量建模可以帮你找到目标客户》。

打破Hadoop神话

2013年，Hadoop技术备受追捧，简直成了大数据的同义词。但是真正采用Hadoop的公司一定要分清哪些是事实，哪些是炒作。Hadoop的确是一款强大的工具，在很多情况下都效果显著。但它也有它的局限，这是使用者需要了解的。首先，Hadoop不能实时分析流动的数据。其次，在数据存储方面，它还不能取代传统的企业数据库。Hadoop未必能解决所有的大数据问题。这就要求想要部署Hadoop的公司慎重考虑——《企业何时该启用Hadoop》，什么时候应用其他产品。