其实问题说明中的两点，我都不能同意：

一、海量数据因为电子时代正应运而生。

二、数据收集整理分析工作变得越来越容易。

首先，海量数据不是因为电子时代的到来才产生，而是早已有之。只是互联网时代由于分享越发便捷，而使得数据的增长量高于从前。与此同时，数据的收集或许变得容易，但我在工作中的感觉，对数据的分析实际上变得原来越困难。

举个例子，微软的 Lync 在支持语音通话的同时，也通过Lync收集每一个电话的通信质量信息。当Lync被部署到十万人规模的跨国公司时，假定平均每个人每天打五个电话，那么每天都会生成五十万笔数据。哪怕每一笔数据只保存大约100K的纪录，那么每天也有接近50G的数据生成。这个数据量也许和Google这种大鳄不能比，但如果用我们如今常见的500G标配硬盘存储，一块也就够用10天而已，也不算小了。

为什么数据分析很困难？原因很复杂，对我们的工作场景来说至少有两个主要原因：

有效的结论可能需要对多组数据相互索引和分析才能得到。为什么？因为现实环境是复杂的。譬如某次电话通话质量特别差，原因可能是网络问题，可能是用户主机上负载太高，可能是我们的语音处理算法有错误。我们的数据还没有智能到能直接给出上面三个结论的一个，只能对多组数据进行综合比较才能给出一个结论，比如丢包率、包传输时延（RTT，jitter）、语音数据包的丢弃比率等。这比追踪单个数据来分析趋势要复杂得多。数据来源可能并不直接。为什么？因为产品必须服从于很多非技术因素。譬如，当用户抱怨通话质量很差时，如果能录下用户的声音会给分析带来很大的方便。但是，我们偏偏不能允许录音，因为这样有暴露用户隐私的危险。这种时候，我们能做的只能是通过一些相关但无害的数据推断当时发生的问题。这样做必然降低数据分析的效率，但我们别无选择。

到现在为止，我们仍然不得不大量借助人工分析才能得出结论。毫无疑问，人工分析的时间消耗和数据生成的数量根本不成比例。为了解决这个问题，我们一直在投入大量的时间和精力试图进行一定的自动数据分析。很遗憾，到目前为止我们尚未找到一个完美的解决方案。