大數據的商業偽證

李華芳

在大數據時代，人們很容易把一大堆數據定義為“大數據”。比如，大型制造企業和倉庫可能存有多年積累下來的存貨數據，或許高達幾兆兆字節，但這并不能算大數據。同樣，1 500個POS機的現金數據、一大份工作表中的數據也不是大數據。

企業需要行之有效的方法去儲存、分析、使用數據，如果管理的不是大數據問題，那就沒有必要建立數據池、雇傭數據科學家。說到底，辨別所管理的是大數據還是大量數據至關重要。以下是我個人推崇的幾種辨別方法：

1. 數據是否來源于多種不同渠道。

如果數據來源單一，即使數據量很大，也不太可能是大數據。

職業數據人會考慮大數據的3V（或4V）：數量，多樣性，速度（精確性）。本文討論的就是第二種：多樣性。一般來說，大數據往往不是來自于單一源頭或系統，而是來自于許多不同的地方，不同的形式，以及不同的變量。

例如，POS數據盡管數量龐大但不是大數據，可是如果把從供應商處取得的數據與其整合以構建供應鏈，則它們就成了大數據。因此，問題在于是什么形成了大數據，而不是僅僅考慮數量因素。

2. 數據是否需要被實時分析使用。

并不是所有的大數據都一定來源于多種不同渠道，當數據需要被實時分析使用，比如預防欺詐、股票交易時，盡管數據缺乏多樣性，但仍可被定義為大數據。在信用服務業，用于預防欺詐的數據來源并不復雜，但需要實時分析技術，這樣若真的存在欺詐，也會被馬上檢測出并予以阻止。

同樣的，股票交易員所依賴的高頻交易數據也并不是特別復雜的數據，但需要連續處理以做出買入或賣出股票的決定。

3. 你是否需要詢問復雜問題。

當你開始針對數據詢問更加復雜的問題的時候，比如確定因果關系，則該數據就成了大數據。當然，在這種情況下，最好還是使用多方面來源的數據。

比如，當你想知道女性紅色高跟鞋四月份的市場情況的時候，你所要的數據就不僅僅是你自己的采購記錄了，你還要整合社交媒體和其他外部市場數據以得到最佳答案。

4. 數據集是否代表了許多不同的變量。

如果數據代表了一系列不同的難以界定模式和關聯性的變量，那么即使數據是由單一系統或小型系統搜集而來，也可認定為是大數據。例如，氣象數據僅從一些基礎的系統取得（氣溫，氣壓，風速等），但數據關系卻極為復雜，即使是最富經驗的氣象學家也不一定總能做出準確的氣象預測。因此，他們會使用高度專業化的數據分析方法以做出更準確的預測。

5. 數據是未架構的，半架構的，架構的還是以上的綜合。

諸如SQL等關系明確的數據庫長時間以來成功地處理了組織良好的數據，但如今的多媒體世界為我們呈現了一系列未架構的和半架構的數據，這些數據在SQL中無法得到良好的處理。這些數據包括圖像，視頻，文本文件，電子郵件交流，社交媒體，音頻文件以及其他。

以上五種鑒別方法，正是我們在討論大數據運用時，常常因為邊界模糊，定義不清晰造成的“誤判”。

這是一場顛覆性的革命，從信息不對稱的服務業出發逐步延伸到政府、制造業甚至第一產業中。許多企業家的坐標系、商業知覺失靈了，許多投資人對趨勢的判斷失效了。這最早體現在客戶結構的變化，上世紀八九十年代人群的消費成主流，帶動游戲規則的變化，物理間隔。

大數據時代一定要注意移動互聯網。在2012年移動互聯網流量已經全面超過PC了，我們如何在移動互聯網做產品，同時考慮客戶的需求點？未來軟件會免費，會成為一個采集數據的入口，行業的邊界會被打破，現在更多的行業都在做金融相關服務。數據越來越重要，已經在逐漸成為資產。

這是一個完整的電商過程，一個做得比較優質的電商從客戶進店、瀏覽、下單、付款、期待、收貨、評價。有一家大的互聯網公司，它的客戶分成接近800萬類，同時每一類貼上上萬個標簽，這是非常必要的過程。你會知道什么客戶是你的老客戶，什么是新客戶，什么是忠實客戶，什么是粉絲，以及未來在社交網絡上新的營銷方式，怎么通過粉絲進行大回響的效應等。

關于大數據的定義，準確地說是通過數據很準確、深刻地標識出來人或者事物行為的本質，通過這些數據來產生商業的或某一種動機的目的。

從這個意義上來說，至少有幾個特征不屬于大數據。第一，你有大量的數據并不能說明你是大數據，因為數據里面有意義的數據還是少數的。第二，數據之間復雜的關系往往是跨行業的，也就是說這些數據越是超越了某個行業，越是能夠更復雜地認識人的行為，這種綜合性是一個大數據的十分明顯的特點。第三，它一定是不斷交互和循環的。它會不斷地學習，通過越來越深刻的、循環的過程，使這種識別、標識變得更為準確。

所以它也是動態的，因此大數據被應用于識別標識行為的過程中。今天因為有了平臺、有了提供者、有了人參與、有了綜合和跨越，最終服務于商業根本的目的。