一、“火爆”的大数据

说起数据类型，你可能脑海中第一个蹦出的词就是“大数据”。几年前，你可能会因为没有听说过这个词而被鄙视“落伍”，今天就不会了。一个原因是没听过的人越来越少，另一个原因是大家太熟悉这个词了，就不再觉得了解大数据是什么了不起的事情。

打开百度指数（一个反映网民在网络上搜索关键词的搜索量趋势的免费工具）搜索关键词“大数据”，可以清晰地看到它在国内的热度趋势（见图1-4）。自2012年起，这个词以燎原之势火遍全国。到2018年，这个趋势开始放缓，除偶尔因为特殊新闻事件导致的搜索量激增外，慢慢成为一个常态化的搜索量级。

这个概念最早在国内火起来，是因为美剧《纸牌屋》。有人甚至用“巫术一般的精准”来形容在这个剧的创作过程中，大数据起到的作用。

据说，《纸牌屋》的数据库拥有超过3000万用户的收视选择数据，还有几百万条评论和主题搜索数据等。节目拍什么、谁来拍、谁来演、怎么播，都是基于对这些数据的分析统计来决定的。无论是用户研究、内容偏好，还是内容转化，都有数据的引导，从而实现了内容创造的C2B（Customer to Business），也就是“由用户需求决定内容生产”。

这个在当时看来神奇、神秘又带着高科技光环的故事瞬间点燃了这个概念的热度。那段时间，打开知乎（一家网络问答社区和内容创作平台），大数据的问题俯拾皆是。很多不同行业的人士都纷纷提出了类似的问题：

游戏行业，大数据该如何应用？

大数据在金融行业有哪些应用前景？

大数据在石油行业可以干什么？

大数据在电信行业的应用目前的状况如何？

大数据会如何改变管理咨询行业？

大数据在铁路行业的应用是什么？

大数据会对审计行业形成冲击吗？审计行业是否会因此而消失？

大数据对财务行业会产生什么样的影响？

传统行业如何搭建大数据团队？

…………

不是“怎么用”，就是“未来会怎样”，或者“如何搭建团队”。

由于关注度居高不下，便出现了很多“蹭热度”的行为。比如披着大数据的外衣来吸引眼球，其实只是用了“大量的数据”，东拼西凑了一些信息，推出一些似是而非的结论。或者打着大数据的旗号，其实只是为了宣传自身的产品或品牌。

大数据之所以叫大数据，是因为它有五大特性，由IBM公司提出。这五大特性也称为5V理论，是由五个以字母V开头的单词组成的，分别是：

• 大量（Volume），指数据量巨大。

• 高速（Velocity），指时效性很好。不像部分数据类型的获取周期比较长，有的时候昨天产生的大数据，今天就能够拿到。

• 多样（Variety），指维度很多。有的数据类型只有单一维度或少量的分析维度，但大数据不仅数据量巨大，其中包含的维度也很多，方便大家进行多角度的分析思考。

• 价值（Value），指数据背后的分析价值和研究意义。

• 真实（Veracity），大数据都是基于自然产生的事实数据，这些数据原始不虚，没有经过二次加工。

当数据同时具备这5个特性的时候，就可以称之为大数据。比如说我们耳熟能详的很多平台，像阿里、腾讯、百度等，都是拥有大数据的。

以每年“双十一”的淘宝数据为例，“双十一”前后的平台数据量是非常巨大的，绝对是“大量”的数据。它的时效性也很强，当天的数据，平台很快就可以进行整体分析了，很“高速”。数据的维度也很多元，有销量数据、热门购买时间分布、价格趋势、收藏趋势、退货数据等，是“多样”的。数据的商业价值也毋庸置疑，你可以从中看到国人消费重点的变化，看到不同企业的产品兴衰，看到不同品类的特点等，是有“价值”的。最后，这些都是源自用户真实行为产生的数据，也就是事实数据，是“真实”的。

大数据本身固然价值非凡，但基于企业的需求和成本考虑，以及我看到的一些大数据“神话”的现象，我在这里想泼一点“冷水”。

以前面说到的《纸牌屋》为例。更准确一点的说法也许是：大数据分析是《纸牌屋》成功的必要条件，而非充分必要条件。与其说是大数据成就了《纸牌屋》，不如说是《纸牌屋》大大提高了“大数据”的影响力。

原因有以下三点。

首先，数据确实能帮助制作方了解用户的过往内容偏好。但是用户曾经喜欢不代表未来也会喜欢。未来有无数种可能性，人们未来的口味太难预估。到底拍什么样的故事、选什么演员会火，依然需要制片方和导演的经验、直觉，以及赌徒式的决断。

其次，数据能够帮助制作方实时了解用户对已播剧集的喜好，从而优化未来的剧集内容。但是数据无法完全代替创意，再好的故事梗概如果遇上不好的内容编辑，依然会被埋没。

最后，数据是“死”的，通过数据得出什么结论要靠人。同样的数据，不同的人可能会得出完全不同的结论。因此，客观存放在那里的数据，背后的价值能否被挖掘，以及能被挖掘出多少，也有很大的不确定性。

有的人会误以为掌握海量数据就等于拥有了数据分析的能力，这是不对的。其实，就连《纸牌屋》的编剧约翰·曼凯维奇对中国用户热议的“纸牌屋通过大数据大获成功”的观点也觉得莫名其妙，并坚决否认。他曾在接受《北京青年报》采访时明确表示：“一部剧的走红，关乎导演、演员，更关乎有创意有深度的故事与讲述故事的手法，但市场本身充满了偶然性，并非数据能够算出的。”

数据都是要靠“人”来分析的，就算是前面谈到的蚂蚁金服集团的“数据驱动业务”案例，前期的建模和迭代也依然要靠“人”来打好基础。

大数据确实有用，但可能并没有你想象中的“那么”有用。