大資料說的那麼懸，其實主要是做三件事：

對使用者的理解、對資訊的理解、對關係的理解。

如果我們在這三件事之間還要提一件事的話，一個叫趨勢； 還有政府部門做的輿情監控，可以監控大規模的資料，可以分析出人的動向。

主要行業應用

1. 醫療行業

2. 能源行業

3. 通訊行業

4. 零售業

大資料前幾年是非常火熱的話題，各大新聞媒體都在鋪天蓋地的宣傳，科技人士不談大資料就不像是科技圈的，不應用大資料彷彿就不是科技公司，直到人工智慧和區塊鏈的上臺才稍稍蓋過大資料的風頭！但經過這麼多年的宣傳，大資料在大多數人心中定義成了非常可靠，作用非常大，甚至有神奇作用的科技手段！對於大資料人們或許有點過於迷戀了，誇大了它的用途，一旦運用不當，可能會造成重大的損失！

人們對於大資料的迷戀可以理解，畢竟現實生活中，分歧很多，各有各的觀點，最具說服力的往往是資料！冷冰冰的資料往往不帶主觀性，不偏不倚確實比主觀觀點什麼更值得信任，這反而說明社會進步了！但是大資料一旦被誇大或者運用不當，人們錯誤的觀點往往會加深，進一步固化！

例如多年以前，某購物網站發表了一篇關於女性胸圍的大資料，透過銷售的資料得出了一個結論黑龍江姑娘的胸圍最小！這與大家普遍的認知產生了很大的衝突，因為大家普遍認為東北姑娘身材高挑豐滿。這個資料一出來，部分堅信自己省份女性更好（但多數人不認同）的人，認為這份資料是有力的證明！

這份資料是不是符合現實，沒調查我不知道，去過的省份也少，但這份資料真的能說明問題嗎？有沒有另外一種完全相反的可能性——黑龍江的姑娘胸圍不是最小，而是普遍很豐滿，當地的商店擔心小文胸不好賣而不進貨，部分女性只好上購物網站購買！

再舉一個例子，購物網站資料證明，40歲以上的高消費男性更愛擁有事業線的女性，價格在百元左右，而“屌絲男”則對“事業線”沒太多需求，僅對豹紋款的內衣表現出偏愛，其消費區間在30-50元之間。這種資料證明沒有什麼說服力，從人性的角度來講，難道40以下的男性不偏愛擁有事業線的女性？“屌絲男”需求也得建立在女友的基礎上（總不至於買個文胸自己用吧？），很可能是因為擁有事業線的女性更偏愛選擇高消費男性！

誠然大資料在資料記錄方面，資料異常對比有著無比巨大的優勢，例如打擊刷單等行為！但把大資料等同於科學，迷信它得出的結論是一種很嚴重的錯誤，它沒有人們想象中的那麼靠譜！

很多商業公司都追求數字化轉型，紛紛想把大資料引用到自己的商業活動中， 但國外研究機構Gartner透過調查發現60％的大資料專案是失敗。而Gartner分析師尼克·海德克（Nick Heudecker）表示，實際數字現在已接近85％，因為人們還是“過於保守”！

關於大資料失敗的例子最典型的就是google的流感預測了，而我相信若不是剛開始2008年預測的“成功”，google根本不會大肆宣傳自己的大資料，後來幾年的預測表現實在是打臉！畢竟沒有哪家公司願意主動告訴人們他們失敗的專案，他們更願意用成功的，富有故事性的成功案例來宣傳自己，即使告訴了媒體也覺得沒什麼報道價值，他們更熱衷於報道新事物的神奇！

自媒體運營的人對各大平臺的推薦效果感觸應該很深！雖然各大自媒體平臺都宣稱採用大資料智慧化推薦，但是實際上效果差距甚遠，一模一樣的文章基本同時在不同平臺發表（不去運作的情況下），你會發現差距很大，有的沒什麼推薦沒什麼閱讀，有的不溫不火，有的平臺迅速熱起來了，收藏轉發評論的很多，閱讀量很快就起來了，也許下一篇文章，你發現跟原來的又不一樣了，完全偏向隨機性的，離智慧還是比較遠！

為什麼說大資料不是科學？

目前大資料的應用還是在眾多的資料中分析得出結論，這很像科學剛開始的樣子，但卻缺少科學最重要的驗證過程！大樣本隨機雙盲分組對照實驗已經科學驗證標準正規化了！在單一條件不同的情況下，需要人工設定其餘條件完全一模一樣，從而透過對比來觀察單一因素對實驗結果的影響！可是一到社會活動中，各種變數就複雜多了，大資料往往來自於各種各樣複雜的社會條件下的產物，而社會又在不斷地變動中，如何做到其他條件不變？結果是什麼條件導致的，是單一的條件還是很多原因共同導致的？

例如大資料最有名的例子就是啤酒和尿布的故事，沃爾瑪透過銷售資料發現在某些特定的情況下，“啤酒”與“尿布”兩件看上去毫無關係的商品會經常出現在同一個購物籃中，隨後調整商品分佈將尿布和啤酒放置在同一片區域，從而提高了銷售收入！沃爾瑪給出的原因是嬰兒的母親一般在家帶孩子，孩子父親負責購物，所以幫孩子購買尿布的同時也會順便給自己買啤酒！

你不覺得奇怪嗎？如果這種發現真的有用，那麼其他商店就會學習跟進，然而現在我們能看到幾家超市是將尿布和啤酒放在一起的，就連沃爾瑪自己現在也不這麼幹！難道現在是帶嬰兒的都是男性了？沃爾瑪給出的原因根本沒有什麼變化！什麼條件導致這樣的現象無從驗證，也許是當時啤酒正在促銷，也許統計資料的時候剛好遇上了啤酒銷售旺季，或許當地剛好有什麼狂歡節日，導致啤酒需求量上升，又或者那段時間天氣實在是太熱了，說不定當時剛好趕上什麼重要的賽事，比如說世界盃等等，現實生活中就是有這麼多因素，不管其中的一種或者幾種很多種都可能導致啤酒需求量上升！天氣，賽事這種偶然性的因素很難重現，又或者這幾種條件很那重現共同出現，你如何去控制所有條件，改變單一因素？

大資料作用很大，能給我們帶來很多好處，但它不是萬能的，也存在很多侷限性，一旦迷信大資料不做認真的分析和判斷，往往可能把這種偶然的現象當成規律來處理，這個時候你會投入大量的資源來配置，教訓也就隨之而來了！

是的，現在是網際網路時

大資料（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。是不是感覺聽不懂？聽不懂沒關係，你只要知道大資料是很牛逼的一個東西就行，不然為啥這麼多公司都用大資料包裝自己。