大数据的缺陷

航空公 司自己给 出的航班排 期表都准确， 从而节省
了乘 客 的 时 间。
还 原和分 析人 本身， 进 而作为商业发 展 的判断依
据， 大有可为． 但并非是万能解决方案． ， ．
这 样的情况还 有很 多， 善 于利用大数据 的公 司
２ ０ １ ３ ０ ２ ２ ５ 中 国 经 济 和 信 息 化１ ０ ９
革》 一 书中， 列举 了 很 多大数据 制胜的案例。比如 美
国的 物 流 公 司ＵＰ Ｓ 通 过 监 测 全 美６ ７ ７ 辆 车 的各 种 数
页面推荐 了数码产品 但最终Ａ 顾 客并没有购买，
而是 买了 一个洋娃娃。这个消费行为从 来没有出现 在数据积 累中， 也许 亚马逊会 认 为是 自己数据 出错 了。 但 实际上 ， 这次购物只是Ａ顾客一时冲动， 或 者
如果仔细考虑 不难发现 ， 大数据概念的兴起 ， 实际是科技 逻辑 一贯 的思路 在起作 用—— 即在西 方的科技 逻辑体 系中， 人 是可以被物化的， 通过一 系列外在的、 标 签式 的符 号， 能 对人 进行规 定 ． ． 进 而通过一系列外在的科技化语言和数据 ， 能找 出规
黄河
蜕新
， 专栏
科 技
眉； 删
如果要找 出中国科技界和时尚界的共 同特点 ， 那么可能是 ， 两者都对流行 的概 念着迷 ， 但热度可 能只有两三年。
名单 还 包括 ： 谷歌 、 亚 马逊 、 Ｉ Ｂ Hale Waihona Puke Baidu、 苹果、 Ｆ ａ ｃ ｅ ｂ ｏ ｏ ｋ
等 它们都认 为大数据 的核心 竞争力在于预测， 能 比对手更 精准地知道 下一步—— 这的确是 大数据
大数 据 本 身并 非新 鲜 事 物 ， 上世 纪９ （ ） 年 代
Ｉ Ｂ Ｍ进行 计算机翻译项 目 的时候 ， 大数据 的雏形就 已经出现 、 当时Ｉ Ｂ Ｍ把 ３ ０ ０ 多万条英文会 议资料 信
息进 行 处 理 ， 然 后 让 机 器以此 为基 础 进 行 翻 译 虽
律， 找 出趋 势和发展 方向， 从而对人 的下一步行 为
的魅 力所在
比如 时尚界 时下流行 的是 复古风格 ， 衣 着打 扮 开始 往宽松 方向走 ， 而一两年前还是 紧身衣受 欢迎 。 在 科技界 ， 如 同一阵风一样流 行的有０ ２ ０ 、 Ｃ ２ Ｃ、 Ｃ２ Ｂ、 ＮＦ Ｃ等等， 而现在最新流行 的概念 则
是 大数 据 （ ｂ ｉ ｇ ｄ ａ ｔ ａ ） 、
据发现， 能 提 前预 测 车辆 哪 些零 件 需要 更换 ， 而之
前没 有用大数据手段 ， 只能等汽车抛锚或 出现 问题
时， 才能去更换零件。从中ｕＰ ｓ 节省 了 数百万关元的
支 出
想起了旧事， 或者只是偶然看见就想买——这 完全 是基于人本 身一时的情绪而做 出的购买决定 用更 加通俗的话来说 ， 人有可预知的部分， 也 有不可预
知 的部分 前者属于理性 ， 可以交给大数据 ， 后者属 于感性 ， 无法用数 字衡 量。 如 果想通过 大数据全 部
再 如 一 家创 业 公 司， 通 过 分 析 过 去 十年 美国 航 班 的飞 行 情 况 ， 再 结 合 实时 的 天气 、空港 各 种 数
据， 能预测 出很 多 航 班 是否正点。这些预 测甚至比
用户或消费者进 行行 为、 购买的分析， 则可能会有
一
分析数据． 很容 易汇集海量的规模 ， 从而形成正向
循 环
些 陷阱。
举个 例子， 比如亚马逊通过 网页浏览习惯 、 购
在《 大数据 时代——生活、 工作 与思维的大变
买经历、 下单情况等知道了 Ａ顾 客的消费习惯 ， 并能
分析 出Ａ顾客可能 对数 码产品感兴趣 ， 于是在 相关
现 在真 正的大数据是指 ， 在海量 的数据基 础 上， 用各 种算法进行预测分析， 从而科学地得 出结
论， 给 出指引。 而且数据规模 越 大， 算法越科 学，
得 出的 结 论 和 预 测 更 准 确 。尤 其是 移 动 互 联 网 的 兴起 ， 通 过 手 机 和 其 他 移 动 设 备 可 以随 时收 集 和
进行 判 断 ，
这样 的逻辑并无错误 ， 而且在很 大程度上 的
然结果并不佳 ， 但 算是 对一定规 模 的数 据进 行处
理、 分析 和判 断 的 开 始 、
确能起 到效果。 事实上通过大数据对用户或 者消费 者各种行为进行的判断预测， 成功率也非常高。
但会不会也有例外呢？一定会有 、 按照 大数据 的逻 辑， 预 测的发 生一定是在 精 密的数 字化的分析上 如果数字化 分析依 托 对 象 是有规律的物体， 则可能问题 不大。 但是如果是对