Big Data還是Better Data？現在或許該談談智能數據了

今年年初的營銷界顯得格外熱鬧，寶潔的高管在不同的場合連番炮轟數字營銷的不透明，聯合利華計劃縮減三成的廣告投放以提高營銷效率，阿迪達斯宣布未來會停止電視廣告投放，而Youtube的極端主義視頻事件讓大量品牌對程序化購買產生了質疑。

巨頭們表現出的截然不同但又極端的態度，都源於數據已經成為營銷行業中不可忽視的關鍵因素。所以，一連串事件隱隱地告訴我們：需要和上一個不談數據的營銷時代告別了。

可口可樂發出了迄今為止最為明確的信號：它裁撤了CMO（首席營銷官）的職務，用CGO（首席增長官）取而代之。從名稱的轉變就能夠知道，未來的營銷將擔負起更多數據增長的職責。在可口可樂的官方通告中，CGO的工作內容被定義為「結合營銷、消費者服務和商業戰略為一體」。不難看出，數據將成為這位「新官」亟需點起來的一把火。

過去幾年的互聯網發展，讓所有的企業都明白數據的重要。不管是消費者數據，供應商數據還是銷售數據，在每一個談論廣告和營銷的場合，每一個人都滔滔不絕地講著數據的重要性。但所有營銷人也都明白，我們開始步入了數據的「無人區」，沒有任何以往的經驗可供指導。

那麼，我們該如何看待數據？或者說，正確的姿勢到底是什麼？

Big Data還是Better Data？

伴隨著《大數據時代》一書的風靡，「大數據」的概念開始被越來越多的人接受。某種程度上，它甚至成為了互聯網企業手握的尚方寶劍，畢竟數據是它相較於傳統行業最重要的優勢。

電子科技大學教授周濤曾表示，大數據時代處理數據的理念上會有三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關不要因果。谷歌人工智慧專家PeterNorvig在一篇名為《數據的非理性效果（The Unreasonable Effectiveness of Data）》的文章中提到「大數據基礎上的簡單演算法比小數據基礎上的複雜演算法更加有效」。

簡單地說，數據收集的範圍越大越好，越全越好，量的重要性比質更高，這也成為了現在互聯網企業熱衷造生態的原因。甚至有些時候，大數據一詞被濫用在毫無意義的語境中，成為吸引資本和媒體關注的工具。然而人們卻發現，當面對過量的數據時，如何使用和分析它們成為了難以逾越的問題，尤其是在缺乏容易使用的工具的背景下。

所以，大數據越來越像是少數技術人才的遊戲，這成為了他們在互聯網時代馳騁的理由。這種狀況像極了歐洲早期的僧侶和貴族，只有他們懂得文字的書寫，壟斷了知識。對於其他的大多數普通人來說，他們知道自己身處一個巨變的世界，但卻沒有著力點。猶如現在的絕大部分沒有技術實力支撐的企業，他們希望參與進來，但卻被橫亘在面前的數據大山死死擋住。

人們開始對「大數據」感到厭倦

「我們到底要BigData還是Better Data？」賓夕法尼亞大學沃頓商學院教授Eric Bradlow前幾年的這一問引發了我的思慮。大數據概念本身更強調數據的容量，那麼數據的質量呢？我們看到了太多這樣的案例：企業不惜代價收集數據，但卻始終無法將這些數據轉變成有效的貨幣價值。其原因就在於大量的數據不僅無用，反而因為過多的「噪音」干擾增加了數據清洗和分析的難度，而這些問題本可以避免。

所以，Bradlow教授認為數據收集並不是大數據競爭的關鍵，數據分析才是，很多企業都跑偏了方向。它們應該更多地將精力放在中間的環節，這直接關乎企業是否能建立起更為有用的BetterData。

Better Data確實是一個正確的方向，但是，它能夠解決所有的問題嗎？

智能數據來了（BetterData=Smart Data）

Better Data提出的背景是基於Big Data，它強調的是數據的有用性，這也成為了BigData未來必然的發展方向。但是，Bradlow教授認為分析數據的主體是那些有經驗的數據科學家，但是人工智慧的快速發展讓人們看到了另外的一種可能。

Alpha go與李世乭的圍棋對壘在人工智慧的發展史上頗具意義，它第一次讓最大範圍的消費者看到了人工智慧的魔力，也將這一技術從實驗室帶到了真實的世界中。當Google和百度等巨頭紛紛布局人工智慧時，一種「人工智慧+」的氛圍開始逐步形成。而具體到數據領域，就誕生了「智能數據」這樣一個概念。

在Chinapex創略CEO Jimmy Hu看來，智能數據是「真正能夠應用於解決實際問題的數據子集」。通俗地來講，過濾大數據中「噪音」的主體變成了人工智慧。通過機器的深度學習，那些能夠解決實際問題的數據自動地被篩選出來。

它的好處顯而易見：能夠更快地提高解決問題的效率，也能更加輕量級和靈活地搭建解決方案，在同等條件下成本更低。更重要的是，機器學習的潛能是趨近無限的，在不斷的訓練中它還能對特定的業務問題提供更深入、快速和精準的洞察。

大數據的倡導者常常表示，我們把與數據交流的困難看做理所當然，所以為了讓分析變得簡單，而選擇將數據量縮減到最少。但憑藉人的經驗對數據進行篩選往往會讓那些富含價值的數據流失，而智能數據剛剛平衡了兩者間的關係：通過讓機器進行分析篩選，既防止了數據流失，又保證了分析的簡單易用。

但具體到各個環節，如何實現數據的智能化處理呢？

一般來說，智能數據的收集不再追求「大而全」，它將變得更加目的導向。通過技術解決方案供應商提供的工具，企業能夠根據實際問題決定哪些數據需要被收集。

到了分析環節，機器擁有了更寬的運行空間，它們不再被人為的邏輯和演算法框死，擁有更多的自由裁量權。但與此同時，Chinapex創略首席科學顧問LaurentEL Ghaoui表示「機器學習和AI正推動人機共生的增長，機器智能做體力活獲取洞察，人類做策略性的思考......每一方（人或機器）去做他們最擅長的事。「所以，智能數據並不追求也不可能取代人力，相反，它更需要機器和人之間更加緊密地互動與配合。

因為大部分的數據價值在於使用，而非佔有本身，所以最後的應用環節頗為重要。在互聯網瞬息萬變的環境下，數據的價值只能通過更快的響應才能彰顯。因此，在智能數據的構想中，下一代的智能數據平台應該與「行動系統」實時聯通。當數據達到了此前設置的某些規則設定時，企業的行為會被自動觸發。譬如當某些房產購買者的數據觸達到高凈值用戶的標準時，相關線索就應該自動被推送到銷售人員手中及時跟進。

企業的機遇

如果技術有意識的話，它應該願意被更多的人熟知。因為但凡被證明是成功和有價值的技術，它們大多數都走向了「工具化」的道路，被越來越多的普通人使用，汽車如此，計算機亦然。

大數據大概也正在經歷著這樣的階段，從由少數精英掌控到最終變成了生活中必不可少的「工具」。從這樣的層面看，智能數據的發展邏輯依然成立。它最大的價值就在於很多工作由機器完成，降低了大數據分析的難度，使得數據管理技術變得更為大眾。

這甚至能夠產生一個新的商機，乃至商業世界。對於當下的中小型企業而言，它們最大的劣勢就在於技術累積上，因此被少數互聯網巨頭牢牢圈死。當新的技術解決方案供應商提供了更易用的技術時，中小型企業就擁有了更多的自主權和話語權。所以，它們對智能數據的需求必然是旺盛的，眾多的利基玩家構建出一個龐大的長尾市場。這樣的情況將與百度的崛起頗為相似，百度就是籠絡了大量沒有中小型企業，這些企業有傳播的需求但卻沒有足夠的收入進行傳統媒體投放。通過這一個個原本不起眼的商家，百度開始構建起了現在的商業帝國。

而從一個更廣闊的視角來看，當大數據技術變得更加「親民」，也將會有大量的商業機會孕育出來。實際上，你可以把目前「創新者的窘境」理解為那些等待春雨的種子，春雨落下之時就是它們噴薄而出之日。走向「大眾化」的技術就是一場場春雨，譬如IBM推出的第一台個人電腦或者喬布斯掏出的iPhone4S。

所以創新看似困難，但大數據領域已經有一些隱隱的跡象。每個人都想抓住機會成為勝者，但命運會垂青誰，時間很快就會給出答案。