今天，談談大數據。（2）

本文責編/作者： @劉彥宏 （@小油）

修正：@Akira（at不出來我也很絕望啊） @Copper菌

回顧上一章：

• 大數據，不是一個「新概念」，卻是火起來的「新玩意」
• 數據決定生死，分析能力也決定生死，這是一句真話

總的來說，上一章，我們講的是「大數據的概念」與「大數據的發展形成」。

閱讀提示：本文涉及主觀的觀念，為的是培養一種基礎的認識，並不是嚴謹的概論。關於大數據的事情，多是見仁見智。

大數據的特點

說到大數據的特點，我們就不得不來說一下由IBM提出的經典的「5V特點」：

• Volume（大量）
• Velocity（高速）
• Variety（多樣）
• Value（低價值密度）
• Veracity（真實性）

（本文斜體字，均摘自百度百科）

這個「5V特點」，我們要從哪裡入手呢？我覺得，首先要從互聯網已經固有的兩個特點入手：

Volume（大量） Velocity（高速）。

• 容量（Volume）：數據的大小決定所考慮的數據的價值和潛在的信息；
• 速度（Velocity）：指獲得數據的速度。

這兩個很好理解。我們把大數據和傳統的問卷調查進行一個對比，就能發現大數據在數據大小上的優勢。大數據的收集和整理源於每一次點擊操作、每一次瀏覽操作；而問卷調查是讓用戶告訴你，理論上來說不可能會獲得特別多的數據，至少沒有大數據這個龐大的「資料庫」多。而大數據每次收入的是微量的數據，所以速度快，但是整理出來就有龐大的數量，所以稱之為「大數據」。問卷調查短則幾分鐘，慢則半小時，視要收集的數據的大小和複雜程度而定。我們這裡還提及了「數據的價值」和「潛在的信息」，這個在後文分析。

然後，我們再說說大數據所特有的真正的「特點」：Variety（多樣）Value（低價值密度）Veracity（真實性）。

• 種類（Variety）：數據類型的多樣性；
• 價值（Value）：合理運用大數據，以低成本創造高價值；
• 真實性（Veracity）：數據的質量。
• 複雜性（Complexity）：數據量巨大，來源多渠道（註：複雜性不屬於「5V特點」，但我們放在這裡，方便大家理解）

這裡所說的多樣，其實指的就是大數據的數據採集點較多；前文也說過，你每一次觸發的操作，都有可能進入大數據這個龐大的「資料庫」。有了多種多樣的數據，才方便更好的描繪用戶畫像嘛。大數據的三個特性：大量、多樣、複雜性，其實都是合而為一的！我們一直都在強調一個問題：大數據是無價的！大數據所代表的是一類人，一種人，而不僅僅是一個人。一個人的信息可能很渺小，但是一群人的數據就很重要了。掌握了大數據，就能夠掌握市場的趨勢，社會潮流的趨勢；尤其對於在線購物行業，就能夠知道你要買多大的衣服，你要買什麼，你是肥宅還是數碼愛好者，是個職場精英還是個全職媽媽，又再根據這些種類，這些標籤，給你量身定製推薦內容。這就是「低成本創造高價值」：因為已經有了一定的數據基礎，所以不需要使用過多的資源，過大的人力就可以給你提供準確友善的體驗，從而促進經濟效益層次上的轉化。至於真實性，前文已經有所提及：既然用戶會在我的網站上有所行動，有所行為，有所表現，為什麼我要刻意地去追問他，而不把他的行為記錄下來，再進行分析呢？人不是都那麼地「誠實地對待別人」，但是為了自己的事情，人並不需要「自欺欺人」。如果你喜歡迷彩軍裝，你總不會特地去買一套特別小氣的服裝去迷惑系統吧？大數據從用戶行為的層面上，就保障了數據的真實性，高質量；這也是「有些話我不說，但是行動上會表達」的道理。

大數據的缺點

說完人們老生常談的「5V特點」，我們其實不難發現，這概括的都是大數據的優點！對於，一件事物，我們總要一分為二地看待。大數據和他的老前輩——問卷調查，都有一個逃脫不掉的弊端。

可變性、多變性。

這個又要和前文的複雜性聯繫在一起了。因為數據很複雜，來源很多，所以導致大數據和與其相關聯的用戶畫像常常不穩定。有可能你昨天見到的年輕人還在高呼「李澤言是我老公」，今天他們就在念叨「我的崽崽怎麼還沒回家」了。這時候也會導致推薦內容和營銷策略的劇變。這些變化總有可能會廢了一些具有時代潮流特徵的數據：因為新的時代、新的潮流又來了！可是也有一些觀點認為，這種數據是廢不得的：正是因為從他們喜歡什麼的角度著手，才能預測下一次的潮流將會是什麼，以做好應變準備。

總而言之，可變性和多變性妨礙了處理和有效地管理數據的過程。

大數據是一個龐大的資料庫，所以數據量如果不夠，連大數據的資料庫都無法構成。這又是和問卷調查都有的同一個弊端：

如果樣本量不足，對結果、判斷和用戶畫像會有驗證的影響。

假如說你把一位堪比「陳獨秀」一樣秀氣、特別的年輕人，丟在幾千個年輕人裡面，你很可能認不出他；假如把他放在十個年輕人，甚至五個年輕人裡面，他就很扎眼了，堪比「蒂花之秀」。這個時候系統可能就認為：年輕人有一些特點，都會和他的差不多。（要是系統沒有見過年輕人的話）

但是實際上這麼特殊的人只是少數，應該特殊地隔出來處理，而不應該把他直接放到數據大流裡面，任他「污染數據」！

回到問卷調查，如果你只知道一個人的心聲，那肯定是不足夠的；只有把數據整合在一起，才能得到趨勢。

大數據還有別的缺點，並且，我們所說的「如果樣本量不足，對結果、判斷和用戶畫像會有驗證的影響」這個缺點實際上是不構成的：沒有龐大的數據量，連大數據都無法組成。這裡就不再做贅述，請讀者朋友們自己斟酌。

（註：①相關文獻參考請看後記）

（未完待續……）

後記

（整個系列都沒寫好，你寫後記幹嘛）

實際上，作者的觀點並不完善，還請讀者們理解。事物的正確答案不止一個，至於大數據相關的問題，還有很多爭議，這裡我只說到了一些基礎的內容，只是為了讓大家有一個簡單的理解。未來的天空還很廣闊，等著我們去自由探索。有任何意見、建議，或者是討論問題，歡迎在評論區發表。

今天美工不在家，不要吐槽為什麼今天沒有圖片了

工作室官網：www.ingee.online

視頻連載（主要）：https://space.bilibili.com/85607996

直播間（主要）：https://live.bilibili.com/3376841

「大數據的缺點」部分文獻參考：

《白話大數據與機器學習》/高揚