大數據分析成功的關鍵在於真的有用

大數據比較熱。傳說中的牛公司都在做大數據。阿里巴巴前不久收購了一家數據分析的公司，最近雅虎也入手一家中國社交數據分析的公司，由此可以看出大數據能力多麼的被看重，即便是互聯網巨頭們也覺得自己囊中羞澀能力欠缺。

不過，與這股熱鬧相反的卻是大數據應用的乏力，即便是號稱數據能力超群的阿里巴巴也幾乎沒有摸到數據的門檻。可以毫不客氣的講，以目前淘寶上的通過數據分析展現出來的購物推薦看，這種大數據幾乎是被糟蹋了。甚至有微博稱，自己僅僅是好奇於朋友說淘寶上賣棺材是免費送貨而打開了幾個店家的頁面看了看，結果，此後的一周自己的網頁上便不厭其煩的開始被推薦各種各樣的骨灰盒與棺材，真是讓人汗顏。

不管你的數據來自哪裡，是來自COOKIE，還是用戶的歷史瀏覽和消費記錄，線性的思考方式絕對不適合以人腦思維為基礎的客戶行為預測，即便號稱神經網路等等的非線性分析方法，也很難準確的進行預測評估，歸根結底，人的行為是社會性的，人的決策也非完全理性的，更不要說毫無提前量的人云亦云的亂推薦。

大數據確實給分析人員提供了更好的基礎，IT技術的發展也讓人們有了更方便的分析工具，但卻導致了越來越多的分析過程被機械化的技術專業人士們主導，喜歡遨遊在編程海洋中的技術天才們多數都是不食人間煙火的科技瘋子，就數據論數據的方式嚴重製約了數據分析結果的使用價值。

因此，大數據分析的成功不僅僅在於應用，更在於能夠有價值的應用，粗製濫造的去應用很可能導致徹底的失敗。

做大數據分析，至少要做到以下幾點：

1、雖然你關注相關性，但這種相關性也應該在一定程度上被驗證因果，毫無因果可言的相關也許是暗含與宇宙黑洞的秘密，至少現在對人類用處不大。

2、先進的分析技術和高級的程序員都只是數據分析中的工具和操作手，都只能是作為決策的輔助，參謀不能帶長，只會寫報表的參謀永遠不能當參謀長，更不能去當指揮戰爭的參謀總長。

3、組織各個領域的專家委員會，讓消費者研究專家們看那些似是而非的結論，然後根據發現的可能亮點再去有針對性的發掘，漫無目的或者成規制的出報表只適合績效考核。

4、讓那些分析網路訪問量、用戶來自哪裡、喜歡看什麼網頁等等的傳統互聯網分析理念遠離消費推薦領域，用那些為了網站運營而去分析的套路去看待消費者行為是刻舟求劍，驢唇不對馬嘴。

5、忘掉那些高深的術語，被用專業門檻將公司裡面的需求者阻擋在豪門之外，數據分析沒那麼神奇，即便多了一個大。

6、數據也會說假話，片面相信數據的結果是徹底的教條主義，任何看似非常科學的結論都有可能是你自己的分析方法導致的。

7、大數據當然有用，但要掌握在有用的人手裡，更要掌握在會用的手裡，更更需要掌握在不亂用的人手裡。

8、讓機器替代人腦，認為機器可以替代人腦，只要傻子才這樣想，至少在人類文明的現階段是傻子。

9、根據客戶行為做推薦的時候多設置幾道識別好不好，特別不靠譜的給攔住，即便不能給客戶提供幫助，也別給人家添堵。

10、做好大數據，先從小數據開始吧，雖然你可以說大數據可不僅僅是個大，但任何的大都是從小來的，不積小流無以成大海，不積跬步不能走千里啊。

最終，謙虛使人進步，驕傲使人落後，大數據的專家們共勉。

鑽探都督府：基本上是垃圾。我太太曾經用我的帳號買過一次胸罩，結果我的屏幕上總是向我炫耀新式胸罩；我曾經給我兒子買過一次外交官旅行箱，從此總要我買旅行箱。他們對業務分析的水平太低了。從數據到數據，是數據科學的糞坑，但是阿里的數據分析人員總在糞坑邊淘金。

@徽劍:目前國內數據分析本身就走入了一個誤區，重數據，輕建模；重技術，輕人文。一個好的數據分析體系，首先得有一個良好的理論模型，用它去指導分析，然後通過數據不斷修正它，任何把數據分析當數學和代碼來搞的最後肯定鬧笑話。

哈哈笑的狗：別信啥數據建模，還是經驗最可靠，數據分析的過程就是在總結人手工分析數據的過程

社會學吧：基於假設的模型建構是數據分析的基礎，只可惜大部分專業不教建模的。但是大數據的特性決定了一部分無模型探索分析的存在，以及不基於假設的機器學習的模型的產生。

上帝-偶賣糕的：啥是大數據？跟現在的已有形式有什麼區別？是概念上的忽悠？還是事實上的扯淡？也許根本就沒幾個人搞得清楚，大多是人云亦云罷了！以前」雲「概念出來的時候，我就說了，沒必要吹得那麼神乎其神，純粹就是」皇帝的新衣「嘛，要是嘴裡不蹦點啥雲啊、啥大數據啊，還真對不起這張臉

艾瑞-王亞謙：數據挖掘/分析、大數據都是商業概念，受預算約束。商業決策的核心是人，數據只起輔助作用。任何把數據學術化、技術化都是錯誤的

劉豐奎：他們的數據記錄是準確無誤的，這個不需要質疑殭屍數據公司的能力，但是分析邏輯和草率的結論可笑至極！！這不會被推薦而購買，而是帶給客戶更不好的感受，如果說好處……那唯一好處就是提醒對這種網站不反感的用戶，該去看看X寶、京X最近的優惠了！