⑴ 為什麼說厚數據時代已經來臨
“數字會說話”可能是大數據時代最常見的口號，但唯一的現代統計預測是內特·西爾弗(Nate Silver)的提醒:“數字不會自己說話。”我們為他們說話。我們可能是一個有利的方式來解釋數據，使數據從客觀現實。”
為什麼說厚數據時代已經來臨？海量數據的時代已經到來了嗎?大數據不是簡單地由數據的數量或來源決定的，而是由“人”通過數據組合和交叉比較形成的“判斷”或“預測”。特別是在營銷領域，大數據是與人打交道，而不是與無生命的物體打交道。大數據營銷的背後是人們的行為模式和需求。因此，不可能僅僅根據數字或統計數字來作出判斷。更深入地思考品牌、產品和人之間的關系是有必要的，這種思考將是下一個厚數據時代的開始。
為什麼說厚數據時代已經來臨？海量數據的時代已經到來了嗎?所謂的厚數據不同於強調數據大小的大數據。厚數據更關注人、產品或行業數據之間的深度和背景。一個好的數據視圖通常來自於厚數據而不是大數據。“厚數據”強調需要有深厚的用戶背景，基於扎實的行業知識或經驗。通過密集的數據，工業產品和消費者之間的聯系更加緊密。
在未來，如果我們僅僅從現有的大數據中發現和判斷大數據，過於相信數字所呈現的結果很可能會導致誤判。如果能夠通過深入的使用語境來探究未來受消費者需求影響的行業發展趨勢，就可以體現出厚數據的重要價值。
厚數據時代已經來臨?沒有準備好的數據分析師將面臨這個，大數據不是單純由數據量或來源決定的，而是由“人”通過數據組合和交叉比較形成的“判斷”或“預測”。你能處理好嗎?如果您還擔心自己入門不順利，可以點擊本站其他文章進行學習。
⑵ 大數據VS小數據 9種數據類型及利用方法
大數據VS小數據：9種數據類型及利用方法
如今，具有壓倒性的數據量使得市場營銷人員和廣告商們已經難以理解哪些信息非常重要，哪些信息是純粹的噪音，哪些數據是正確的？而哪些數據又是可以信賴的？不同類型的數據具有什麼作用，又應該如何被使用？下面筆者根據專注以數據為基礎的多渠道營銷自動化智能化機構webpower的數據客觀可信度排名，給大家介紹9種不同類型的數據，以及它們應該如何被有效使用。
1.試驗性數據
通過客觀的專業第三方精心設計和嚴格控制的試驗，得到最可靠的數據。並且全程和專業熟練的分析人員一起，對數據中的雜訊進行了分離。
2.調查研究數據
由經驗豐富的專業第三方專業人士做科學研究，產生的可靠數據。研究設計，規范的數據，數學建模，刺激控制，統計控制，歷史經驗，質量保證標准等使得數據往往非常精確，雜訊往往最小。
3.營銷組合模型數據
創造一個分析資料庫，並清理和規范這些數據，採用多元統計和建模去隔離和消除部分噪音，以使營銷組合模型數據比實際銷售數據更好。營銷組合建模數據中的信號更穩定，更可靠，更加可測量。這種類型的數據可以幫助企業了解哪些變數推動了他們業務，如是媒體廣告，或者銷售人員的數量，或定價差異？但通常需要多年的數據積累來從營銷混合建模中獲得最大價值。
4.媒體組合建模數據
這和營銷組合建模是相同的概念，規則相同，只是應用了一組不同的變數。一個分析資料庫，數據清洗，建模和使數據中雜訊被最小化，從而使各種媒體的影響被分離開來。同樣，如果再與控制實驗結合，那麼這些數據和分析將更具有解釋說明性。
5.銷售數據
webpower認為銷售數據一定程度上可以被信任，但以銷售數據衡量實際銷售效果並不完美。因為銷售可能還受廣告效果、最佳媒體花費、產品質量、服務效率、有競爭力活動等等影響。經濟，競爭活動，天氣，通貨膨脹，度假周期，新聞事件，政治事件，庫存和分銷偏差，定價紊亂等因素也製造了錯誤的反饋和歪曲的景象，所以銷售數據並不是衡量原因和效果的最好方法，而只是理智的衡量什麼已經發生，它並不會告知為什麼發生以及什麼使之發生。
6.眼球追蹤數據
眼球追蹤主要是研究眼球運動信息的獲取、建模和模擬。而獲取眼球運動信息的設備除了紅外設備之外，還可以是圖像採集設備，甚至一般電腦或手機上的攝像頭，其在軟體的支持下也可以實現眼球跟蹤。隨著測量設備和軟體的穩步改善，您可以利用眼球追蹤技術獲取及生成有用的診斷信息，以幫助理解為什麼一個項目、網站或廣告沒有成功引起用戶注意或注冊某些消息或圖像。
7.生物識別或生理測量
皮膚電反應，眼睛的瞳孔擴張，心臟率，腦電圖（腦電波）測量，面部情緒識別等都非常有趣和令人興奮，他們都可能將來成為進入人的靈魂的門戶，但目前，這些措施在很大程度上是推測性的和未經證實的。其中一些措施在跟蹤人的意識覺醒上相當不錯，但如果沒有引入測量或定性研究，就沒有精確的方法去知道這個覺醒是否積極或者消極。
8.群體或咨詢小組數據
許多大公司都購買了一些能夠使其經常對一小組目標客戶進行調研及對話的系統。企業的各類人群每天或每周都在持續地進行這種小眾的調查。如果不把結果的質量考在內，每次調查或測量的成本相對比較低。但是由於這樣的群體並不真正具有代表性，也不是隨機選擇的，且很少驗證過，所以隨著時間的推移，條件反射和慣性學習的風險將破壞群體的代表意義。
9.社會化媒體數據
社交媒體數據非常受歡迎。因為該數據往往比較便宜的，數量大，並且實時（每天或每時）。許多新的軟體工具和系統也比較容易對數據進行分析。社交媒體數據也許作為早期預警系統最有價值，但是，必須始終以懷疑和質疑的態度去對外社交媒體數據，webpower認為有以下幾個原因：
1）許多產品類別和品牌幾乎從來沒有在社會化媒體上被提及，使得樣本量太小，數據的可靠性無法確定。
2）社交媒體評論受復雜因素影響，如新聞，特別活動，媒體廣告，促銷，宣傳，電影，競爭活動和電視節目等，因此數據中的噪音很多。
3）社交媒體數據受到操作。你可能會認為你正在跟隨一個重要的數據趨勢，後來才得知這只是競爭對手混淆你的一個聰明的計謀。越來越多的企業和其他組織都在努力創造社會媒體內容和管理社會化媒體評論，因此數據的研究價值也正在迅速減少。
社交媒體評論是通過網頁抓取識別和收集的，我們幾乎從來不知道確切的來源，背景，刺激因素，或評論背後的歷史。這些未知因素使得詮釋社交媒體數據變得危險。這就是為什麼我們要以畏懼的精神和充滿懷疑的眼光去審視社交媒體數據。
小數據
筆者曾經也說過，在目前階段，如果企業決策者能夠依靠一些小數據工具和系統，而不是大數據的設想，數據將能夠更好地服務於你的企業。抽樣理論告訴我們，如果樣本是隨機的，企業可以通過與很少量的人群進行交談，以測量整個目標群體的行為或心理。
一個包含1500的樣本足以預測誰將會贏得總統選舉。200-300受訪者的樣本通常足以預知整個人口喜歡一個新的產品或服務的程度。對一個包含200個用戶的樣本進行一個新的家用花生醬測試，可以精確地確定該產品是否是最優，一旦推出之後佔有的市場份額。
這些都是小數據的例子。調查研究是相對便宜，但非常准確，因為專業研究人員知道來源，刺激因素，背景和歷史，並具有可靠的測量儀器，數據規范，質量保證和控制。盡管大家都在談論及憧憬大數據，但小數據往往為企業決策提供了更完善、更准確的依據。少量（小）數據又應如何正確地被分析被理解，以獲得更高的成本效益，提供更好的營銷洞察力，在以數據為基礎的多渠道營銷自動化智能化機構。
以上是小編為大家分享的關於大數據VS小數據 9種數據類型及利用方法的相關內容，更多信息可以關注環球青藤分享更多干貨
⑶ 大數據與小數據到底有哪些不同之處
1.大數據與小數據，大量數據的區別與轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道「是什麼」，而不需要知道「為什麼」。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。
2.還有一個重要的區別是在用途上，過去的數據很大程度上停留在說明過去的狀態，拿數據說話，實際上是用過去的數據說明過去，而大數據的核心就是預測。大數據將為人類的生活創造前所未有的可量化的維度。使數據從原來停留在說明過去變為驅動現在，我以為預測對企業的作用從兩個方向：
A.宏觀是對趨勢的預測，給企業做大勢分析，
B.微觀是對個體的精準分析，給企業做個性化精準營銷
3.從結構上，大數據更多的體現在海量非結構化數據本身與處理方法的整合
大數據與小數據判斷原則：
A.數據的量
B.數據的種類、格式
C.數據的處理速度
D.數據復雜度
4.分析基礎不同，大數據是只有在大規模數據的基礎上才可以做的事情，而這需要有從量變到質變的過程，也正因為科技的創新在方法上打下基礎，而利用互聯網展開的新的生活與工作方式，讓信息積累到可以引發變革的程度，而很多事情在小規模數據的基礎上是無法完成的
也就是說，數據驅動企業是一個數據積累從量變到質變的過程，不是工具問題，是數據積累問題。一切以為做個好的信息化工具就可以實現數據驅動企業，都會出問題。
大數據帶來的改變？
前面所有的文章都在談改變。這個話題要不停地談。其最主要的是其讓我們獲得新認知，創造新的價值；從而改變市場、組織機構，政府與企業。改變企業的商業模式與運營模式、改變目前的所有行業，目前已經在天文學和基因學得到廣泛利用。
⑷ 大數據離不開 「厚數據」
大數據離不開 「厚數據」
當前，全世界各種規模的公司都在被告知需要大數據——大數據是驅動下一輪創新的源動力。風投公司專門確立針對大數據的投資組合，初創公司對外宣稱自己是 「大數據」 公司，成熟的巨頭企業會成立專門做大數據項目的數字創新團隊。面對先進的計算數據收集和分析能力，許多初創公司和大型企業不惜以犧牲人的洞察為代價，過度地專注於收集定量數據。這種把定量數字凌駕於定性洞察之上的做法著實令人擔憂。我就曾親眼見證了一家公司為此遭受到的重大影響，沒有任何一家公司會希望遵循這種做法。
2009年 的時候，我在諾基亞做調研工作。諾基亞是當時新興市場最大的手機公司。我在研究中發現，這家公司在整體商業模式上正面臨挑戰。經過多年在中國的人類學研究工作，不論是與外來打工者一起生活，體驗街頭小販的辛酸苦辣，還是沉浸在網吧世界，這些都讓我看到了大量的市場信號，我有理由相信，低收入消費者已經准備好為更昂貴的智能手機買單。
當時我的結論是，諾基亞必須轉變他們當前的產品開發策略，從製造價格昂貴、面向精英用戶的智能手機，轉而開發價格適中、面向低收入用戶的智能手機。我把我的研究報告和相關建議匯報給了諾基亞總部。但諾基亞在看過我的研究發現後卻不知道該怎麼做。他們說，我的樣本量只有 100 個，和他們成百上千萬的樣本量相比，簡直就是微不足道。另外他們還說，根據他們現有的數據資料，我的洞察發現根本就沒有任何根據可言。
當然現在，我們所有人都知道諾基亞後來發生了什麼。微軟在 2013年 收購了諾基亞手機業務，目前它的全球智能手機市場份額僅占 3%。諾基亞的衰落是由很多原因導致的，但其中最嚴重的原因之一，也是我親歷的一個原因就是，諾基亞過度依賴數字。他們過於注重定量數據，以至於在面對難以衡量或現有報告里沒有的數據時，就變得不知所措。原本可以成為諾基亞的競爭籌碼，最後卻幫了一個倒忙，導致它走向衰亡。
自從諾基亞的那次工作經歷以來，企業組織這種過度重視定量數據而忽略定性數據的做法就一直讓我感到非常不解。隨著大數據時代的崛起，我發現這種情況開始愈演愈烈，一些公司不惜扣減花在以人為本調研上的預算，而寧願花重金投資在大數據技術上。人類學定性研究工作在大數據時代下的生存現狀讓我深感憂心。
在當前這個以數據為驅動的世界，人類學研究工作（經常以市場調研、設計調研和定性調研的形式在行業里出現）正面臨一個非常嚴重的認識誤區。經常會聽到人們談論說，人類學研究的數據樣本量太小，人類學研究數據是 「小數據」，就像當時諾基亞高層說的一樣。
由於缺少概念性文字來快速界定人類學研究在大數據時代的價值，自去年開始我一直在用 「厚數據」（在此向 Clifford Geertz 致意！）這個詞來表示我對綜合性研究法的提倡和支持。厚數據是指利用人類學定性研究法來闡釋的數據，旨在揭示情感、故事和意義。厚數據難以量化，但能從少量樣本中就解讀出深刻的意義和故事。厚數據與大數據截然不同，定量數據需要依賴大量的樣本，同時藉助新技術來捕捉、存儲和分析數據。要讓大數據變得可分析，它就必須經過一個正常化、標准化的定義和歸類過程，這個過程會在無形之中剔除數據中所包含的背景、意義和故事。而厚數據恰恰能防止大數據在被解讀的過程中丟失這些背景元素。
「厚數據是指利用人類學定性研究法來闡釋的數據，旨在揭示情感、故事和意義。」
整合大數據和厚數據能讓企業站在全局的高度，更全面、更徹底地把握任何情形。企業要縱觀全局，就必須同時運用大數據和厚數據，從中獲得不同類型的洞察，獲得豐富的廣度和深度。大數據需要藉助大量樣本來揭示特定模式，而厚數據只要藉助少量樣本就能從深層次解讀出各種以人為本的模式。厚數據依賴人的學習活動，而大數據依賴機器的學習活動。厚數據體現著各種數據關系背後的社會背景，而大數據體現的是從一系列特定定量數據中提煉出的洞察。厚數據技術能包容不可化約的復雜性，大數據技術則是通過分離變數來明確模式。厚數據缺少廣度，大數據缺少深度。
運用大數據存在風險
企業組織在運用大數據時，如果沒有一套整合框架或權衡尺度，那麼大數據就會變成一個危險因子。Steven Maxwell 指出：「人們過度沉迷於數據信息的量，卻忽略了 『質』 的部分，也就是分析法所能揭示的商業洞察。」 量越大並不意味著生成的洞察就一定越多。
另一個問題是，大數據往往過於注重定量結果，而貶低了定性結果的重要性。這就會導向一種比較危險的看法，即認為經統計分析得出的標准化數據要比定性數據更有用、更客觀，從而進一步肯定了定性數據就是小數據這一觀點。
以上兩個問題導致企業組織幾十年來僅僅憑借定量數據來做管理決策。一直以來，企業管理咨詢顧問都是利用定量數據來讓提升企業的運作效率和贏利。
利用大數據的風險在於，企業和個人會開始依賴運演算法則，把它作為衡量標准來做決策和優化表現。
如果沒有一種平衡力量，大數據很可能會導致企業和個人總是依據從運演算法則得來的標准來做決策和優化。在這個優化過程中，包括人、故事、真實的體驗在內的一切都會被忽視。正如 Clive Thompson 寫道的：「把人的決策因素從這個等式中抹去，就意味著我們會與深思熟慮的做法漸行漸遠，而這些深思熟慮的時刻恰恰是我們從道德層面反思自己行為的機會。」
釋放大數據與厚數據的整合效應
大數據產生的信息量實在太過龐大，以至於不得不藉助其他方式才能填補和 / 或揭示知識缺口。而這恰恰是人類學研究工作在大數據時代的價值所在。下面，我會分享一些有關企業如何整合使用厚數據的方式。
厚數據是勾勒未知世界的最佳方式。當企業組織想了解他們並不了解的領域時，就需要厚數據的幫助，因為它能帶來大數據所沒有的東西——靈感。收集和分析故事有助於生成洞察。
當企業組織想要了解並不熟悉的領域時，就需要 「厚數據」 的幫助，因為它能帶來大數據所無法帶來的東西——靈感。收集和分析故事有助於生成洞察。
故事能激發企業組織探索通往目的地的不同途徑，這個最終目的地就是洞察。打個比方，假設你在開車，厚數據能讓你瞬間移動到想去的地方。厚數據常常會帶來一些意料之外的發現，既讓人困惑又讓人驚喜。但不論怎樣，它都能帶來靈感啟發。只有在富於想像力的企業，創新才能賴以生存。
當企業想要與利益相關方建立更穩健的關系時，他們就會需要用到 「故事」。「故事」 包含著情感，而這是經分析過濾的標准化數據所不能提供的。數字無法折射出日常生活中的各種情感：信任、脆弱、害怕、貪婪、慾望、安全、愛和親密。很難用算術法則來表示一個人對服務 / 產品的好感程度，以及這種好感會隨著時間變化而發生怎樣的轉變。相對地，「厚數據」 分析法能深入人們的內心。畢竟，利益相關方與企業 / 品牌的關系是感性的，而不是理性的。
厚數據和大數據的未來整合機會點
大數據概念的提出者 Roger Magoulas 強調了故事的必要性：「故事能很快傳播開來，把數據分析法的經驗教訓擴散到企業組織的各個角落。」
僅僅使用大數據會帶來問題，關鍵是要懂得如何同時利用起大數據和厚數據，讓兩者相輔相成。對於定性研究者來說，這是他們在以定量結果為主導的大數據時代定位自己工作性質的絕佳機會。像 Claro Partners 這樣一些公司甚至已經開始重新界定我們如何問有關大數據的問題。在他們的個人數據經濟（Personal Data Economy）研究中，他們並沒有問大數據對人類行為的啟示這類問題，而是反過來問了人類行為對大數據在日常生活中的作用的啟示。他們還為客戶開發了一套工具，幫助他們轉變思維視角，「從以數據為核心轉變為以人為核心。」
有關大數據和厚數據如何在企業組織中發揮協同效應，我梳理了以下機會點（當然並不僅限於這些）：
健康醫療
隨著個人能越來越方便地追蹤自己的健康狀態，自我量化值正在成為一種主流。醫療服務提供者會有越來越多的機會收集到各種匿名數據。像 Asthma Files 這列項目可以讓你迅速展望厚數據和大數據將如何共同解決全球健康問題。
重新定位來自移動運營商的匿名數據
全球各地的移動公司已經開始重新包裝和出售他們的顧客數據。市場營銷者不是唯一的買家。城市規劃者正在用 Air Sage 的蜂窩式網路數據來了解當地的交通狀況。為了保護用戶隱私，這些數據會採取匿名或抹去個人通信記錄。當然，沒有了關鍵的個人詳情，數據也就丟失了關鍵的背景信息。在這種情況下，若沒有厚數據，企業就很難破譯這些因個人信息被抹去而丟失的個人情況和社會背景，也就無法真正解讀數據。
社交網路分析
社交媒體能產生大量數據，這些數據能讓社交網路分析法變得更為豐富。目前，包括 Hilary Mason、Gilad Lotan、Duncan Watts 和 Ethan Zuckerman (以及他在 MIT Media Lab 的實驗室) 在內的研究科學家都在研究信息在社交網路上的傳播方式，以及同時會產生哪些問題，而這些問題只能藉助 「厚數據」 才能回答。現在越來越多的公司把社交媒體作為衡量尺度，對此企業必須謹慎對待，不要誤認為僅僅透過數據就能看到 「影響因素」。媒體對 Cesar Hildalgo 工作的誤讀就是大數據網路分析結果被曲解的一個實例，意指維基網路可以成為文化代理。(點擊此處查看 Heather Ford 對此做出的糾正。)
品牌戰略和生成洞察
一直以來，企業都習慣於依賴市場分析來制定企業戰略和生成洞察。如今，企業正在轉向用一種更為以人為本的方式，也就是立足於 「厚數據」。《快公司》雜志（Fast Company）在最近一期 Jcrew 的報道中明確指出，在以大數據為驅動的管理咨詢法宣告失敗後，帶領品牌走出困境的恰恰是那些真正懂得消費者想要什麼的員工。其中，一位叫 Jenna Lyons 的員工有機會與消費者一起反復嘗試、修改和實時測試產品。她的這套方法在消費者中引起了反響，最終成功地把 Jcrew 轉變為一個讓人頂禮膜拜的品牌，營收翻了三番。
產品 / 服務設計
單單藉助運演算法則並不能解決問題，但仍然有很多公司依賴運演算法來指導產品和服務開發。施樂公司（Xerox）就是利用大數據來為政府解決問題，但它同時還藉助了人類學研究法作為數據分析法的補充。施樂帕羅奧多研究中心（Xerox PARC）的人類學家 Ellen Issacs 在提及厚數據對設計工作的重要性時這樣說道：「即使你對某項技術有著清晰的概念，你仍然需要把它設計出來，確保這套概念符合人們對自己行為活動的看法……你必須看他們怎麼做。」
落實企業組織戰略
厚數據可以作為大數據的補充，與大數據相輔相成，以減少經過規劃的企業轉變所造成的顛覆性影響。定量數據可能會顯示必須做出某種轉變，但企業組織內部的顛覆代價是巨大的。重新布局企業組織架構圖，重新撰寫職位描述，轉換工作職能，重新設定成功標准——所有這些顛覆式轉變都要付出昂貴代價，而這一後果可能並不會體現在大數據計劃中。企業需要厚數據專家與業務領導一起協作，共同了解轉變會帶來的影響和發生背景，從文化的角度決定哪些轉變是可行的，以及如何設計整個流程。Grant McCracken 把厚數據專家叫做首席文化官（Chief Cultural Officer），他們就好比是 「企業的眼睛和耳朵，會敏銳地嗅出即將發生的轉變，即使這些潛在轉變只是發出非常微弱的信號。」 首席文化官就是厚數據專家，負責收集、講述和傳播故事，保持企業組織的靈氣和靈活性。大數據概念的提出者 Roger Magoulas 強調了故事的必要性：「故事很快就能傳播開來，把分析總結帶來的習得散播到整個企業組織。」
綜合運用同理心和數據資源進行創新
除了所有這些有待挖掘的機會點，還有一點很重要的就是，大數據仍有很大的改進空間。高德納咨詢公司（Gartner）的研究顯示，在投資大數據能力的公司當中，只有 8%的公司在利用大數據做一些具有深遠意義的事情。其餘公司僅僅只是用大數據來拉動漸進式增長。這意味著很多公司雖然都在談論和投資大數據，但他們並沒有真正利用起大數據來推動真正的變革。
我認為，企業和機構要想充分發揮大數據的潛力，就必須結合運用厚數據，這也是為什麼我們現在比以往任何時候更需要從事以人為靈感來源的研究工作者，不論是人類學家、市場調研者、設計調研者、設計師、產品經理、紀錄片導演、製片人、作家還是社交媒體經理，因為這類研究工作者是始終帶著同理心在收集和分析數據。最有創新力的公司往往就是那些懂得如何綜合運用大數據與同理心的公司。這也是為什麼阿里巴巴、網路和騰訊這些公司得以如此成功的原因之一，他們總能閃電般地迅速掌握實際用戶所處的情境，以此來驅動他們的技術革新。未來，中國的創新將同時有賴於情境和數據。
以上是小編為大家分享的關於大數據離不開 「厚數據」的相關內容，更多信息可以關注環球青藤分享更多干貨
⑸ 大數據與小數據是否存在明顯的界限
摘要 大數據技術（Big Data），或稱巨量資料，指的是所涉及的資料兩規模巨大到無法通過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營更積極目的的資訊。大數據的特點，簡單總結為高容量、多元化、持續性、高價值。