1. 且慢說「大數據」的無所不能
且慢說「大數據」的無所不能
「大數據」是個好東西，是科學的前沿，值得我們認真積極關注、推介和參與，但它絕不是哈利波特，不會「一抓就靈」，不能包打天下和無所不能。
回頭看看這些年的所謂產業「浪潮」新理念、新理論和新技術，一旦引入我國後，常是泡沫翻騰，真經並不多。去年是「雲計算」，今年是「大數據」，官員、學者或媒體人嘴上不常換點國際流行的新詞，都不好意思開口。
其實，「大數據」很簡單，不神秘，以前無法處理的海量數據或沒當做數據的東西（如你在超市逛逛或對那個營業員笑一笑），因計算機計算能力如「雲計算」的進步，都可以分析出個子丑寅卯了，如很多人逛超市的路徑與購物之間有數據關系，據此調整布局有利於銷售，美國有超市把影碟與尿布放在一起，就是通過「大數據」分析發現，來為孩子買尿布的父母喜歡為自己帶盤碟子。
但把「大數據」用做解決世界上最難處理的問題的全能辦法，從管理城市到消除貧困，從制止恐怖襲擊、疾病流行到拯救地球環境等，以為有了「大數據」，就沒有解決不了的問題，這也是一種誤解。人類的思想、個人的文化和行為模式、不同國家及社會的存在發展都非常復雜、曲折和獨特，顯然不能全部由計算機來「數字自己說話」。比如，近來歐美有人提倡用「大數據」分析人的日常行為模式和習慣，判斷誰將要犯罪，以此幫助預防未來的犯罪，就引起了很大的爭議和質疑，公眾擔心因司法程序缺失而受到莫名威脅。
其實，企圖用一行行的代碼和龐大資料庫的「大數據」來解釋和指導世間萬物萬象，很像此前企圖用基因等生物密碼來解釋和調控人類的行為模式，看起來是客觀中立的，但說到底，「大數據」再「大」，也不會「自己說話」，還是設計者、分析者和使用者在說了算。所以，「大數據」並不能使人們完全擺脫曲解、隔閡和錯誤的成見。
而且，數據的採集也會使「大數據」不中立和不全面，以至於不公正，如目前社交媒體等即時通訊是「大數據」分析的一個普遍信息源，那裡無疑有許多信息可以挖掘，國外神話「大數據」的範例幾乎都來源於此。但至少在我國現在和未來一段時間里，以此途徑反映民情的某些「大數據」可能會忽視了「沉默的大多數」而失准。過分依賴和迷信「大數據」，難以避免對某一群體的「數據歧視」，可能會依據錯誤的成見作出重大的公共政策和商業決定。
更需指出的是，「大數據」的潛在負面效應不可忽視。無處不在的「大數據」使個人隱私無處藏身，甚至會引發更多問題。例如，最近，「大數據」被用來預測臉譜網用戶極其敏感的個人信息，如性取向、種族、宗教和政治觀點、性格特徵、智力水平、快樂與否、成癮葯物使用、父母婚姻狀況、年齡及性別等。這些高度敏感信息很可能會被僱主、房東、政府部門、教育機構及私營組織用來對個人實施歧視。
「大數據時代」的作者維克托說，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型。這話很有道理。但他認為，大數據時代最大的轉變就是，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」。歌頌者說，這是維克托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。可我們有疑：不問或不知「為什麼」，我們還是人嗎？
其實，維克托又新寫了一本叫「刪除」的書，講述了大數據時代的信息取捨，說遺忘是一種美德。說白了，就是該記的記，該忘的忘。這就更加說明，無論到何時，其實都還是人在思考和「說話」，即使在「大數據時代」可以通過數據形式來部分表達。所以，把「大數據」提高到不恰當的高度，甚至魔幻化或泡沫化，對推廣「大數據」技術及應用不僅無益，還會弄成一些新的神話，或許還有笑話。
2. 大數據存在哪些局限性
1、大數據不理解背景
人類的決策不是離散的事件，而是根植於時間序列和環境中。經過數百萬年的進化，人類的大腦已經適應了這個現實。人們擅長講故事，有很多原因，也有很多場景。數據分析不知道如何講故事，也不知道思維是如何浮現的。即使在一本普通的小說中，這種想法也無法用數據分析來解釋。
2、大數據將創造更大的乾草垛
這個想法是由著名商業思想家Nassim Taleb提出的，他是《黑天鵝:如何應對不可知的未來》一書的作者。我們擁有的數據越多，我們就能發現更顯著的統計相關性。很多這樣的關系都是毫無意義的，在解決問題時還會讓人誤入歧途。隨著越來越多的數據可用，作弊行為呈指數級增長。在大海撈針的過程中，我們要找的針埋得越來越深。大數據時代的一個特徵是，“重大”發現的數量被數據擴張的噪音淹沒了。
3、大數據不能解決大問題
如果你只是想分析哪些郵件產生了最多的競選捐款，你可以做一個隨機對照試驗。但如果目標是在衰退期間刺激經濟，你不會找到一個平行世界社會作為對照組。最好的刺激方案是什麼?關於這個問題有很多爭論，盡管數據泛濫，但據我所知，這場辯論中沒有一個主要的辯手根據統計分析改變了立場。
4、大數據往往是一種趨勢，而不是傑作
當大量的個人迅速對一種文化產品產生興趣時，數據分析可以對這種趨勢敏感。但是一些重要的(有利可圖的)產品一開始就從數據中被丟棄了，僅僅是因為它們的怪癖不為人所知。
5、大數據掩蓋了價值
“原始數據”的意義在於，它永遠不可能是“原始的”;它總是根據一個人的傾向和價值觀來構建的。數據分析的結果看似客觀公正，但實際上，價值選擇貫穿於從構建到解讀的全過程。
3. 有關大數據的分析理念的有哪些內容
一、大數據的理念之：用全量代替樣本
1841年埃德加·愛倫·坡發表了文學史上的第一部偵探小說《莫格街謀殺案》，盡管這部小說的解答有些欠抽，但不可否認，它開創了偵探小說的一種模式——「密室」，而這種模式被後來人所追隨，以至於似乎沒有寫過這種類型小說的都不算是偵探小說作家。所謂的「密室」，就是在一個封閉的空間內犯下的兇案，終極目標就是解答出兇手的犯案方式以及如何從密室中逃脫。在一代又一代的偵探小說家的努力下，密室的難度越來越大，從正常人無法進入到所有人類都無法進入，直至正常情況下所有生物都無法進入。然而即便這樣，如果嚴格來說的話，絕對的密室是不存在的，它肯定會有空隙，就算看起來密不透風也從微觀的角度找到某些空隙。既然不可能達到絕對的封閉，只能使用相對的概念，對於正常人無法進入的空間都屬於密室，否則整個偵探小說界就少了一個很重要的組成部分。
剛接觸化學課的時候，接觸到了純凈物和混合物的概念，與此同時也提到了，絕對的純凈物是不存在的，即使是再精確的提純。於是，對於一種物質，只要沒有提到存在雜質，默認按照純凈物來看待，否則就不僅僅是幾道考試題的問題了，可能整個化學學科的研究都沒法開展下去了。例如兩種物質發生反應，如果按照實際情況都當作混合物看待，不斷的糾結於各種雜質的問題，那就偏離了真正的研究方向。
舉了上面兩個貌似不相乾的例子，想表達的觀點就是，和多、少這類的相對概念一樣，實際上全也是一個相對的概念，絕對的全也是不存在的。之所以這么說，主要有兩方面的原因：
首先，當數據量超過一個范圍之後，取得全部信息會很復雜，以至於可能根本是無法完成的任務。如果要獲取一個學校所有學生的某個信息，這個很容易，只需要將全校的學生聚集起來一起獲取，或者以班級為單位單獨獲取之後再進行匯總，因為一個學校不管有多大，學生人數都不會太大。而如果要獲取全市所有人的某個信息呢，這似乎就是不可能的了：如果在大街上隨機詢問，對於那些不出門的宅男、宅女們的信息就沒法獲取；如果挨家挨戶進行詢問，對於那種經常不在家的就不太容易能遇到，而且那種無家可歸的流浪漢的信息也沒有辦法獲取；如果通過電話詢問，也肯定有因為某種原因無非接電話的人，或者看到是
4. 大數據會給生活帶來各方面的變化
大數據會給生活帶來各方面的變化
「政府的決策要更多基於數據本身，信任數據本身，而不是對數據的直覺。我們不僅要對政府有期望，對自己也要有期望。目前賺錢的地點，賺取利潤的地點發生變化。大數據時代，價值是通過數據流產生的。所有人都在設法建立一個新的平台，通過數據流動賺取價值。」 嚴謹的牛津大學教授維克托說。
數據是枯燥無味的，但是維克托卻盡可能讓數據賦予「人情味」。比如，這位嚴謹的學者在講話中，多次提到「三歲半的兒子」。
他說，「我們使用大數據，但不會濫用大數據，我們應該攜起手來建設安全保障措施，使人們，比如我三歲半的兒子或者其他人享有美好的未來。」
什麼是大數據？它將如何改變我們的生活？在維克托的眼裡，「大數據」似乎無所不能，它不僅能掙錢，還能治病、延長壽命、找尋「真愛」。
大數據的應用，將讓壽命更長
記者：「大數據」時代已經來臨，哪些應用是您在生活當中最常用的？
維克托：我覺得到2020年，大數據時代就會真正來臨。在那個時候，最經常會用到的應用就是個性化生活所需要的，尤其是智能手機的應用。比如，我的身體功能可能會通過手機、移動網路進行監控，一旦有什麼感染，或身體有什麼不適，我都會通過手機得到警示。然後信息會和手機庫進行對接或者咨詢相關專家，從而獲得正確的用葯和其他治療。
隨著我年齡增大，我會很期待生活更長久，通過大數據的應用，會讓我們的壽命更長。
記者：「大數據」時代看上去似乎無所不能，但它能否幫忙找到男（女）朋友嗎？
維克托：這是一個非常有意思的問題，有了「大數據」的幫助，你找女朋友的成功性會高很多。這是很容易理解的。通過網路，你可以提供很多信息，比如「你是誰」，「你想要找什麼樣的男（女）朋友」。在網路上，很多人也是這么做的。通過網路，你就會找到最配的那一個。
在實際生活中，你碰到的只是兩個人或者五個人，然後聊兩句，在網上你可以和五百萬或者一千萬人聊天。這樣找到合適的男（女）朋友的概率大很多。
我有一個哈佛大學的同事，就是通過網路找到伴侶，相愛、結婚、生子。這就表明大數據能夠為我們的愛帶來價值。
記者：對中國的大數據行業有什麼建議？
維克托：在大數據時代下，數據也會成為「基礎設施」，政府要進一步補錄資料庫。舉例說，政府以前提供財政補貼，現在可以提供資料庫，打造創意服務。在美國就有這樣的服務，為企業提供機場、高速公路的數據，提供航班可能發生延誤的概率，這種服務完全基於政府提供的資料庫。這可以幫助個人、消費者更好地預測行程，這種類型的創新，就是來源於公共的大數據。政府可以在這方面多下功夫。
5. 應該具備什麼樣的大數據思想和大數據倫理
大數據思維比起傳統的思維,更加不重視精確性也就是不再強調標准、強調精準無誤差這與第一點也有關,因為以往的人們受條件的限制,會採用抽樣的方法研究局部,然後推測整體,如果局部計算不精確,那麼放到整體他的錯誤就會更加放大,從而嚴重偏離事實真相。而如今大數據技術更側重於收集整體統一的數據進行分析,不再劃分出一個一個的局部進行精準計算去推測整體。沒有從抽樣的錯誤會放大到整體的這一種可能,所以也就不追求精準性。反之,追求的是多樣性,正如哲學家所說的,存在即合理,當所有數據都全部被用來做分析原始材料,那也就不需要追求精細,它可以容納信息內容的多樣性和信息結構的多樣性,這是一種更加包容的新思維。
第三,大數據思維更強調相關性,而不是以往的因果關系。在傳統思維和科學方法中人們往往致力於尋找某一事物的標準定理,或者是幾個事物之間的簡單線性關系。所以以往的事物都可以由這個量推斷到前後的量,形成因果關系
6. 對大數據的理解與思考
對大數據的理解與思考
首先，大數據的到來，對人們的觀念將帶來深遠的影響。
我們以前習慣認為：找到現象背後的原因，比清楚現象是什麼更重要。通過「塔吉特懷孕預測」的例子可以看到，通過關聯分析、聚類分析等數據挖掘方法，大家很容易找到事物之間的關系。但是，這些大數據分析結果，並不會直接告訴我們，事物之間為什麼存在這些關系。在不清楚為什麼存在這些關系之前，又的確看到了這些關系帶來了價值；所以，在大數據應用領域就需要改變以前的思考方。即：先找到「是什麼」再去找「為什麼」；清楚是什麼，與搞清楚為什麼同等重要。
手工統計時代，出於收集全部數據非常困難或代價巨大的原因，很多數據分析都是採用抽樣數據；但是，現在不同了，隨著信息技術的發展，現在很多領域都能夠方便的收集到全量數據。諸如無紙化辦公的興起、信息系統的使用、電子商務的發展等等，都為收集全量數據提供了便捷的條件。那麼，這時候數據的「樣本」=「全體數據」。這相對以前來說，也是革命性的影響。
在抽樣分析時代，個別樣本的質量甚至決定結果的質量。在大數據時代，這也變了，可以允許個別數據的不精確，甚至錯誤。舉個簡單例子來說明這個道理，比如在溫室大棚里放一隻溫度計，當這只溫度計有問題時，整個溫度都是不準確的。若在大棚里均勻分布十幾只溫度計，其中一隻有問題，對溫室大棚溫度的統計結果無礙大事，基本可以忽略其影響。
其次，大數據應用，影響商業變革和社會進步。
大數據應用正改變著企業的業務發展方式。比如：京東、天貓通過對交易數據的「二次利用」，尋找目標客戶、定向推薦商品。也正是這些數據的二次利用給他們提供了大量價值，促進了這些企業的發展，推動著他們在營銷、供應鏈與客戶服務等領域的管理變革。同時，交易數據並不因為二次利用，而降低其價值；這也是，大數據應用與傳統資源使用不同的地方。
數據的「混搭」分析，推動著商業發展和社會的進步。比如歷史天氣信息與航班誤點信息，這兩個不同領域的信息一塊兒分析，便可以推算未來幾天航班的誤點率。再比如，通過神經中樞腫瘤患病率和手機使用時間長短之間的大數據關聯分析，來研究神經中樞腫瘤患病率是否與手機使用時間長短有關系等等。
大數據的應用，也促生了很多商業機會。隨著大數據時代的到來，形成了很多大數據擁有公司，以及大數據技術公司；數據與技術的結合變促生了很多大數據應用，因此帶來了很多商業機會。例如，現在很多商業銀行對自己大量客戶的交易信息分析，規劃新的理財產品，與其他商家合作，聯合搞定向促銷等等。
再次，大數據時代不再有個人隱私，將形成新的信息安全機制。
現在還經常聽到諸如某某窺探我的隱私之類的話語，但是，在大數據時代幾乎沒有個人隱私，這不是駭人聽聞。因為，現在微博、搜索引擎、社交網路、電商購物，已經成了我們生活中必不可少的一部分。根據每個人在互聯網上留下的痕跡，通過大數據分析，很容易分析出一個人的愛好、習慣、性格、癖好等等。所以，大家都被「第三隻眼」實時監控著，在大數據時代，幾乎沒有個人隱私！
沒有個人隱私，是否就代表每個人可以隨便傳播別人隱私了呢？答案當然是否定的。因為傳播別人隱私是不道德的，甚至是違法的。所以，現在新的信息安全規則正在重新定位，其中一個基調是：讓數據使用者承擔責任，不能濫用別人的隱私；我個人感覺這也比較合理。
總結
大數據只是「新概念」，並不是「新事物」。過去數據就存在，只是我們沒有收集這些數據。但是，現在收集了這些數據，這個世界變得不一樣了；它更新了人們過去對數據應用的認識，加快了商業和社會發展的新陳代謝，從中也讓大家也看到了很多機會。大數據時代，已經到來。極目遠眺，也看不到盡頭。
7. 深扒大數據:關於用戶隱私以及企業價值
深扒大數據:關於用戶隱私以及企業價值
如今，業界和學術界一直在討論一個詞，那就是大數據。不管是學術圈還是IT圈，只要能談論點兒大數據就顯得很高大上。然而，大數據挖掘、大數據分析、大數據營銷等等事情僅僅只是個開始，對大多數公司來說，大數據仍有很強的神秘色彩。於是，在我們還沒有完全搞明白如何運用大數據進行挖掘時，各種過於神化大數據的輿論就已經不絕於耳了。當然，也有很多人直接批判大數據或大數據營銷給我們造成的隱私威脅。也有很多人根本沒有搞清楚什麼是大數據，到底有什麼價值。
於是，站在客觀的角度，圍繞下面幾個問題與大家分享有關大數據的幾個觀點，也扒扒大數據的那些事兒：
1、大數據營銷和個人隱私泄露究竟有無因果和邏輯關系？
2、大數據營銷到底能帶給企業什麼樣的價值？到底能帶給用戶什麼價值？用戶是否全盤否定或反感大數據營銷？
3、如何正確看待大數據？如何看待大數據和傳統調查方法或統計學的關系？
4、大數據營銷究竟面臨什麼樣的挑戰？
一、大數據的迅猛發展與數據隱私的憂慮相伴而生
社交媒體的出現，讓用戶數據的分享數量達到了難以估量的程度。而如今，社交媒體的種類有增無減，智能手機的更大普及，又讓更多用戶轉移到移動互聯網，從而又進一步貢獻更多數據和內容。這樣的數據增量讓全球社交媒體的收入大漲，僅根據咨詢公司Gartner2012年的研究結果顯示，2012年全球社交媒體收入估計達到169億美元。
一邊是社交媒體因為大數據的盆缽滿載，另一方面則是用戶不斷毫無保留的將個人信息交給互聯網，這些信息包括年齡、性別、地域、生活狀態、態度、行蹤、興趣愛好、消費行為、健康狀況甚至是性取向等。一時間，針對海量用戶信息的大數據挖掘、大數據分析、大數據精準營銷、廣告精準投放等等迅速被各大公司提上日程。
比如，一個發生在美國的真實故事就會告訴我們，利用數據挖掘如何掌握我們的行蹤。一個美國家庭收到了一家商場投送的關於孕婦用品的促銷劵，促銷劵很明顯是給給家中那位16歲女孩的。女孩的父親很生氣，並找商場討說法。但幾天後，這位父親發現，16歲的女兒真懷孕了。而商場之所以未卜先知，正是通過若干商品的大量消費數據來預估顧客的懷孕情況。
類似的大數據挖掘和營銷事件在今天更多的發生，尤其是社交媒體產生大量數據後。於是，許多人對個人隱私數據開始擔憂，開始批判大數據精準營銷侵犯了個人隱私，憂慮我們進入了大數據失控的時代，並將原因更多歸結於社交媒體。
二、大數據營銷和個人隱私泄露之間不能完全劃等號！邏輯關系不成立！
如果客觀的分析一下上述問題就會發現，這是一個難以分說的雞生蛋還是蛋生雞的問題。一味地批判大數據分析對個人用戶數據的泄露或濫用是不客觀的。
因為，社交媒體的本質在於分享和傳播，社交媒體的出現的確滿足了人們分享個人信息、曬各種數據的慾望，讓人們在過去無聲無息的生活中突然轉移到了可以讓全世界看到自己的平台上來。人們從而達到了內心的滿足感和存在感。因此，單從個體的背後心理來考慮，社交媒體對他們來說是有益的，他們不認為自己貢獻的是不可告人的秘密，既然分享出來，那一定是希望或允許別人看到的。因此，這是一種無形的默許的交易，用戶樂意把自己的各種瑣碎細節暴露於社交媒體，而對社交媒體上雜亂無章的海量用戶數據進行有序的分類和分析也沒有什麼不妥。
當然，如果社交媒體平台隨意濫用或泄露用戶的後台數據，比如個人聯系方式、家庭住址、銀行等極為隱秘的信息，這的確是赤裸的侵犯隱私的行為，極其沒有道德，必須要受到譴責和法律制裁。
但目前，許多大數據精準營銷的前提是對用戶在互聯網上留下的公開顯在的信息進行演算法歸類和內容分析，從而對海量用戶進行人群劃分，或者對小眾群體進一步細分化，甚至達到某種程度上針對單個人的個性化定製，最終達到精準推送廣告或有針對性推出營銷活動的目的。
所以，從這個角度來看，大數據精準營銷與個人主動分享和傳播到網路上的信息數據之間並沒有矛盾。人們起初或許會驚訝：為什麼他們知道我想買什麼？為什麼他們知道我的需求？但隨著「猜透心思」的推送行為讓人們的生活越來越便利時，比如省去大量搜索、查找和對比產品或服務的時間，他們可能會十分習慣並依賴這種精準性，並不會在意他們本來就隨意分享到網路上的雜亂信息被如何挖掘和利用。
因此，用戶發布和分享的信息是否為隱私，在用戶分享信息之前就做過慎重考量和篩選。這一點非常重要，這是侵犯隱私與否的界限。那些被用戶選擇為不適合發布或不希望別人知道的信息就是用戶認為的隱私，而那些已經公開發布到社交媒體或網路上的信息則被用戶認為是可以傳播的。
所以，普通的對海量公開信息的分析、挖掘、歸類，從而進行精準營銷的大數據行為不能一味被罵成是對用戶利益的損害。而那些對用戶存儲在某些位置、不希望被他人了解的信息(私人存儲的信息)如果被別有用心的人泄露或利用，那這就是隱私侵犯行為。但這就不能歸罪於大數據，而應質問存貯平台的安全性問題。
因此，我們不能過分解讀大數據精準營銷。其實，問題的本質在於，人們是否真的在意雜亂信息的去向(涉及到分享信息的背後心理和動機)？以及大數據營銷是否真的觸碰了人們不可告人的秘密或底線(需要對秘密和底線重新定義)？因為，如果人們默認分享的都是公開的，那麼侵犯隱私的概念就是不成立的。如果人們有不希望別人知道的信息，也不會貿然在網路上分享和傳播。
三、大數據營銷究竟會給企業和用戶帶來什麼價值？
討論完上面的問題之後，我們是否應該誠懇對待大數據精準營銷這件事？那麼大數據營銷究竟對於企業和用戶兩方面來說，都有什麼樣的價值？
1、對於企業的價值
讓我們先看一個國外案例：
我們都知道美劇《紙牌屋》，提到《紙牌屋》的成功，最大的功勞便是大數據分析。因此，《紙牌屋》幾乎成了大數據營銷的經典案例，也是美國Netflix公司基於用戶信息挖掘來決定內容生產的成功嘗試。
Netflix的訂閱用戶達到了3000萬左右，而大多數用戶的觀影都與精準推薦系統有關。Netflix會定時收集並分析用戶觀看電影或電視劇的行為，比如根據用戶對電影的評分、用戶的分享行為、用戶的觀影記錄等信息去分析用戶的收看習慣，從而推斷用戶喜歡什麼樣的影視劇，喜歡什麼樣的風格，喜歡什麼樣的導演和演員。在此基礎上利用演算法對用戶感興趣的視頻進行推薦排序，直到用戶找到最喜歡的影視劇。《紙牌屋》的導演和主演就是Netflix挖掘用戶信息後的預測出來的。
那我們再看一個國內案例：
我們都知道阿里巴巴和新浪微博合作的事情，阿里巴巴斥資5.86億入股新浪微博。除了網路上各大媒體分析的，認為阿里巴巴希望打造生態圈、強化流量入口、挑戰騰訊等等原因之外，還有一個重要原因或許就是大數據營銷的戰略。
如今各大互聯網大佬都在跑馬圈地，圈住用戶，誰能圈住用戶，讓用戶在其平台上活躍，誰就掌握了用戶的大量信息(包括顯在的前台信息和隱藏的後台信息)。新浪微博在中國有幾億用戶，這個量十分龐大，但如果新浪不能把這些用戶產生的信息合理的利用，那麼這些資源就是巨大的浪費。我們再看阿里巴巴，中國最大電商平台，它有產品，但是卻沒有完整的用戶日常生活行為信息，只有購買信息，但這些購買信息不足以了解人群特點和喜好。所以，只有跟新浪微博合作，掌握大量用戶的行為信息，從而對其分類，找到不同人群甚至不同個體的喜好、偏好、興趣、愛好、習慣、傳播習慣、分享路徑等等，那麼就能實現精準營銷，甚至還可以通過不同用戶的信息傳播規律，而制定產品的最佳品牌傳播途徑。這是一座巨大的金礦。
新浪微博和阿里巴巴合作後，微博上出現了一些產品推薦信息，同時新浪微博已經推出支付功能。可以想像：未來你在微博上看到相關推薦的產品，恰好是你喜歡的產品，那麼你就可以直接在微博上實現支付和購買。從而新浪微博和阿里巴巴各取所需，共享收益。當然，這是我個人的觀察和分析，不過阿里巴巴的大數據戰略也很明顯了。
2、對於用戶的價值
上述兩個例子說的都是大數據帶給企業的價值，那麼，大數據營銷對於用戶來說，到底有沒有價值？用戶是否十分反感精準營銷？讓我們再來看看一個新的調查數據：
中國傳媒大學國家廣告研究院剛剛發布一份《2014中美移動互聯網發展報告》，這份調查報告對比了中美兩國用戶移動互聯網的使用習慣，以及移動用戶對於移動廣告的態度。
調查顯示，最可能得到智能終端用戶回應的廣告內容為：(1)與用戶要購買物品相關的廣告(2)與要購買物品相關的優惠券(3)搞笑的廣告(4)與用戶最喜愛品牌相關的廣告(5)與用戶在線上訪問過網站或使用過的應用相關的廣告(6)與最近線上購物相關的廣告(7)與用戶所在場所相關的廣告(8)與最近收聽、收看的廣播/電視相關的廣告。(佔比>=20%)
從這些數據我們可以看出，在8個結果中，有6個都是跟大數據精準營銷扯上關系的。比如，與用戶要購買物品相關的廣告，更能引起用戶的回應或互動。如何理解？大數據營銷的前提就是計算並推測用戶的真實需求，看用戶需要購買什麼相關產品，然後給用戶直接推送用戶想要的、喜歡的，做到了精準到達。那麼用戶呢？用戶樂意對這樣的推動廣告或產品做出回應，因為這些廣告少了對用戶的打擾，並且讓用戶費勁心思對對比或貨比三家後才購買的決策過程降低，節省了時間，讓用戶直接找到內心真正所需的產品或服務。
所以，這樣的結果就表明，大數據精準營銷並不是完全都會讓用戶反感，而是看你猜透用戶心思的程度。因此，如果你推送的內容和用戶想要購買的物品相關，與用戶最喜愛的品牌相關等等。那麼這種精準挖掘並不會受到用戶的反感，反而會給用戶帶來便利。
四、不要過分迷信大數據；大數據的實質究竟是什麼？
看了上面的分析，或許你會認為大數據分析真是無所不能。但是，我們不能過分迷信大數據，於是接下來的問題就產生了。
1、大數據分析和傳統統計學方法有什麼樣的關系？
大數據所遵從的是：以大量數據，甚至所有數據為基礎，然後用演算法去計算分析，從而更精準的找到各個因素之間的相關關系(不是因果關系)，以發現數據之間的規律。
那我們看看傳統的統計學方法，統計分析學解決的就是如何通過選取少量的樣本，通過對樣本的分析，然後推斷整體的趨勢和規律。所以，用的是概率。一般會規定在90%、95%或98%的置信度(精確度)下最大程度推斷總體。如果目的明確，樣本選取得當，操作科學，那麼不需要大量數據就能分析出規律，從而推斷出總體的規律，並且可以發現不同因素之間的因果關系。比如，抽樣方法確定後，就可以確定樣本數量，如果抽樣得當，那麼樣本的數量跟總體的數量之間沒有太多直接關系。
舉個不恰當的例子以供理解：假設選取1000個樣本，推斷的規律是A，選取2000個樣本，同樣呈現出A規律，選取3000也差不多這樣。那麼，我們實際上科學選取1000多個樣本就可以達到目的了。所以，傳統的抽樣和統計方法，在最大程度上解決了成本問題，雖然會有誤差，但仍可以發現的顯在規律。
所以，從這個角度來說，大數據分析最終得到的結果很可能跟傳統統計學方法分析的結果類似，只不過把原來的小樣本變成了大樣本分析。雖然大數據分析理論上是更精準，也可以彌補傳統誤差的缺陷，但准確度未必像我們想像的那樣提高非常多(因為大數據分析會嚴重受到數據源的影響)。另外，也不一定能發現更多新規律。如果是這樣的話，我們不禁要問，大數據究竟是為什麼而存在？
另外，在傳統的統計學分析當中，比如對市場情況的分析，我們要結合實際的環境和背景來解讀數據和分析數據，我們並不把數據當成唯一的和萬能的指引。所以，這裡面就存在人根據經驗和實際情況進行數據分析的過程，而人參與分析的能力是很重要的。
2、什麼樣的事情是大數據做不到的，而傳統的調查分析方法卻可以做到？
大數據營銷的前提是大數據分析，而大數據分析是基於演算法的，是計算機固化的模式。也就是說，原來由人對數據分析的那部分工作，現在我們把它約定到演算法里了。並且，大數據精準營銷是對用戶產生的網路瀏覽數據、分享數據、搜索數據等等行為信息進行分析，從而對人群或事物進行分類，並由此推測人的偏好、興趣等。
但是，偏好不等於真實需求，點擊不代表一定喜歡。一個人今天在社交媒體上說：「這個產品不錯」，就認為他一定喜歡或一定需要這個產品嗎？
機器可以對行為分類，但卻不能真正探測到人的心理和真實需求。那麼，對於人的真實心理和需求的探測，我們如何做到？這時候，傳統的市場調查和分析方法是不可取代的。比如，深度訪談法，比如焦點小組訪談法，投射法等等。這些方法都可以在最大程度上，從心理學的角度去分析和發現，人真正的慾望和本質需求。所以，今天很多大的廣告公司、營銷公司，他們仍然採用這樣傳統的方法去了解表面數據背後的故事和原因。而這些故事和原因，是演算法目前沒辦法做到的，必須由人來完成。人和人的交流才能探測人的內心。
從這個角度來說，大數據並不是萬能的，也不能被一味神話，我們必須清晰的認識到它的實質，它能用來干什麼，不能用來干什麼。我們可以這樣理解：人對數據的計算和分析工作如今可能會被機器替代，但是，人的另一部分工作(探測人內心的能力)沒辦法被演算法替代。
比如，前兩年我曾報道過《寫書都可以用演算法實現自動化了，拿什麼挽救出版》這樣的新技術，據稱目前亞馬遜上大量圖書都是被演算法寫出來的，演算法會根據人寫書的邏輯思路來組織語言。但是，這些書卻不能彌補人類情感的缺失，不能表達出社會背景和作者所處環境帶來的情感波動等等。
五、大數據分析或大數據營銷面臨的真正挑戰是什麼？
1、數據冗餘問題，有沒有必要用這么多數據？
數據源問題，數據質量有無保障，是否是真正所需？
大數據分析一直被人稱頌的優點就是：海量數據的運用。但是，數據是不是越多越好？如何篩選這些數據？如何找到有價值和有用的數據？數據的龐大和冗餘會對大數據分析造成什麼樣的影響？
對於大數據而言，巨量的數據來源是分析准確性的根本保證。但是，數據量大到一定程度後也面臨著很大問題：想要保證准確度就變的困難了。這樣就難以保障分析結果的准確性了。大數據分析和預測失敗的例子也有很多。比如，最典型和著名的一個便是谷歌預測流感趨勢失敗的案例。
報道稱，谷歌是基於搜索引擎數據進行的分析，其分析結果與美國疾病防控中心的監測數據相差近兩倍。盡管谷歌不斷調整演算法，但仍不能保證結果的准確性。這就說明一個重要問題：數據源問題。谷歌是基於搜索引擎上的搜索詞來分析的，許多搜索詞都是無效的，沒有任何意義的，所以它們不能真的代表流感趨勢，但它們同樣被計算在內。這就造成了結果的嚴重偏差。
所以，你弄到的這些數據，如何保障它們的確是你所需的？的確是重要的？如果數據源出現了嚴重偏差，那麼你的分析再精準，那麼也是徒勞。比如，你花費了大量精力去搜集互聯網用戶產生的日常分享信息，你對他們的所有信息都進行分析，結果預測出幾種消費趨勢。但是，這些分享信息中有大量冗餘信息，數據精準度很差，許多都是跟消費沒有關系的，那麼這種分析結果很可能就是不準確的。你按照這種結果進行下一步營銷戰略當然可能是失敗的。
2、大佬平台的游戲，普通企業難掌握大量數據；難檢驗可信性
各大互聯網公司平台掌握著用戶資源，用戶產生的信息當然也被聚集在各平台內。但是，各家公司或平台的數據並不會完全向公眾開放。我們只能通過某些工具抓取到網路上散落的信息，但不能准確掌握完整的有實際價值和意義的後台數據和信息。
而這些海量信息，對於像谷歌這樣的大互聯網公司來說，就是寶藏。大數據或許只是這些大佬平台的游戲，普通企業比較難參與進來。
並且，這些平台之間並不互通和開放，他們分析出來的數據結果得不到第三方的驗證和檢驗，我們就無法知道他們大數據分析結果的有效性和可信性。當然，他們將這些數據分析用戶自身產品開發和自身發展上還是很有價值的。所以，普通人或普通企業對於大數據的渴望或許是奢望。將來互聯網大平台公司或許會售賣大數據分析的服務，這很有可能。並且，未來，個人數據管理領域的創新和創業將會增加，應用也會增多。
以上是小編為大家分享的關於深扒大數據:關於用戶隱私以及企業價值的相關內容，更多信息可以關注環球青藤分享更多干貨
8. 辯論 大數據時代利弊 正方：利大於弊 反方：弊大於利 我是反方
你先要明白什麼是大數據，去網路下
我可以向對方提哪些問題？
1 隱私會被泄露
2 大數據不能預測一切，如果太依靠數據預測，人類會丟失一些創造性思維
3 大數據本身就是機器學習，看看各種科幻片，人類太依靠機器人，會有什麼樣的後果
人的創造性思維，是任何機器無法模擬的
9. 大數據不是萬能的.它有哪些局限性
局限一：不當負擔
大數據到底是否利大於弊並不是我們現階段所關心的問題，而能否識別其益處的非顯性局限才是技術人員最應該關注的。
大數據支持者的核心主張是，但凡數據，必定有正面價值。然而這個想法是錯誤的，對公司管理層而言，看起來似乎無傷大雅的信息搜尋，卻往往對數據收集的主體帶來了不當負擔。
比如，全球大學排名與聯邦量刑指南是兩大復雜社會系統演變而成的量化值，該方面的相關人員均表示，這樣的全方位大數據歸集整理無疑損害了他們原本系統的秩序。
而第一個提出「大數據時代」這一概念的麥肯錫公司（McKinsey）也曾坦言，「事實上，截至目前，並沒有有效的證據表明數據的強度與特定部門生產力之間存在一定積極的聯系。」在隨後的幾年內，盡管信息量化的浪潮已開足馬力，但相關證據依然少之又少。
局限二：易被操控
數據往往比人們想像的更易被操控。據Target前經理表示，公司管理部門曾嘗試通過收集分析顧客問卷打分表以期提升顧客滿意度，然而此舉卻造成員工偽造客戶信息以誇大自己的工作表現。不受監管的可編制數據一旦被偽造，那麼用它分析出的結果便不具任何意義。
而先前擁有自主執行權的負責數據編制的員工，此時卻倍感壓力重重，因為他們不得不接受不間斷的中央監控。
局限三：不可量化
許多重要的問題是根本不適合也無法定量分析的，它們需要對價值、驅動力、所處環境及其他種種核心因素的評判。而找到一個絕對中立不偏不倚並受眾人尊重信任的人，制定量化指標來對所有因素進行評定打分，是決計無法實現的。這便是一切社會機制中固有的難題。
局限四：衡量知識？
新基礎科學知識對經濟結構的影響過於分散和復雜，經濟學家很難進行量化衡量。
當然，社會和經濟制度的定量分析在最近幾年存在系統性的缺陷，但這並不意味著未來的深入研究會遭遇同樣的短板。然而，若是沿襲相同的基礎方法論，那麼即便收集再多的數據，這些缺陷也將持續存在。根據網上資料整理
10. 大數據的局限性是什麼
計算機數據分析擅長於衡量社會交往的“數量”而不是“質量”。網路科學家可以在76%的時間里測量你與6個同事的社交互動，但他們不太可能捕捉到你對你一年只見兩次的兒時朋友內心深處的感覺，更不用說但丁對比阿特麗斯的感覺了。所以，不要愚蠢到放棄你在社會決策中頭腦中的神奇機器，而在工作中信任它。
1、大數據的局限性——大數據不理解背景
人類的決策不是離散的事件，而是根植於時間序列和環境中。經過數百萬年的進化，人類的大腦已經適應了這個現實。人們擅長講故事，有很多原因，也有很多場景。數據分析不知道如何講故事，也不知道思維是如何浮現的。即使在一本普通的小說中，這種想法也無法用數據分析來解釋。
2、大數據的局限性——大數據將創造更大的乾草垛
這個想法是由著名商業思想家Nassim Taleb提出的，他是《黑天鵝:如何應對不可知的未來》一書的作者。我們擁有的數據越多，我們就能發現更顯著的統計相關性。很多這樣的關系都是毫無意義的，在解決問題時還會讓人誤入歧途。隨著越來越多的數據可用，作弊行為呈指數級增長。在大海撈針的過程中，我們要找的針埋得越來越深。大數據時代的一個特徵是，“重大”發現的數量被數據擴張的噪音淹沒了。
3、大數據的局限性——大數據不能解決大問題
如果你只是想分析哪些郵件產生了最多的競選捐款，你可以做一個隨機對照試驗。但如果目標是在衰退期間刺激經濟，你不會找到一個平行世界社會作為對照組。最好的刺激方案是什麼?關於這個問題有很多爭論，盡管數據泛濫，但據我所知，這場辯論中沒有一個主要的辯手根據統計分析改變了立場。
4、大數據的局限性——大數據往往是一種趨勢，而不是傑作
當大量的個人迅速對一種文化產品產生興趣時，數據分析可以對這種趨勢敏感。但是一些重要的(有利可圖的)產品一開始就從數據中被丟棄了，僅僅是因為它們的怪癖不為人所知。
5、大數據的局限性——大數據掩蓋了價值
“原始數據”的意義在於，它永遠不可能是“原始的”;它總是根據一個人的傾向和價值觀來構建的。數據分析的結果看似客觀公正，但實際上，價值選擇貫穿於從構建到解讀的全過程。
這篇文章並不是要批評大數據不是一個偉大的工具。但是，像任何工具一樣，大數據也有它的長處和弱點。正如耶魯大學(Yale University)的愛德華•塔夫特(Edward Tufte)所說:“世界比任何其他學科都更有趣。”
大數據的局限性有哪些?這才是大數據工程師必須了解的內容，計算機數據分析擅長於衡量社會互動的“數量”而不是“質量”。網路科學家可以在76%的時間里測量你與6個同事的社交互動，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。