最近幾年來，市面上有不少關于大數據的宣傳， 凡有飲水處，都能聽到 “big data“， ”data driven decision making” 等等高大上的詞匯。我在中關村街頭看見有人在溜大數據的豬，也吃過大數據的豬肉，飽食終日，也想分享一些零碎的感想。

[[138209]]

0. 大數據的好處

【此處略去 250 萬字】

1. 古已有之。很多現在流行的道理，國人往往說古已有之。 “數據驅動決定”也不例外：

… …先誑之曰：“與若芧，朝三而暮四，足乎？”眾狙皆起怒。俄而曰：“與若芧，朝四而暮三，足乎？”眾狙皆伏而喜。—— 《列子》

雖然都是七個“茅”， 但是朝四暮三會導致用戶爽， 那一定是有道理的！

2. 自己的數據和別人的數據

大部分人對自己的如雷鼾聲聽而不聞，倒是別處有什么小響動，就坐臥不寧，說影響自己休息。一些大公司里不少的經理經常發一些其他產品的成敗分析，最新動向，謠言等等，但是自己產品的用戶發郵件來抱怨，卻沒人處理。

3. 數據的可見性 和 成本

當我們談大數據的時候， 很多人的第一反應是，希望看到更多的數據，甚至所有的數據，因為看到了所有的數據，就能做決定了。

例如，兩個人在下陸戰棋， 你不知道對方的具體兵力部署，的確不好做決定。 但是，要看到對方的數據，需要多少成本呢？你可以用連長，營長去實驗，但是這樣的實驗是有成本的。

有時候自己人傳遞數據，處理數據也是有成本的，我們以前小伙伴們在學橋牌的時候，本來雙方已經叫到4黑桃了，不料南方又叫了一個新花色 “5 草花”！ 后來雙方總結的時候，南說 “我想表達一下我的草花也挺好...” 表達是有成本的，這意味著雙方又要為此在 5 階上面尋找合適的定約，增加了許多沒必要的風險，最后牌局打宕了。

(下圖只是一個示意)

好，下面給你看所有的數據，這回所有的棋子都沒有遮掩，雙方的信息都是公開的。那么，這些數據展現了什么規律？下一步黑棋應該怎么走？

（這是最高等級的決賽，請讀者慎重考慮。實戰中，黑棋的下一手考慮了 2 小時 57 分鐘，然后一招制敵。這位棋手的大腦在將近 3 小時的時間里收集了什么？計算了什么？）

4. 大數據和第一感

一葉落而知天下秋。 這是大數據么？ 如果大數據的專家坐鎮，要看到多少落葉，到什么時候才做出 “data driven” 的判斷 — 秋天到了！

大數據，有人覺得大和紛亂，有人第一感就能看到問題的實質。例如 @winter 講得故事：

5. 大數據、把握和時間

如果有時間，我們總是可以得到更多的數據。 有積極的員工提出新想法，建議在某一個局部先試驗，當然這需要資源。 其他人反對說， 你有100% 的把握么？ 哦，沒有？ 不然繼續收集數據，等到有了我們再討論。

等到有充分數據的時候，就是競爭對手已經占領市場，大勢已定，各路專家都寫文章分析它的成功經驗的時候。 這時，你拿了數據給領導看。 領導說，嗯，有道理啊，當然，我們這個時候再進入這個市場顯然已經太晚了。。。

籃球場上，有隊員要投籃， 他的隊友不是各自做好準備搶籃板，或者補位，而是問你， 你有100% 的把握投進么？ 如果沒有，那就傳一會球吧，千萬別 “風投”。。。 籃球比賽有24 秒的進攻時間限制。大公司往往沒有這樣的限制，在大公司工作的人可以永遠頭腦風暴，收集數據，分析數據， 把傳球過去，別人又傳過來，這樣就能度過好幾年。事實上，別人在市場上已經打了好幾個來回了。

6. 記一次 SMART 的大數據項目

王屋村進駐了幾個大數據專業的實習生，他們品嘗了當地特產芝麻燒餅之后，都贊這些燒餅外焦里嫩，焦得金黃，帶有芝麻的香味。 吃完好多燒餅之后，大家打著飽嗝，看著桌面上的芝麻粒兒，決定要對它進行大數據的剖析和改進。 首先，最容易數據化的，是芝麻粒兒。“最關鍵的，是要問出好問題”， 他們從課堂筆記中畫重點的字句里抽出這句話，開始了一系列當地人從來沒問過的問題：

• 一個燒餅表面附著有多少個芝麻？

• 當燒餅沒有附著任何芝麻的時候，是不能叫“芝麻燒餅”的， 當燒餅的芝麻數到了N 個，用戶就會說這是“芝麻燒餅”， 那么，N 是多少？

• 數據小組的目標是：求出N，并優化。

他們從MBA 和大數據的教材中，論證了這個項目是SMART 的：

Specific: 針對一個具體的問題，避免過于寬泛的 – 王屋村新農業改革前景展望，等問題。

Measureable： 可以衡量的，而不是籠統的 “好吃”，“有嚼勁”。

Actionable: 可以具體操作的 – 增加或減少芝麻的數量，非常可操，操的過程可跟蹤，可衡量。

Result: 有結果的，這個活動可以優化資源，減少芝麻的浪費。

Time: 有期限的，實習期三個月就要搞定。

他們看到這個項目是SMART 的，于是就報告領導，領導看到的確是SMART 的，就認為是好的。開始行動。 他們在三個月的時間內實驗（吃）了各種芝麻量的燒餅，并采訪用戶，衡量用戶味蕾打開程度，做廣泛的用戶調查，跟蹤芝麻在消化系統的生命流程，等等。

最后，他們用Keynote 軟件分享了他們的大數據芝麻燒餅的建議：

N = 7.5

只要七顆半芝麻，用戶即認同這個燒餅是 “芝麻燒餅”。為何要有半粒芝麻？ 因為大數據的平均值就是這樣，同時，我們要做到極致，讓用戶看到燒餅上的半粒芝麻尖叫！

然后他們帶著感恩的心，用技術了改變世界的的喜悅離開了王屋村，還打包了很多燒餅。

7. 大數據是手段還是目的

有些讀者可能以為上面的例子太極端，其實在現實生活中，比這多彩的例子多了去了。 數據是我們的手段還是目的？

曾經有一個小軟件，這個小軟件可以出現在屏幕的不同位置，給用戶帶來一些價值，用戶反饋還不錯，但是還可以做更多的事情。后來產品組的PM們想通過各種實驗來了解不同位置對用戶的變化

• 界面初始是隱藏的 | 不隱藏

• 在任務欄中顯示 | 不顯示

• 有時主動彈出窗口 | 永遠不彈出

人們用常識就可以知道， 如果這個App 不斷地出現在用戶的視野中， 用戶就會用得更多，但是也有用戶會覺得煩，而卸載這個App。 但是好奇的PM們想知道究竟是多少，于是我們做了各種試驗， 過了好幾個月，好了， 我們知道了具體的百分比，的確是和常識差不多。

那現在怎么樣呢？下一步怎么辦？怎么贏得用戶？

大家討論了一會，沒有什么辦法，最后這個項目也不做了。 如果我們把做各種實驗的時間花到給用戶提供更多價值上面，是否會更好？

我們做軟件的目的是贏得用戶， 不服務這個目標的東西都是耍流氓！

8. 當你有很多數據，但是沒有洞察力的時候

KK說 – 當你對互聯網一無所知，卻試圖通過數據來弄懂互聯網，那么你很自然地會得出結論：互聯網是用來傳輸廣告和黃色內容的。

(凱文·凱利（Kevin Kelly ）訪談－－想法來自何處？)

9. 如何搞到數據

在一個平行世界中，亨利福特在研發汽車的時候，他去找當時的主流用戶 — 馬車夫 — 做大數據研究。

他和馬車夫同吃同住同生活，他收集大量的數據，例如馬糞。他在深夜和眾多馬車夫喝酒，開頭腦風暴會議，分享了無數勞動人民的黃色笑話。 馬車夫杰克的暢想深深地打動了他 – 如果馬又能跑，又不會吃草，就好了。

10. 沒有數據的地方

跟著數據跑，有這么大的錯誤么？ 不至于吧？！ 數據在哪里，公司的生意就在那里，這有錯么？

這當然是有價值的，我在第 0 條就說了大數據的 250萬字的好處。 你看小朋友們踢足球， 球在哪里，他們就聚集在哪里。 這至少給大家一種參與感。 那么職業的選手怎么踢球呢？

我們看看 98 年世界杯 荷蘭 vs. 阿根廷的比賽

荷蘭隊球員弗蘭克-德波爾開了一腳長傳，他傳球計劃的落點上，沒有自己的隊友，也沒有防守隊員，那是一個沒有數據的地方。 但是，當球落下的時候，自己的隊友就到了。

他的隊友博格坎普正跑向那個沒有數據的地方（紅衣服的那位）：

現在人跑到了，球也到了，博格坎普一停，一晃，挑射。

守門員的手臂還在使勁伸展，三個剛剛到場的后衛在看著皮球入網，博格坎普的身影劃出一陣紅色的弧線，他開始慶祝了。

沒有數據的地方，沒有球的地方，往往是有機會的地方。