在對今年美國總統大選結果的各種預測中，“義烏做旗子的預測美國大選結果”異軍突起，讓人們見識到了大數據的神奇力量。眼下，在我們生活周圍環繞著各種大數據，但很多人對大數據還是一知半解。有人甚至覺得，大數據分析是計算機系、統計系學生才學的技術課程，商學院的學生如果學習大數據分析，肯定不如他們做得好。事實真是這樣的嗎?

數據本身是中性的

如果手頭有海量的信用卡消費數據，可以用來做什么?通常的想法是，這些數據可以給消費者的信用打分，判斷是否提高其信用額度。但你有沒有想過，可以用這些數據來炒股賺錢呢?

美國***資本投資國際集團曾經發生過這樣的事情：2名分析師利用公司掌握的信用卡消費數據分析了至少170家上市零售公司的銷售情況，據此預測這些公司的銷售額。然后，他們在這些上市公司公布季度財務報表之前購入看漲期權或者看跌期權，進而獲取巨額利益。3年內，他們在股市上的投資收益率達到驚人的1800%。當然，這一做法是違法的，屬于利用內部信息進行交易，最終被美國證券交易委員會逮住了。

有意思的是，美國證券交易委員會識別違法交易也借助于此。他們用到的分析方法有：超常收益識別，看投資人的投資收益率是否遠比采用類似投資策略的投資人的收益率高。鏈接分析，從手機通話記錄中找一個個社交圈，看異常投資收益是否和社交圈里的信息流動有關;還可以從交易記錄中找小圈子，如買賣是不是在一個小團伙里面進行，合謀炒高股價。關聯分析，通過交易行為的相關性找出內幕交易合謀者或者人頭賬戶。行為分析，看投資人的交易行為是否發生異常變化，或者是否和投資經驗不符，如明明是菜鳥注冊的賬戶，操作行為卻十分老到，止盈止損風險控制什么都懂，等等。

這些例子表明，大數據本身是中性的，關鍵在于如何使用。如果缺乏商業洞察力，大數據可能就只是一堆數字。

商業洞察力是“藝”

如果說大數據分析是藝術的話，那么數據分析技術是“術”、商業洞察力才是“藝”。好的商業洞察力，能夠幫助企業超越大數據分析的技術局限。

保險業是重度使用大數據的行業。但如果有人偽造信息并且故意制造車禍來騙保怎么辦?可以通過增加數據并構建一個欺詐識別模型來應付，也可以采取人工調查來識別，但都需要付出巨大成本。

德國有家初創企業通過商業模式創新的方式，解決了這個大數據分析難以解決的問題。在這個名為P2P保險的商業模式中，投保人向親朋好友發出建立保險互助關系的邀請，一起交保費并參與到保險互助網絡中。若保險產品到期時沒有出險，消費者可以獲得***40%的保費返還。若出現小額賠付，則由親友所繳保費的資金池進行賠付。超出這個資金池的賠付，由企業承擔。

這個商業模式解決了大數據分析難以解決的防欺詐問題，原因在于親友之間互相了解，都不愿意把自己和騙子綁在一起，所以騙子找不到親友和他一起投保。同時，保險欺詐不容易被保險公司發現，卻很容易被親友識破，且欺騙親友比欺騙保險公司的道德壓力更大。另外，自己的小額損失讓親友代為承擔，通常比讓保險公司來服務更加令人感到尷尬，所以人們不會隨便報損。

兩個常犯的錯誤

在應用數據挖掘結果過程中，有兩個常犯的錯誤需要引起注意。

***，誤以為相關性代表因果關系，實際上兩者不能等同。管理者應該根據數據挖掘結果繼續深挖因果關系，才能找到更有價值的商業洞見。例如，發現來自移動端的用戶轉換率明顯比來自電腦端的高，就加大對移動端廣告投放，也許并不是唯一途徑。繼續深挖這個現象的因果關系，可能會發現來自移動端的用戶其實早就是公司的老客戶，本來就喜歡公司的產品，所以轉換率高。而來自電腦端的用戶基本是新客戶，因而在電腦端投放廣告可能效果更好。因此，利用相關性來幫助商業決策需要不時檢查。

第二，誤以為基于數據的預測是平穩的。商業發展往往不是連續的，尤其是在有顛覆性創新的情況下。例如，傳統出租車公司可以在一些平穩趨勢假設下預測客流量，從而決定應該購買多少新車。但當滴滴等網絡專車進場，以往的這些模型和預測就會通通失效。因此，不可過分依賴歷史數據的分析結果，尤其在戰略決策時，商業洞察力起的作用更大。

總之，在容易獲取海量數據的時代，大數據分析是幫助企業決策的重要工具，但管理者的商業洞察力和智慧仍是不可缺少的重要因素。