大数据时代你一定要知道的九件事 大数据已经成为时尚词汇，理解混乱是必然的。对此的九个思考，没有逻辑、没有体系性，纯粹是片段式的，目的是提出问题，思考中。心中无“大师”，一切从现象入手，窃以为“大师”一词仅仅适合于鬼神灵，不适合人。 此思考希冀引起思想碰撞，各种观点，无论是鼓励、批评，甚至攻击，只要发自内心，都能够促进思索。感谢!结合大家的批评与建议，对一些集中问题点进行一些思考后的再补充。 大数据思考之一 任何一个网站的数据都是人们互联网行为数据的很小的一个子集，无论这个子集多么全面，分析多么深入，都是子集，不是全集。对于企业来讲，竞争对手的数据价值远远超过自己网站数据的价值，从量级上，对于所有公司都一样，自己拥有的数据远远小于全集数据。看起来的全数据恰恰是残缺数据。 一些朋友对“竞争对手的数据价值远远超过自己网站数据的价值”的判断是错误的，我虚心接受，知己知彼很重要，实际的意义是“企业的生存关键不在于自己如何，而在于竞争对手如何，自己的事情必须做好”。在此前提下，竞争对手的数据价值远远超过自己网站数据的价值”。 大数据思考之二 数据量的大幅增加会造成结果的不准确，来源不同的信息混杂会加大数据的混乱程度。研究发现：巨量数据集和细颗粒度的测量会导致出现“错误发现”的风险增加。那种认为“假设、检验、验证的科学方法已经过时”的论调，正是大数据时代的混乱与迷茫，人们索性拥抱凯文凯利所称的混乱。 舍恩伯格在《大数据时代》一书中的提出的被广泛接纳的：大数据“没有精确只有混杂，没有因果只有相关”观点是错误的。混杂需要梳理成合理才有分析价值，无论是牛顿、爱因斯坦，还是韦伯的理想类型都是在混杂中找寻分析方法，相关很多时候是没有找到因果之前的认识，因果与过程理解是研究的核心。 大数据思考之三 互联网用户的基本特征、消费行为、上网行为、渠道偏好、行为喜好、生活轨迹与位置等，反映用户的基本行为规律。体系完整是所有分析性工作的第一步，完整的框架甚至胜过高深的模型。人类的认识最大的危险是不顾后果的运用局部知识。如果只关心自己网站数据，其分析基础必然是断裂数据。 断裂数据的危害会在竞争激烈时日益凸显，很多互联网企业以CRM管理系统当成数据挖掘与数据分析系统，观念是错误的，CRM的目的是规范性报表，数据分析与数据挖掘的目的是探索性归纳。 大数据思考之四 现在谈到大数据，基本有四个混乱观念：第一，大数据是全数据，忽视甚至蔑视抽样;第二，连续数据就是大数据;第三，数据量级大是大数据;第四，数据量大好于量小。对应的是：抽样数据只要抽样合理，结论准确;连续只是一个数据结构;大量级的噪音会得出错误结论;大小与价值关系不大。

现实互联网领域被基本关于大数据的书籍所累，观念十分混乱，实际上，人类积累的数据经验是一切分析的基础，包括所谓的海量数据，那几本书的方法论横空出世，同时又没有落地、没有实际操作经验积累，误导性太强。