起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識那些動不動就大數據的人，其實很可能不那么了解大數據的運作機理
大數據即使在未來會越來越顯示出價值，但由于其涉及面太廣，所以，除了部分行業，多數商人或者個人其實沒必要那么的緊張大數據。除非，你是借用大數據分析某種“相對狹義的定量”。否則，大數據在十幾二十年內。在相對細分行業，不能說雞肋，但想要起大的價值，是很難的。
大數據這個東西，高端大氣上檔次。如果你是個商人，聊天時候，不字里行間吐露出你的戰略計劃里涵蓋對大計劃的籌謀。十有八九，會遭到同行的輕視。感情你就是個寒冬即將到來，但卻不知道儲備糧食的傻A。
當下，越來越多的媒體，無論是官媒，商媒,還是自媒。反正帶個媒字的。聊起大數據，無不抱著敬仰敬畏之情。差點沒拜倒在大數據的淫威之下。那論調，就像幾年前大家炒作電商的概念一樣。近乎決絕而悲壯的大喊，未來不電商者——死！
結果，死是死了一堆人，但與此同時，“電商”這個概念也死的只剩下一口氣了。為什么，因為大家發現，電商是不能完全獨立的，他是與實體經濟不可分割的。所以，在籠統的“電商”概念之后，咱又整出了一個更加精細化的說法：O2O，覺得這才是電商本色。那種純粹以為電商就是把店鋪放網上的，都是沒文化的。
但現實到這塊兒就完了嗎？別忘記，在O2O之后，我們又在醞釀一個新玩意兒，那就是粉絲經濟。現在已經開始有人喊出。（情景多像當年的電商口號）未來商業競爭，無粉絲者死，有粉絲者活。無論你是網店還是實體店，也無論你是巨頭還是新入行的雛。粉絲，粉絲，一切都是粉絲。有了粉絲，一切好說話，沒有粉絲，你就是明天的諾基亞，而且還是遇到蘋果后的諾基亞。不知道什么意思？意思是，你是個巨頭，沒有粉絲，你也就一發育不良的大頭娃娃，除了等死，就是被收購！
那么，這一番不著調的話跟大數據有什么關系？
說實話，沒太大關系，但別急著拍磚。機理相似。今天大家談大數據，就像幾年前談“電商”。是個極其籠統的概念。
某種程度，當下無論商業環境還是政治環境，對大數據的醞釀，甚至還達不到讓大家從電商的泛概念里悟出“O2O”的地步。
為什么？因為曾經那“籠統的電商”概念，他的好壞優劣，是直接反應在商業行為里的。所以，大家在觸電之后。立馬發現，純粹電商是不可行的。一定得O2O，線上線下必須合作，才能形成一個生態互補，真正激發出各自的潛力。
而大數據呢，他比“電商”這個概念更加模糊，更加不可定性。
舉個例子。
現在某大型電商的電子統計圖里清晰的顯示出，全國各大地區出現食鹽的旺盛需求，而按照此需求的增長速率，此電商必須立刻補貨。否則，食鹽就會缺貨。
而作為此電商的決策人，你是補還是不補？
要知道，按常態理解來看，食鹽這種商品是沒理由出現大規模銷量暴漲的，但是，系統匯總全國用戶的購買信息繪制出的銷量圖是基本不會出錯的。
但問題就在于，如果按銷量圖預判的未來趨勢采購食鹽，但銷量卻突然下滑，那么，付出的物流倉儲成本是不小的。
這個案例透露出什么？大數據在運用過程中，有他的天然短板。這個短板是什么呢？是他不夠“大”。就像案例所說，常態情況，食鹽這種商品是沒理由大規模銷量暴漲的，但你的銷售系統提供的圖表，清晰顯示這段時間以及未來的食鹽銷量趨勢不斷增長。而你，即使看到了數據，也斷然不敢輕易做采購決定。
為什么，因為即使銷量統計圖給了你一個可能的增長信息，但這違背了你腦海中的預判邏輯。所以，你會猶豫不決。除非，這個大數據能“大”到把一切變量全部涵蓋。
那么我們再換一個案例，從另一個角度來說。
根據某公司調查，中國人均工資平均每年上漲百分之七，勉強應對通貨膨脹。此數據精確可靠，是此公司通過全國各地工資收入情況匯總后，由系統精算得出。
不知道大家看到這條信息什么感覺？如果你不是政府官員，只是一個打工仔。相信你十有八九會覺得，一堆廢話。為什么。因為你在乎的不是工資上漲的百分比的統計。而是怎么讓自己的工資上漲。因為，如果要算工資漲多少，你自己把這幾年領到的錢加減乘除，輕輕松松就算出來了。
而這透露出什么。透露出大數據的相對“無效性”。即即使你用大數據能得出一些東西，但你得出的東西對我而言是毫無價值的。那么，管你大數據還是小數據。多看一眼都是耽誤時間。
（官方機構統計“下館子”人群越來越多的信息，對部分地理位置不那么好的小飯店無用也是類似機理）
那么，以上兩個案例如果匯總，我們客觀總結一下大數據的缺陷。
一：如果某個事務的關聯信息不能完全容納進“大數據”系統，則大數據的可靠性，實用性將天然減弱。
二：很多東西，我們根本不需要大數據來告訴我們。因為我們本就知道。我們苦惱的，是如何解決當下面臨的困境。而大數據顯然無法在中短期給我們提供幫助。
因此，某種程度我們可以說：大數據，也就是一個參考價值相對更高一丁點的數據而已。如果你所處的行業變數太多或者本就是早已知道原因只不過能力不足才面臨困境的話。大數據對你而言，其實沒那么大的價值。
那些動不動就大數據的人，其實，很可能不那么了解大數據的運作機理。
但同時，為了讓大家視角更全面，給個正向案例。
中國哪個地區的女性身材相對而言最好？
答案是：內蒙古
為什么，根據某大型電商平臺的數據。內蒙古的女性購買的內衣尺寸比全國任何一個地區都顯得“豐滿”。
而在商業應用中，此數據的統籌可以幫助打算在內蒙古開設女性內衣店的商人，提前進行市場預判，別店子開到內蒙古后，才發現自己采購的貨源在當地因為尺寸不對而完全銷售不出去。
當然，筆者為什么要把這個案例放在最后呢？
因為，這個案例雖然是正向的大數據應用案例，但卻能反向對大數據不那么好進行詮釋。何解？
如果我們仔細觀察這個正向案例，會發現，此案例能夠正向應用的基礎是，女性的身材在成年后幾乎不會再發生大的改變。而且，此案例相對聚焦的僅僅是商人在貨源采購上的單項的預判性，并沒有涉及其他諸如競爭對手信息，當地運營成本等因素。
這意味著什么呢？意味著即使大數據可以應用，但也局限在相對的“變量”不多的局部的層面，否則，他的能效性就遠遠匹配不上他“大數據”的稱謂了。
因此，我們在某種程度上可以說，大數據即使在未來會越來越顯示出價值，但由于其涉及面太廣，所以，除了部分行業，多數商人或者個人其實沒必要那么的緊張大數據。除非，你是借用大數據分析某種“相對狹義的定量”。否則，大數據在十幾二十年內。在相對細分行業，不能說雞肋，但想要起大的價值，是很難的。
（PS：筆者此文重在提供一個視角，讓大家別太把大數據捧上神壇。絕沒有逆天而行“黑”大數據的意思。重在機理，大家手下留情。）
本文作者：internetsage/大迦葉，QQ：2972713301
- 目前還沒評論，等你發揮！
