数字会说话吗

Deep-Sci："-sci-"源自拉丁语的"scientia"（知识）

小科

物语

+

真正在说话的依然是人自己。

今天一整天的大数据交流与讨论，借着这个氛围，来继续谈谈这个“大数据时代”的数据应用。

大数据可谓这几年的热门，所有巨头都在布局，许多企业也都争先恐后收集数据，建立各种算法、统计模型，给出很多漂亮的数据结果，每一个传统非传统的企业都在奋力向大数据世界进发。

事实上，有很多大的平台企业早就累计了足够多的数据，然而，所谓大数据，并不仅在其“大”，甚至也不在于统计技术。

真正成为赢家的关键，是诠释问题的角度和观点。

观点决定了数据的角度，让我们能够在海量数据中准确地发现问题核心，进行深度挖掘。

在数据世界，问对问题，才能找对答案。

大数据的意义在于让人们拥有更准确的预测能力，以及更深刻的认知能力，因此其用法才是第一位的。

在如今的世界，搜集数据已经不再困难。

而机器负责处理数据、回答问题，也已经变得普及。

那么，作为人类最重要的作用就是提出问题、发掘问题。

尤其要学会追根溯源，发现问题背后的问题，也就是真正本质而核心的问题。

大数据时代，企业学习问对问题是一个重要的课题。

因为大数据时代，信息会排山倒海而来，超乎你的想象，如果不在源头就问对问题，就找不到正确的信息，反而会走冤枉路，一事无成。

要问对问题，必须克服盲人摸象的局限，从“全视野”的高度来看问题。

一旦看问题的高度不够高、角度不够全面，就会犯短视的毛病，造成资源错置。

大数据时代，问对问题，可以找到症结所在，让答案彰显无遗。

问题的不同也影响到数据的搜集，所以唯有问对问题，才能搜集到正确而且有价值的关键数据。

20/80法则，小而准的数据价值最大。

大数据可分为三类：小而准数据、大而乱数据、开放数据。

小而准数据如销售网点管理系统交易数据，结构化而准确。

大而乱数据就像社交媒体数据、Wi-Fi数据，非结构化而且杂乱。

开放数据则是指像天气、人口普查之类的开放数据。

数据越大，不确定性越高，含金量则越少。

数据越小，结构化而准确，含金量越高，越能轻松挖掘到你要的答案。

所以，数据质量重于数据规模。

数据分析更重要的，应该是数据的质量，而不是数据的大小。

意大利著名统计经济学家维尔弗雷多·帕累托提出的“20/80法则”主张，80%的产出往往源自于20%的投入。

掌握20%的数据就掌握了80%的成果，而且通常这20%都是些显而易见的数据。

根本不需要去找远在天边、遥不可及的数据。

所以，最能反映公司营业收入的数据其实就是公司自己的交易数据。

数据会说话？说话的是人。

我们会觉得，数据很厉害，可以做预测。

其实，在做预测，在说话的还是人类自己。

什么叫“数字会说话”？

要让数据说话，必须先建立假说、观点，有了假说，数据才有意义，而假说是由人来设立的。

所以，真正在说话的依然是人自己。

在大数据的世界里，决胜负的关键，并非数据运算能力，也不是依赖统计技术，真正能够成为数据赢家的其实是运算观点。

观点就是假说，观点形成后，会产生判断，然后才有更进一步的预测。

大数据时代，数据与人的关系有时很奇妙。

数字没办法自己讲话，是我们在替它们说话，我们赋予它们意义。

利用数据的人，可能会用对自己有利的方式来解释数据，让数据脱离客观的现实。

而信息总量在快速增加，其速度之快，让我们对如何处理信息的理解，以及我们分辨有用信息和虚假事实的能力往往都跟不上。

当我们拥有'太多信息’的时候，本能地会采取的简便做法就是选择性处理，挑出我们喜欢的部分，忽略剩下的部分。

所以，在大数据时代如果想要用好数据，人更应该自我要求。

▼ 不要再逃避

✨星星发亮是为了让每一个人有一天都能找到属于自己的星星

▼