大数据是一种方法论_数据分析师考试

　忽如一夜春风来，无人不谈大数据。当然，它有足够的理由值得被探讨，伴随着技术的迅猛发展，人类的数据也在以指数级增长――最近两年，人类产生的所有数据量是2010年以前的总和。而以下这个知名结论似乎也已不证自明：“在未来，数据将会像土地、石油和资本一样，成为经济运行中的根本性资源。”

　　作为阿里巴巴集团副总裁、数据委员会会长，车品觉无疑是探讨大数据的好人选。不同于雨后春笋般冒出来的“大数据专家”，车品觉属于大数据实践方面的先行者。“大数据成了人们竞相争议的热词，但鲜有人提及这巨大变革中需要具备的能力。也许，我们早该忘掉那些华而不实的喧嚣，让大数据真正从‘看’到‘用’，真正‘活’起来。”他这样总结道。

　　方法论

　　不久之前，车品觉把公司的商业智能部门，改成了数据技术与产品部。“这是我响应了马总DT的战略。”――此前，马云在内部信件中明确了阿里未来的战略：以走向激活生产力为目的的DT(datatechnology)数据时代。“现在大部分公司都是中央管理数据，然后报告做出来给业务部门去用。在阿里我们的痛苦是，发现我的部门越来越多，但如果业务部门越来越不能直接使用数据，很难成为一个数据化公司，所以我把BI(商业智能)部门干掉，用另外一个方法来处理今天数据的理念。”车品觉说。

　　就在此刻，无数人正在成为大数据的提供者和受益者。那么，究竟何为大数据?相比明确的定义，大数据似乎更像一种方法论。无论是塔吉特百货“比父亲更早一步获悉女儿怀孕了”，还是沃尔玛“啤酒与尿布”的故事，这些营销经典案例都在表明：大数据的关键不是“量大”，而是“全面”――用多维手段记录消费者的行为迹象，如同让侦探一直住在电脑和移动终端里，通过对信息的交叉比对从而形成决策。“一切都被记录，一切都被数字化”是时代的核心理念。

　　你能想象阿里巴巴数据的海量。据报道，目前在阿里数据平台事业部的服务器上，攒下了超过100PB已处理过的数据――也就是104857600个GB。这相当于4万个西雅图中央图书馆，580亿本藏书。阿里巴巴已沉淀了包括交易、金融、SNS、地图、生活服务等多种类型的数据，当这些数据之间相互关联，将产生巨大的能量。

　　变革与爆发

　　互联网已经令工业文明积攒下的不少经验分崩离析，而大数据则又是一记重拳。“我们都是有问题找数据，大数据时代则不同，其最核心的特质是‘用数据找机会’”车品觉在书中写道。

　　大数据降低了决策成本，让人们在一定程度上绕开因果和理论，直奔应用环节。美国《连线》杂志主编克里斯・安德森甚至早在2008年就已断言：数据的洪流或将带来理论的终结。“面对大规模数据，科学家‘假设、模型、检验’的方法变得过时了。”

　　事实上，这并非人类第一次经历信息风暴，也一定不是最后一次。“大数据远未到它的爆发点。未来，数据的种类将超出我们的想象。”车品觉写道，“今天的大数据就是明天的小数据。”几乎可以肯定，未来人们所接受的服务，将以更加数字化和个性化的方式呈现。“未来人类的身上流动着的是血液以及数据。”

　　车品觉这样解释：“以前的数据更多集中在外部行为监控上，不论是网络购买行为，还是网上社交行为，都是用户在‘远距离’提供数据，即便这样，我们仍然还没有运用好这些数据。随着可穿戴式设备的出现，数据和人将真正融为一体，类似谷歌眼镜这样的设备，将让我们看到的东西即时数据化;类似健康手环类设备和可以深度收集脑电波数据的设备，将随时会使人体的活动转化成数据。

　　目前，记录睡眠状况只是其初步的应用，在不远的未来，用数据记录我们每一秒钟的生活也将成为可能。当万物皆数据的时刻到来，商业发展的更多新机会将会出现，数据将帮助我们更好地做出判断，比如什么时候最适合吃饭、什么时候身体疲惫适合睡觉和什么时候记忆力最好等，这些都能通过数据来进行预判。甚至于，当记录了人的足够数据之后，数据就可能告诉我们此时此刻应该做些什么及最佳的策略。”

　　如此看来，大数据似乎在一定程度上满足了人类预测未来的远古奢望(著名物理学家巴拉巴西则在《爆发》中指出“人类93%的行为可以预测”)。但正如车品觉所言：“大数据的本质是人，数据研究的极点就是莫测的人性。”莫测也许就意味着盲点。数据的确定性和人性的不确定性，或许是平衡未来人类行为天平两端的砝码。

　　大数据的边界

　　记者：我了解到，在现阶段，很多企业在面对大数据时是将信将疑的态度，这是什么原因?

　　车品觉：第一是不知道如何起步。很多企业只知道大数据现在很重要，但却不知道如何去实现。以企业的BI(商业智能)部门为例，是否应该有个BI部门，BI部门能为企业做什么，以及这个部门应该怎么去做?这几个问题对很多企业来说答案都是不清楚的，这必然会导致企业对大数据存在疑问。

　　还有一部分企业，虽然本身有BI部门，但可能连一些KPI指标都不一定能定得好，他们在企业中所扮演的角色通常是支持部门，而非创新部门。当大数据来临时，如果突然让这个部门的角色转变成为创新部门，他们肯定在一时之间难以转换;第二是人才不匹配。不知如何起步同时也与人才不匹配的问题相关联，如果企业连BI部门是否该存在以及如何定位都不清楚的话，必然也不知道吸引什么样的人才以及如何去用;第三是没有数据收集策略。过去，企业大部分是在用数据，有什么数据就用什么。但现在，企业需要转型到“你需要什么数据，收集数据的目的是什么?”尽可能比较前瞻的数据策略，而不能在需要用数据时再去看自己有没有。

　　对于企业来讲，首先要明白，自己有什么，然后再根据自己所拥有和自己缺乏的，去做相应策略调整。比如有数据的可以通过吸引人才来丰富自己的数据技术水平，而有技术没有充足数据的，则可以通过合作来完善数据。

　　记者：在一些企业，采集数据的人和使用数据的人往往是分开的，这会带来什么影响?

　　车品觉：在我的新书里面，有一章提及到这个问题。“目前在大数据方面，无法深入应用的原因在于，从收集到使用的数据价值链出现了问题。从理论上来说，从收到用的螺旋式循环，只有在先用好数据的前提下，然后才能运营数据。而现在的情况是，用数据的人不知道数据从哪里来，做数据的人不知道数据如何使用。用的人用得不好，采集数据的人很难做好数据。这一问题造成的结果就是，数据量变得越来越大，而且越来越困难有效地使用。”从用到养，从养到用的闭环可以使数据“活”起来，数据与商业场景的互动才可以确保企业不因为数据而数据。

　　记者：数据收集存在所谓的“边界”吗?

　　车品觉：大数据的收集很难定义边界。因为，大数据的应用讲求创新以及跨界。所以我主张以企业自身的业务需要建立数据收集策略。首先，企业得先清楚知道，什么样的数据对你来说是重要的。其次，再去寻找这个数据在哪里。然后，再因此去建立数据收集策略。而这个时候，你才有可能知道数据收集的一个相对有点轮廓的边界。但是，这个边界并非是具象的，而是动态的。

　　数据无所不在

　　记者：如何培养一名数据分析师的商业敏感性?

　　车品觉：我认为，首先不要强调“数据”分析师，分析师的本质就是对商业的敏感性，培养分析师最重要的是“混”在商业场景中，然后才用数据去洞察对错。做个好的分析师还要把自己作为分析对象，从错判中找出正判。最后还要注意数据切勿滥用，数据是一种信仰。分析师最主要的是分析，数据只是其中的一种方式。如果过于强调数据分析师的话，反而会失去分析师的本质。

　　记者：能否分享一下你个人最得意的一个数据分析案例?

　　车品觉：小卖家的成长案例――对于小卖家来说，很容易出现一个问题：你能接待的客户有多少个?我们通过数据发现，小卖家随着接待的客户量的增长，会出现一个营收的临界点。在临界点之前，客户量越多，卖家的营收就越高;而在过了临界点之后，营收反而是随着客户量的增加而减少的。这个分析能够给予小卖家以一定指导：对于他们来说，需要了解自己在发展过程中，那个临界点在哪里，以及如何去改善。

　　记者：有观点认为，大数据时代的来临，将人类从探寻因果关系的逻辑中解放，你怎么看?

　　车品觉：中国人的思想特别强调每件事情的本质与现象，数据挖掘可以从大量数据的现象中找出事情发生的规律，但要充分理解一件事情的现象也需要从本质出发去洞悉变化。

　　记者：可穿戴设备，包括未来更先进的人工智能，甚至随着人类对大脑活动认知的全面理解，将迎来一个数据无所不在的世界，你对此有何展望?

　　车品觉：有了大数据之后，人工智能会有一个比较大的突破。未来，人会越来越懂得利用机器来帮助改善今天的生活和工作。也许目前我们比较的是自我的能力，在将来，人与人之间的竞争比较的是机器的能力而非个人的IQ能力。而人工智能的重要原材料也是数据。就像在原始社会，人与动物最关键的差别之一是，人类懂得使用工具。而从现代社会进化到data时代，与现在区别在于，未来人类不仅懂得用工具，还要懂得用和营运数据。