在大数据中找到别人的“集体智慧”

最近，我去了一趟美国，看到大数据领域的几个变化，这些变化有可能极大地改变世界。

第一个变化是开始从被动搜集数据，转变为主动搜集数据。

美国一家公司现场给我们表演，电视里正在播放新闻，他们把手机放在电视机旁，手机很快识别出这是CNN新闻频道，以及正在播出什么内容。我们三个人拿出自己的手机，手机同时放三首不同的歌，他们的软件很快辨别出这三首歌是什么，以及作为背景正在播放的电视新闻。这意味着，非结构性的数据编程结构性数据，开始从被动搜集数据转变为主动搜集数据。

第二个变化是非实时转实时。

滴滴打车的数据可以说明不同地点的人流情况，但是零售业得到了这些数据，又如何触到它的用户群呢？大家知道这个世界有一个，DSP（Demand－Side Platform 需求方平台），作为中间方，DMP记录用户去了哪个网站，用了什么APP。当人使用APP时，数据会告诉DSP，这个人出现在了某一个地方，DSP就能够帮商户做智能投放。由于背后有大数据支撑，投放在很短的时间内就能完成。这种模式对营销来说，绝对是一个颠覆。

还有一个非常重要的变化是对话。

美国有两大公司，几乎同时宣布了一项战略性科技——对话的人工智能。比如，你的房间有一个音响，这个音响同时是一个传感器。当你说“我要买一瓶酱油”，音响会和你说：“老板，你是不是要买你之前买过的酱油？”你说：“不是，我要买新的。”它就会告诉你，新的酱油以及同样差不多的有几种，建议你选择哪种。这个变化将引发一个大的颠覆。

隐私+归属权：从混沌走向清晰

说到大数据，不得不提的是大数据与隐私这个问题。

这次在美国，我见到了一位在隐私问题上给美国总统提意见的专家。他说，关于个人隐私会有一个颠覆性的变化，这一变化在欧洲已经开始了，现在是美国。过去，当用户使用一个应用时，都会和应用方签订一个协议，表明用户同意把自己的数据交给应用方以改善用户体验。但是，大部分人都不知道自己同意的是什么，仅仅是点击了“同意”。美国的法律对此准备进行修改，这可能会改变大数据产业。

在这个变化中有个问题，数据分可识别数据、不可识别数据。互联网上的数据，有的可以识别是你，有的不可以识别是你。当不能完全知道他是谁，没有办法和他说你是否同意时该怎么办？现在，美国正在认真讨论类似的事情。

另一个问题是数据的拥有权是谁？早期大家是按照实物的思路，来定义数据拥有权的法律，后来发现这条路撞墙了。数据的可爱之处就是看见就看见了，不在于是你拿着还是我拿着。法律界已经开始关注这个问题。

关于隐私问题，大部分用户更多是希望平衡好，你不能拿到我的数据我一点好处都没有，你拿了数据使用我却一点都不知道。所以，问题是谁有权控制？比如脸书，每一次使用用户数据，会告诉用户，这个数据会在某个点使用，这就涉及数据使用透明和是否可控的权利问题。这个行业里面很多人不想讲这个问题，但并不是不知道。这是我们做大数据的人必须要慢慢解决的，否则这是一个定时炸弹。

当然，有大量的数据不相关隐私。比如，用1000个人或者5000个人的数据算出来的结果，当做大数据营销的时候，有没有把他捆绑在5000个人当中营销？美国有些法案很可爱，认定个人数据的隐私问题不是放在单独的案例当中，而是放在行业里面。我问专家，为什么要放在行业里面？他说，个人隐私和行业有关，比如卖药的，个人隐私的监管就会非常严格，而游戏类的个人数据会相对简单一些。在欧洲则是一套法律，不分行业。欧洲人认为，隐私是一个人的底线。而美国认为价值和隐私之间可平衡。这些都是未来大家都会议论的课题。

做好缝合，不断迭代

大数据的本身是异构异类的数据，就像裁缝把不同的材料缝成一件衣服一样，需要很多技术把数据连接起来，让这些数据可以使用。不同材料缝合在一起，中间会有一些缝合处。

美国任何一个做大数据的人，都会告诉你数据关联很难。美国可以把数据关联起来的公司有几家。美国大数据行业在产业链上，是可以分工的。你干这个，我干那个，大家协同把东西做出来。这和中国的情况是有区别的。

要把大数据整合起来，数据源好不好非常重要。另外有没有不同的环境可以进行数据测试，也很重要。

数据是迭代的，算法是迭代的，产品服务也是迭代的。数据有不同的版本、算法有不同的版本，我们要找到最优、同一个语境下最好的算法，达到最好的服务。

将大数据变成企业的洞察力和行动力

对于企业来说，需要将大数据变成企业的洞察力、行动力。10年前，商业决策都是靠经验驱动，用数据证明自己的判断是对的。而数据驱动，则要拥有足够的数据，通过数据发现一些以前没有看到的东西。

比如，有一些人在购物网站搜索过的关键词，两个月后会成为比较流行的关键词。当我们深入分析时，数据会告诉我们，购物里面是有达人的，购物达人看的东西和普通人不一样，他们有自己的方法寻找自己想要的商品。如果能跟踪这些达人，就可以找到用一般推荐引擎无法找到的东西。

一个学习的完整体系，简单来讲，首先有目标定义，之后进行决策、行动、拿到行动结果之后学习。人类学习的一般方法，都是根据这个链路进行，这叫“自学习”：用自己的经验慢慢积累，进行一个自我循环。

当我们开始做大数据的时候，你会发现，别人的数据会成为你的经验。你也可以把别人的数据代入自己的决策，学习到别人的经验，这叫“集体智慧”。在大数据当中，我们可以找到别人的集体智慧。

大数据里的创新，可以有三个层面：数据的创新、算法的创新、服务的创新。

下面这张图中有四个坐标：数据集中、数据分散、问题清楚、问题不清楚。过去我们可以解决的是数据集中、问题很清楚的部分，后来开始出现很多碎片化、分散的数据，我们发现可以用零散的、没有集合、没有结构化的数据，更好地解决原来的问题。

举一个例子，有一个网站虽然有几亿用户群，但只有几百万人买彩票。如何找到更多用户到这个网站上买彩票呢？按以往的方法，先描述买彩票的人是什么样的，经验认为男的比较喜欢买彩票，年纪应该是25-35岁。而用大数据的方法，则是想猜用户下一步想做什么，可以看4周之内用户有没有看过彩票的内容，如果有，那他就是一个希望要买彩票的人，只是没有在网站里买。用这个思路，我们发现买彩票的女性比男性多，而且往往是在办公室里买的多。这样一来，数据就指明了哪些人在哪些地点是最好去做营销的。

对于数据零散且问题不是很清楚，大数据同样可以解决。比如在面对不知道客户是什么样的人，只知道这些人是重复购买的人，而想要用大众标签去描述这些人时，可以先猜1000个人，对他们进行营销，发现有些人被猜对，有些人被猜错。对猜对的那部分人继续深入，慢慢就会越做越准确。这就是我通常讲的“用数据养数据”。

一个公司有没有大数据能力，一般看他有没有预测能力和行动能力。但是布点/收集、存储/刷新、识辨/关联，也很重要。前者是如何让数据更容易使用，后者是如何让数据更有效关联在一起。这个闭环如果可以做好，就可以做一个非常好的数据产品。

考量“好数据”的六把标尺

好的数据，六个衡量标准是缺一不可。缺少其中任何一个，数据质量就会下降。有的数据很稀缺，很独家，那就是数据价值。数据质量，主要要看准不准，但还要看全不全。如果你只拿到安卓的数据，没有拿到苹果的数据，那就不全。一段段很零散的数据买过来，没有连续性的数据也是不行的。需要找很可靠的伙伴来提供算法、数据、服务。

一家公司是否能用好自己的数据，首先要看一个公司高管、员工有没有意愿，接着看工具。有意愿、有能力、有工具的前提下，才谈到整个公司一定要对数据有自己的方向，有组织保障，以及执行到位。

信息数据化的研究，还应该包括应用无线化。对话性的产品，将是颠覆世界的产品。互动的产品，将来或许会越来越多，这也是我们在创新产品时非常大的机会。