关注“大数据”，别忘“个数据”
自从麦肯锡咨询集团提出“大数据”一词，大数据已从商业变革扩张到生活变革。这个世界所拥有的数据越来越多，越来越离散。
大数据应用改变了我们的思维深度和体验惯性。它可以预测犯罪的发生、预测流行病的散布规律，甚至预测重大的政治危机和人事变局，更可以很好地预测人们的消费习惯和消费行为。
从经济学视角看，大数据类似于理性的经济模型分析，从探寻规律中实现预测。
然而，最近30年来，理性经济学不断面临行为经济学的挑战，并出现二者相互融合和互补的新局面。大数据背后所蕴藏的“生活感性”问题，也长久以来被忽视，值得探讨。
举例而言。著名心理学家施瓦茨提到一个经典案例：一个人想买一台新车，而且对安全性和可靠性非常看重，于是他反复阅读了美国著名的商业大数据研究报告《消费者报告》，该报告数据来自于数以万计的大数据分析。终于，他决定买一台某名牌的轿车。但当天晚上其朋友对该品牌轿车的负面评价使其打消了购买该车的念头。
上述现象被称之为大数据背后的“个数据”现象。这在生活经济学中涉及到“消费感性”对“消费理性”的挑战。但为什么在消费行为选择中，“个数据”常常能战胜“大数据”？
2002年诺贝尔经济学奖获得者丹尼尔·卡恩曼提出的“可获得性启发”理论，对此可提供重要解释。“可获得性启发”是指，人们认为容易想起的事件比不容易想起的事件更常见更生动，所以也更可靠，因此会选中前者，尽管后者实际上可能更可靠。
亲朋的介绍常常比数据报告或商品推送更常见更生动。于是，来自某个亲朋的“个数据”，就很容易战胜来自于千万个陌生人的“大数据”。大量的生活经济学实验证实了在消费选择方面“个数据”对“大数据”的“颠覆”。
“可获得性启发”还有一个推论是“熟悉定律”：人们通常对熟悉的商品更有好感，当所选商品势均力敌时，最熟悉的商品会被买走。相较而言，人们对身边人提供的或自己亲耳听到的（虽然很可能只是道听途说）信息更具熟悉感，而对基于大数据的推送信息缺乏熟悉感。因此，大数据推送常常败在“熟人耳语”的“个数据”面前。
此外，值得注意的是，大数据分析通常能甄别和预测到消费者“需要”的东西，但无法保证是消费“喜欢”的东西。
尽管在生活经济学和行为经济学的领域中存在对大数据应用的某些挑战，但这些“异象”并不能掩盖大数据蓬勃的发展现实和强劲的发展态势。
“个数据”选择现象是对大数据应用的有益补充。它提醒我们注意并不断改进未来的“大数据应用”，并在大数据分析方法中嵌入更多的“个数据”分析节点。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在数据分析与建模中，“显性特征”（如用户年龄、订单金额、商品类别）是直接可获取的基础数据，但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型（LLM）商业化落地过程中，“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言，相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下，企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
2025-11-06在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
2025-11-06在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中（如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”），卡方检验 P 值与 OR 值（比值比，Odds Ratio）是 ...
2025-11-05CDA 数据分析师的核心价值，不在于复杂的模型公式，而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-05教材入口：https://edu.cda.cn/goods/show/3151 “纲举目张，执本末从。” 若想在数据分析领域有所收获，一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材：CDA教材一级：商业数据分析（2025）__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代，数据挖掘不再是实验室里的技术探索，而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM（Denoising Diffusion Probabilistic Models）训练过程中，开发者最常困惑的问题莫过于：“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA（Certified Data Analyst）数据分析师的工作中，“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时，他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点，理解二者区别是避免统计方法误用的关键。核心结论是：stats.ttest_rel（配对 ...
2025-11-03在 CDA（Certified Data Analyst）数据分析师的工作中，“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中，“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中，“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”，直观呈现数据的分布特征 ...
2025-10-31在 CDA（Certified Data Analyst）数据分析师的工作中，“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
