京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为何大数据比不上好直觉
大数据是一笔大生意。感应器、GPS跟踪、数学建模和人工智能给企业带来了大规模的实时市场洞察力,为监控、定位、衡量员工和顾客开辟了史无前例的新方法。分析公司高德纳(Gartner)预计,采用大数据技术的公司将“在所有可测的财务指标上超过竞争者20%。”
大数据可能是“新的石油”,但我要提醒大家,不要把它当作一个新的信仰来崇拜。身处数据洪流之中,我们不仅失去了对商业的大局观,还失去了部分人性。如果我们认为更好的生活就等同于更好的算法,还能留下多少创新空间?
我不是有数据恐惧症,我担忧的是纯粹依靠数据。我不反对定量的测量方法,但我质疑它们作为商业表现、社会繁荣和生活意义等重要指标的共识性。

大数据有许多好处,不过我们还需要用“大直觉”来完善它。以下是六大理由:
大数据=老大哥?《纽约时报》(New York
Times)的史蒂夫?洛尔把大数据看作美国管理学家泰勒的“科学管理”的传承。泰勒主义的核心是业绩表现,而如今我们开始衡量快乐感和幸福感、消费偏好、社交关系、体育活动、态度、情绪、情感、行为和身体机能——换句话说,我们在评测自己的生活。
当然,某种程度上说,“量化自身”的应用程序能让人们更好地控制自己的决定。然而,如此一来,我们就在自我改善这一想法的驱使下,把曾经私密的领域开放给了商业世界。
大数据不具有社会性。人类是社会动物。研究显示,人与人之间的关系,尤其是友谊与婚姻,是快乐和自我实现的关键因素。我们的大脑有着关心的本能,我们的心脏和思想有着领会同类并与他们产生共鸣的惊人能力。我们能表现出同情,感受到情绪波动,察觉到非语言的细微暗示,容忍或拥抱,接受与拒绝,爱与痛,体会到我们所有的感受,做出不合理的举动,丧失自制力。这些人性的关键特质受到了里昂?维瑟提尔所称的“主观数字化”的威胁。
最近的社会基因研究显示,数字过载不仅降低了我们的生产力,还削弱了我们进化出的与他人交流的能力。
大数据造成小世界。道德感通过共鸣而增强。矛盾的是,在这个高度连接的时代,我们越来越需要面对一个挑战:与想法、价值观、信仰、信念和文化相异的人们交流。数字技术可以根据我们的偏好,为我们定制线上和线下的社交活动,我们越来越沉浸在自己的世界中——正如艾利?帕雷瑟所说的“过滤泡泡”。它通过智能算法,向我们提供熟悉的内容、文化和同伴,同时把这些东西直接砸入我们的舒适地带。我们不“赞”与我们不同的人和事物,陷入了社会和文化上狭隘的恶性循环。
大数据让我们更智能,而不是更有智慧。我们这个数据驱动的世界不仅变得更小,还变得更快。信息的实时传递促使我们不断地立刻做出回应。道格拉斯?洛西科夫打趣阿尔文?托夫勒1970年的着作《未来冲击》(Future
Shock)的书名,将我们现在的状态称为“现时冲击”(Present
Shock),他哀叹,“一切不是发生在当下的事情日益遭到漠视,而一切被认为是发生在当下的事情又让人应接不暇。”
数据可以迅速为我们提供信息,不过要快速做出意义深远的决定,直觉是更好的工具。普拉萨德?凯帕和纳威?拉裘在最近的一本书中力劝商界领袖进行“从智能到智慧”的转变。他们的意见很中肯。拥有智能的公司和领袖依靠持续的反馈成长起来。智能很快,智慧却很慢。拥有智慧的公司和领袖需要时间来实现转变。
大数据(过于)明显。“你只能管理你所测量到的”——真的吗?金融危机已经证明我们对于所测量的事物管理得很失败。失败的兼并、失败的产品发布、信誉危机、社交媒体的灾难,这一切都证明,我们需要更好地管理那些我们无法测量的事物。
正如设计界的思想家罗杰?马丁所言,领袖需要“兼听则明”。评价21世纪的商界领袖,不再看他/她能排除多少不确定性,而要看他/她能忍受多少不确定性。
大数据不敌直觉力。数据也许能预测新问题,也许能找到已知问题的新解决办法,不过只有人类的直觉和巧妙心思才能提出开创性的新想法。这是独一无二的人类天赋——它远远超过解决一个问题,超过满足某个功能需求的层次。
同样的,如果我们量化所有的人际关系,就无法给人类的判断力留下任何回旋余地。因为我们常常把对人们的感觉和他们的行为混合在一起,我们的判断力比二进制数字更加复杂。它意味着我们可以对双重行为有着更细微的评估和反应,我们可以选择将失败视为创新的先决条件。很难想象,如果我们丧失原谅的能力,如何还能朝着任何目标前进。
让我们抵抗冲向数据的欲望,花时间沉住气,必要时再加快步伐。让我们允许自己不时从数据中解脱出来,去思考什么才是真正重要的东西。让我们用数据来讲述自己故事,但不要让数据成为我们唯一的故事。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-07-22在金融风控、企业运营、行业研究等数据分析场景中,大量数据以面板数据形态存在:例如多家分支机构连续多个季度的风险指标、多位 ...
2026-07-21 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-07-21