
大數(shù)據(jù)時代 “臟數(shù)據(jù)”無處不在且危害大
數(shù)據(jù)時代已經(jīng)到來。大數(shù)據(jù)的應(yīng)用層出不窮,正改變著公共決策、企業(yè)管理、市場營銷以及生活的方方面面。我們知道,大數(shù)據(jù)要發(fā)揮作用,有一個前提就是數(shù)據(jù)是好的數(shù)據(jù)。所有數(shù)據(jù)都是好的么?當(dāng)然不!因此大數(shù)據(jù)時代還需警惕“臟數(shù)據(jù)”。什么是“臟數(shù)據(jù)”呢?簡單來說,就是那些虛假的數(shù)據(jù),那些未能反映真實(shí)情況、扭曲了真實(shí)情況的數(shù)據(jù)。
那么,“臟數(shù)據(jù)”是怎樣形成的呢?
KPI、利益誘惑
導(dǎo)致主動弄臟數(shù)據(jù)
淘寶賣家信用等級制度是一個很好的創(chuàng)新,推動了誠信網(wǎng)絡(luò)購物環(huán)境的構(gòu)建。信用的等級主要依據(jù)是交易成功后買家的評分。由于信用等級在買家購物時有著巨大的指導(dǎo)作用,所以賣家都頗為重視自己的等級。這也導(dǎo)致該制度從誕生的第一天起就伴隨著“臟數(shù)據(jù)”。部分賣家挖空心思、弄虛作假爭取高的等級:有的采用虛假交易的方式,自己賣給自己,然后給予這次交易較高的評分;“刷信用”、“刷鉆”儼然成了一門生意,有不少專門做這個生意的網(wǎng)站;職業(yè)差評師也應(yīng)運(yùn)而生,很多惡意買家專門以給網(wǎng)店差評為手段向網(wǎng)店店主索要錢財(cái)。
微博粉絲數(shù)體現(xiàn)了一個人的影響力,同時也具有商業(yè)價(jià)值。這里也有“臟數(shù)據(jù)”——僵尸粉,即虛假粉絲、永遠(yuǎn)沉默的粉絲。自己可以注冊多個微博來關(guān)注自己;花錢也可以買到“關(guān)注”,這些粉絲通常是由系統(tǒng)自動產(chǎn)生的惡意注冊用戶。
終端銷售的代理商為了套取運(yùn)營商的傭金,用一個虛擬的串號錄入系統(tǒng),自己賣給自己;電信業(yè)務(wù)銷售代理商為了完成運(yùn)營商下達(dá)的任務(wù)量,將手機(jī)號卡從系統(tǒng)里開出來囤著,放在抽屜里慢慢賣。這些,都能產(chǎn)生巨大的“臟數(shù)據(jù)”。
能力不足
不可避免地弄臟數(shù)據(jù)
人為的非故意的差錯也會導(dǎo)致數(shù)據(jù)失真。比如要人為地去統(tǒng)計(jì)某個營業(yè)廳一天的人流量,若這流量成千上萬,即使再細(xì)心的工作人員,在數(shù)的過程中也難免出現(xiàn)差錯;如果這個人本身的算術(shù)能力有問題,對100以上的數(shù)字計(jì)算不過來,那么這數(shù)據(jù)就更難準(zhǔn)確;更有甚者,在數(shù)了半天后覺得這工作實(shí)在枯燥無聊,于是開了小差,最后虛報(bào)了一個估計(jì)的數(shù)字。
無論是主觀故意,還是客觀能力,是人都會出錯。那計(jì)算機(jī)就不會出錯么?計(jì)算機(jī)同樣會出錯,且計(jì)算機(jī)出錯的新聞比比皆是。比如在銀行ATM機(jī)上取1千元,然后吐鈔1萬元。一方面,這取決于計(jì)算機(jī)編程人員對計(jì)算規(guī)則的理解;另一方面,這還依賴于計(jì)算機(jī)程序編寫人員的能力與細(xì)心,若出現(xiàn)編程人員的理解偏差或者編程時未想象到的情形,計(jì)算就可能出錯。
“臟數(shù)據(jù)”無處不在且危害大
當(dāng)數(shù)據(jù)使用者將“臟數(shù)據(jù)”當(dāng)作好數(shù)據(jù),加以分析利用,作出決策,并輔以強(qiáng)有力的執(zhí)行時,“臟數(shù)據(jù)”帶來的后果是極其嚴(yán)重的。通過“臟數(shù)據(jù)”,會得出錯誤的結(jié)論,錯誤的結(jié)論會導(dǎo)致錯誤的決策,錯誤的決策加上強(qiáng)有力的執(zhí)行,比沒有數(shù)據(jù)、沒有結(jié)論、沒有決策更糟糕,不但不會對事物發(fā)展起到積極作用,甚至還可能產(chǎn)生消極作用。
舉兩個簡單的例子,如果購買了上述刷來的黃鉆賣家的產(chǎn)品,你可能會覺得名不副實(shí);如果付費(fèi)找擁有大批僵尸粉的大V來傳播商業(yè)信息,你的錢可能就會打水漂;如果運(yùn)營商無視套取酬金及囤卡行為而對銷售數(shù)字津津樂道并為此樂觀的話,不僅讓酬金白費(fèi),還會得出市場發(fā)展良好的錯誤結(jié)論并采取下一步措施。
“臟數(shù)據(jù)”無處不在且危害之大,因此必須要警惕“臟數(shù)據(jù)”。當(dāng)然,這不是一概否定大數(shù)據(jù),不是說大數(shù)據(jù)毫無價(jià)值,而是想提醒大家一方面要盡可能提高數(shù)據(jù)質(zhì)量,另一方面也不能完全依賴大數(shù)據(jù)。
無論是淘寶、新浪,還是電信運(yùn)營商,都對數(shù)據(jù)造假者深惡痛絕,都想出了很多辦法來消除“臟數(shù)據(jù)”。顯然,這是道與魔的關(guān)系,是一個不斷糾纏、不斷提升的過程。沒有任何一種制度或者技術(shù)能百分百消除“臟數(shù)據(jù)”,但只要態(tài)度明確并不斷采取措施,就能將“臟數(shù)據(jù)”控制在一定程度,確保所用數(shù)據(jù)偏離不會太多且具有使用價(jià)值。
大數(shù)據(jù)不是萬能的,伴隨著“臟數(shù)據(jù)”的大數(shù)據(jù)更不應(yīng)該被迷信。大數(shù)據(jù)的使用還需要與經(jīng)驗(yàn)、實(shí)證相結(jié)合。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10