運營商數(shù)據(jù)量最大但不是大數(shù)據(jù)_數(shù)據(jù)分析師

2014年3月8日，在大數(shù)據(jù)領(lǐng)域非常有名的阿里巴巴數(shù)據(jù)分析靈魂人物車品覺接受了媒體的專訪，就數(shù)據(jù)領(lǐng)域的問題談了自己的認識，應該對很多正在進行大數(shù)據(jù)應用的專業(yè)人士有很大幫助。 

大數(shù)據(jù)應用很重要的問題是：關(guān)于他的定位

大數(shù)據(jù)里面有一塊非常重要的數(shù)據(jù)，而可能對未來的一兩年特別重要，就是我們所講的“關(guān)于他的定位”。我想知道一個人是誰？你是不是你？你在PC前面買了一件東西，不一定代表是你買的，有可能是你的老公或者是你的老婆在用你的PC去買，怎么知道到你就是你？這個在收集數(shù)據(jù)的時候相當重要。

另外，當我知道你就是你的時候？我下一個問題是你在PC或者手機上做了什么行為？以及你在哪里做了什么行為？這個對數(shù)據(jù)上的還原非常重要，否則的話很多東西是無法還原的。比如說你買這個東西是在公司里面，在移動還是不移動。我現(xiàn)在非常想知道一個人在用手機來買東西的時候，到底他在移動的還是在定在一個地方買東西的，這個數(shù)據(jù)對我非常重要。所以對一個點上的定位非常重要。

其實整個大數(shù)據(jù)來講，用一個比較簡單的說法是，當你去看完電影之后的五分鐘，你餓了你想吃東西了，淘點點突然在這個時間給你一個信息說，旁邊有個什么茶餐廳很好吃的，那個時候就是最對的時候，只要你送他一個優(yōu)惠券可能就會去了。所以你到底怎么樣去利用這個時間點的信息去推送更及時的東西，不一定是廣告，很重要。但是這個首先要知道他準確的地理位置。

當我們講大數(shù)據(jù)的時候，并不是一堆的數(shù)據(jù)，實際上是分為幾塊很重要的數(shù)據(jù)。第一個，你怎么去識別一個人，他就是他？另外一個，你怎么知道他在哪里他在做什么行為？第三個，這個行為是什么？再者，我們想知道他當時的關(guān)系是什么？這四種數(shù)據(jù)對未來很重要的。

過去PC的時代，對數(shù)據(jù)定位是比較少關(guān)注，今天會變得越來越重要。一個數(shù)據(jù)很有意思，在營銷上的成功率。如果我們拿到準確的當?shù)沫h(huán)境的話，我們會可以增加132%，如果我們很準確的知道人文數(shù)據(jù)，就是他是男的還是女的還是什么年紀等等，我們可以增長5倍。但是當我們知道他的行為數(shù)據(jù)的時候，我們就可以增加12倍。這三組數(shù)據(jù)是以行為數(shù)據(jù)最容易識別一個人的，但是他做什么之外還要知道他是誰，然后知道他的環(huán)境是什么樣。

最重要的東西是三者的交叉。一個三十歲的男生，他在電影院剛出來的五分鐘，他剛?cè)タ赐觌娪暗倪@個時候，你猜你應該推送一個什么樣的東西給他，會讓他滿意呢？這個精準性對推送的整個營銷會產(chǎn)生一種倍數(shù)增長的作用。

舉個例子：早上的時候，我看見朋友穿了一件T恤覺得挺好看的，所以回到淘寶搜索一下T恤出來1萬個結(jié)果，然后我老板在我旁邊說開會，我站起來就去開會了，開會的時候我還是拿個手機過來看看，再搜這件T恤，結(jié)果旁邊有個廣告跟我說有個手表很便宜了，就買了一個手表。今天，我們大部分記錄數(shù)據(jù)的方法，都只會記錄有一個人買了一個手表一百元，但是，實際上整個東西的還原應該是剛才的樣子。早上我的朋友穿了一件T恤我去淘寶搜索，我們不知道他為什么進來搜索，特別他為什么會停下來。但是，我們很多時候分析，會假定他停下來肯定是沒找到東西，其實不一定的，可能旁邊由于環(huán)境上的影響，就沒有去再繼續(xù)搜索了。后來時間許可之后，我拿個手機出來，問題是這個手機跟PC是沒關(guān)系的，還以為另外一個人進來，因為我沒有留下烙印，跳了一個東西出來說這個手表很便宜，已經(jīng)把我剛才想找T恤的意圖打破了，然后我就去買了一個手表。

整個鏈條中多少的東西無法還原，整個大數(shù)據(jù)我們說都很清楚了，其實我們也不是很清楚。所以，不要自己騙自己說，大數(shù)據(jù)什么都知道。很多的數(shù)據(jù)，事實上都還原不過來，真實的人告訴你的時候你會發(fā)現(xiàn)，是這樣的。

昨天我臺下問到樣品數(shù)據(jù)跟大數(shù)據(jù)的關(guān)系，很多人在鄙視樣品數(shù)據(jù)了，認為已經(jīng)有大數(shù)據(jù)了，沒必要發(fā)一個問卷出來問一下人家。但是我覺得，其實我們很多時候是用問卷的方法來找出一些方向，再用大數(shù)據(jù)來驗證。有時候，大數(shù)據(jù)里面看到一些數(shù)據(jù)無法解釋，會找一個問卷來去問問。因為什么？態(tài)度是沒有辦法用行為數(shù)據(jù)來知道的，就是一個人的態(tài)度只能在你一對一或者真的是問他的時候才能問出這個態(tài)度。所以，用樣品數(shù)據(jù)可能會找到一些方向，在大數(shù)據(jù)里面尋找這個可能性的結(jié)果。

不要因為大數(shù)據(jù)出現(xiàn)之后，我們就對小數(shù)據(jù)或者對樣品數(shù)據(jù)突然之間就據(jù)的很鄙視。沒有必要鄙視的，其實都是一種工具。其實，大數(shù)據(jù)讓我們用更多的角度來看一件事，并不是萬能的。其實大數(shù)據(jù)并沒有這么厲害，但是我們在努力，讓大數(shù)據(jù)能再推到可以服務更多的社會大眾。

心理狀態(tài)數(shù)據(jù)很重要，但用起來很難

我們記錄一個人是偏向于白天買東西還是晚上買東西，買東西的時間點到底習慣是怎么樣？我們也把這個叫做他的心理狀態(tài)，當時所買這個東西的心理狀態(tài)，我們還沒有到這個層次，但是有些大數(shù)據(jù)的美國專家已經(jīng)到了這個層次，他的心理的狀態(tài)對這個購買的影響，但是我們沒有到。 

一個數(shù)據(jù)沒有人的屬性的時候意義小

以前為什么要記錄線下的交易數(shù)據(jù)呢？因為他想比較，比如說我是聯(lián)華，同一個地區(qū)我賣的是不是賣少了，他買了一個餅干，這種類別的餅干賣得好不好？你是這種類別的餅干賣得好不好？他們會對一下，這是純粹交易的情況會對一下，但是很難關(guān)聯(lián)上這個人。

我們走訪一些線下的企業(yè)，有些企業(yè)居然把自己三年前會員數(shù)據(jù)丟失掉了，我說三年前的數(shù)據(jù)能不能拿出來看看，他說沒有了，因為沒有用。識別一個社會學的數(shù)據(jù)極其重要，否則下面很多數(shù)據(jù)根本關(guān)聯(lián)不到這個身上。

在大數(shù)據(jù)里面，近一年開始有很多人提出來，數(shù)據(jù)是有生命周期的。如果三年前的數(shù)據(jù)肯定不如6個月之前的數(shù)據(jù)重要，如果我想知道你購買的行為的話，因為有可能三年你的購買行為都變了，可能近6個月比較能知道你的行為，三年前的你的購買數(shù)據(jù)可能是沒有這么有效。

所以一個企業(yè)可能要做一個決策，可能八年前數(shù)據(jù)是不是不要?。渴遣皇沁@樣一直有價值嗎？所以有一個詞是非常重要的，數(shù)據(jù)隨著時間的推移慢慢價值減低。

我以前曾經(jīng)表達一個觀點是，數(shù)據(jù)出來的結(jié)果很好，就是能幫我們提升多少的百分比，但是有時候你會發(fā)現(xiàn)他不穩(wěn)定也沒有用的。今天能給你這個效果，明天就不能給你，你的供應貨來源的原料不穩(wěn)定。所以數(shù)據(jù)來源也是一樣的，今天來的數(shù)據(jù)挺穩(wěn)定的，明天來的數(shù)據(jù)不穩(wěn)定的，這樣的數(shù)據(jù)還是不能用的，在我們放在非常重要的數(shù)據(jù)是不能用的，比如說你決定借錢給一個人，可能明天數(shù)據(jù)不穩(wěn)定，產(chǎn)生出來的傷害更大。 

端到云、云到端整個數(shù)據(jù)是流動的 

從我個人的理解來講，云有兩個很大的功能，一個是他的計算能力，一個是他的儲存能力。端是終端，手機、PC，將來如果是穿戴，所有都是端。從云到端這個地方來講呢，能不能利用云的計算能力與他的儲存能力，快速來計算東西給到端去用，我認為他是非?？简炦@個云上的計算能力跟儲存能力的。

如果我們做了一個數(shù)據(jù)模型，數(shù)據(jù)模型是說，我能猜到一個人在他現(xiàn)在這個行為里面，有人用了他的手機，但是用這個手機的人并不是他的。在這種情況下，能不能停止他的手機使用？

就是，實時能從計算上知道，現(xiàn)在用手機的你并不是你，并不是平常的你。這個能力如果在端上使用的話，云那邊肯定要非?？焖俚挠嬎悖运挠嬎隳芰Ψ浅Ｖ匾?。

因為端那邊已經(jīng)收集了一些數(shù)據(jù)，他現(xiàn)在可能人在美國，但是三分鐘之前用這個終端的時候其實還在中國，為什么？一個人怎么樣可以在這邊一個小時之后飛到美國呢？如果這個是支付系統(tǒng)知道了這個事情的話，云就通知端要停止到這個手機。

但是端到云的時候，他是收集及時的數(shù)據(jù)給到云那邊，讓云那邊能夠存儲關(guān)于判斷剛才這件事情的能力。所以端到云、云到端整個數(shù)據(jù)是流動的。端的能力在于收集，云的能力在于計算存儲，這兩者之間是出現(xiàn)數(shù)據(jù)的流動的。僅僅從數(shù)據(jù)的角度去看，都是用我剛才的那個方法來講。端來講是知道當時當下發(fā)生了什么事情，把他傳到云上，云把他存儲而且計算，計算當時那個地方到底有什么東西不動的，然后再傳到端上整個東西進行一種循環(huán)。

運營商的數(shù)據(jù)量巨大但做得不好

對于大數(shù)據(jù)，我覺得壟斷是很難的。中國來講，數(shù)據(jù)量最大的并不是阿里，有一些公司數(shù)據(jù)的量也很大的，比如運營商。所以只是說，有兩種東西要看的，一個是計算數(shù)據(jù)的能力，管理數(shù)據(jù)的能力，這個其實數(shù)據(jù)量大到某個量之后，后面的兩者更重要。就是讓你盤點一下你今天的數(shù)據(jù)的時候你就發(fā)現(xiàn)難了。管理一種數(shù)據(jù)的能力，計算一種數(shù)據(jù)的能力，收集數(shù)據(jù)的能力，這三者是要平均的，不是僅僅說用多少大的數(shù)據(jù)的，管理數(shù)據(jù)變得越來越重要。

大數(shù)據(jù)安全不是靠監(jiān)管 

大數(shù)據(jù)數(shù)據(jù)量很大，很難僅僅只是用一個監(jiān)管的方法來決定這個數(shù)據(jù)是不是敏感，而是應該用一個更好的方法去處理。

講一個例子，數(shù)據(jù)安全中最安全的方法就是不給你看，給你看過理論上安全就會有出現(xiàn)風險的可能性了。我們現(xiàn)在的技術(shù)能夠做到的是不給你看，但是可以給你用。

其中的一些安全策略是這樣的，比如說我現(xiàn)在說要調(diào)動一些人的名字，這個名字里面有“車品”就兩個字，但是我不會給你看所有的人的名字里面有“車品”兩個字，但是告訴你答案就是3個。也就是說，我不會給你看到數(shù)據(jù)，我只給你用這個結(jié)果。 

關(guān)于因果和相關(guān)的關(guān)系 

數(shù)據(jù)挖掘有兩種方式：一種是我們知道了有因果關(guān)系，我們用數(shù)據(jù)來界別這個因果關(guān)系以后形成了一個模型，利用這個模型讓我們?nèi)プ鲆粋€決策更快，比如說有一個人網(wǎng)上來了一個用戶看了這樣的商品之后，這個商品以前曾經(jīng)他看過的，所以今天客戶過來是要買這個東西，但是還沒有辦法下決心，你要不要給他一個紅包去刺激他去買，這個是有因果關(guān)系的，這樣的因果關(guān)系很容易在一個模型里面。

另外一個是，有一堆的數(shù)據(jù)，但是不知道有沒有因果關(guān)系，但是用數(shù)據(jù)去處理的時候，發(fā)現(xiàn)面有一些現(xiàn)象很有關(guān)聯(lián)性，雖然不能解釋但是我可以用。

所以，在做應用數(shù)據(jù)的時候，有時候我們可以不管因果關(guān)系，找出他上一個行為是什么就可以了，不一定找出下一個行為，我們不一定要推送最好的給他的，有時候是給他下一個需要的就可以了。我們不會去求絕對的因果，有些因果不是說要追求于絕對的。

【給數(shù)據(jù)分析人士提供幾個重要數(shù)據(jù)備案】

1、在阿里數(shù)據(jù)平臺事業(yè)部的服務器上，攢下了超過100PB已處理過的數(shù)據(jù)。這是什么概念？它相當于4萬個西雅圖中央圖書館，580億本藏書。

2、在2013年11月11日，阿里巴巴服務器承載的是350億的交易額，是同時服務超過1700萬人，是每分鐘產(chǎn)生10萬個包裹，是提供相當于1000個義烏商品市場那么大的商品數(shù)給你挑選，是需要同時展現(xiàn)3000萬部愛情動作片，是支持每分鐘100萬人同時買單，是相當于同時由9000萬個服務員幫你拿貨。

3、阿里金融綜合了信用記錄、成交數(shù)額等結(jié)構(gòu)化數(shù)據(jù)，以及用戶評論等非結(jié)構(gòu)化數(shù)據(jù)，加上外部搜集的用電量、銀行信貸等數(shù)據(jù)，可就放貸與否、放貸額度精準決策。直接彌補了銀行業(yè)在貸款風險上的盲點，幾分鐘之內(nèi)就讓貸款發(fā)出，其貸款不良率僅為0.78%。截至2014年2月底，阿里小微信貸已經(jīng)累計為超過70萬家小微企業(yè)解決融資需求，累計投放貸款超過1700億元。

4、聚石塔提供了數(shù)據(jù)存儲、數(shù)據(jù)計算等服務，在保障交易安全，避免遭黑客攻擊的同時，還提升了商家處理訂單的速度，確保交易順暢。2013年的天貓雙十一，聚石塔處理了全網(wǎng)75%商家的訂單，處理總訂單量是12年雙11的10倍，0漏單，覆蓋活躍商家94萬，其中有兩家訂單量過100萬。