偶爾與身處傳統行業的朋友聊到大數據，朋友說，對大數據懷有一種“敬畏”的心理，認為它很神奇，神奇到似乎可以點石成金無所不能。但身處這個行業，在敬畏它的同時，卻不時會被一種深深的無奈所包裹，切實感覺到在夢想面前，大數據也有太多的無能為力。所以今天，我們來聊一聊
大數據的”無所不能“與”無能為力“。
大數據的“無所不能”
無論是傳統工業時代，還是大數據時代，信息是決策的基礎：更優的決策，需要更多、更及時的信息——大數據的價值核心，是“消除信息不對稱”，即提升人或程序對事物的認知。
因此，大數據可以做很多事情：
在市場營銷中，大數據可以幫助市場人員瞭解客戶群體的特徵、偏好和購買傾向——只將廣告投給需要的人，可以節約被浪費的廣告費，卻不降低廣告的效果；
在金融風控中，大數據可以幫助業務人員瞭解顧客群體的收入水平、資產情況、借貸歷史、違約風險——不向高風險顧客發放貸款，或事先對可疑人員進行核查、採取措施，可以有效降低壞賬率，提升資產質量；
在零售經營中，大數據可以幫助領導層瞭解各商圈的人流量情況、人群特徵、周邊環境、競品策略等（是比現場調研更全面、更高效且成本更低的市場分析方案）——選擇人流量、人群消費水平更符合本企業定位，且競品並沒有深入挖掘的地點開設新店，意味著在起步階段就跑在了前面；
在物流運輸中，大數據可以幫助經營人員瞭解各地需求、線路業務量、節點負荷和處理效率——線路規劃、節點佈局及資源配置、關鍵節點優化，都可以有效的提升物流效率。
除了以上為企業帶來切實利益的大數據應用，伴隨著機器學習、人工智能的發展，大數據也為我們展開了更宏偉的藍圖：
語音識別和文本挖掘，使得人與機器的自然交互突飛猛進，各種智能交互機器人層出不窮；
圖像識別和處理技術，結合線路規劃、智能決策等大數據應用，讓無人駕駛站在了時代的風口上；
對各種疾病發展過程、影響因素的分析，及人體狀態的監測、感應，形成了健康監護和智慧醫療的前提；
……
一言概之，大數據為“信息獲取”開闢了無數的通道，引領我們一路高歌猛進，依靠大數據，我們對周圍的世界、對自身、對事物之間的關係都有了更深入的認知，也有了以前想都不敢想的各種處理方案，讓我們“無所不能”。
但理想總是“豐滿”，現實卻是“骨感”，看上去“無所不能”的大數據，本身就帶著諸多的“無能為力”。
大數據的“無能為力”
數據質量
伴隨“多”的是“無序”，伴隨“更多的信息”而來的，可能是“信息冗餘”。數據質量，是數據應用之初與生俱來的問題。
要判斷移動設備的常駐城市，可能從數據源A得到的是北京，從數據源B得到的天津，而我們壓根兒沒有明確的標準，來判斷數據源A和B到底哪個正確，因為，正是因為不知道才需要尋求外部數據源幫助！
也許你會說，找已知樣本測試就可以了。但事實上，很多數據且不說能不能找得到樣本，即便能找得到，用作標準的樣本本身有多大可信性，也是一個需要驗證的問題。
隱私與安全
伴隨著大數據的應用，越來越多的數據被“濫用”，隱私被洩漏的問題被曝光。數據應用的程度越高，經過的驗證和磨礪越多，準確性越高，所受的監管也就越強，使用過程中所受限制就越多。
對於數據應用方來說，面臨的可能是不斷的尋找數據源、驗證數據有效性、接受監管並調整、尋找新的數據源的過程。
站在數據應用方角度，面臨客戶隱私與數據安全，會時不時的有深深的“無力感”；但站在整個社會責任的角度，數據隱私與安全則是必須要守住的底線。
邊界與壁壘
我們數據應用中的很多設想，都建立在各方數據可無縫打通和關聯的基礎上，但實際數據應用中，因為數據產生於不同的企業主體、有不同的處理流程和架構，“關聯”並不是“無縫”的。
千辛萬苦找到了適合的數據源，可能因為雙方ID無法打通，導致數據根本無法使用；
戰略合作訓練了效果很好的模型，可能因為雙方數據都無法出各自機房而無法實際投產，尋找繞行路線卻又大大犧牲了效果；
數據與場景的結合，可能因為合作雙方理解差異導致數據的誤用……
如何減少大數據的“無能為力”
首先，建立數據流通標準。“標準”可以在很大程度上解決“質量”的問題，也可以讓供需雙方更好的對話，降低數據流通的成本；
其次，劃定數據安全基線。有“基線”，就有了“基線”範圍內的自由和法律保護，將“隱私與安全”作為每一個市場玩家的底線，就不會在安全加碼時束手無措倍受打擊；
再次，構建數據流通平臺。“平臺”可以有效承載數據流通的標準，同時更好的打破供需雙方的邊界壁壘，實現供需有效結合。
TalkingData智能數據服務商城，致力於為數據供應方和數據需求方提供平臺，實現數據流通過程中的標準化交付、質量評估、實時計量等公共能力，降低數據交易流通成本。
讓理解照進現實，實現大數據的“無所不能”，我們一直在努力。
閱讀更多 TalkingData 的文章
