“大数据就像青少年性关系一样……”，尽管我也不知道这个关于大数据的比喻引用自哪里，但还是有人将一个有趣的研究指派给了来自杜克大学的丹·艾瑞里（Dan Ariely，经济学家，来自世界著名大学（MIT）麻省理工学院斯隆管理学院的年轻教授。他是目前行为经济学和电子商务领域中十分活跃的国际知名学者。Dan Ariely于1991年在以色列特拉维夫大学（Tel Aviv University）获得心理学学士学位，1994年在美国北加州大学获得认知心理学硕士学位，两年后在北加州大学获得认知心理学博士学位。1998 年，Dan Ariely在著名的杜克大学获得了营销学博士学位，同年，年轻的Dan Ariely取得了MIT的助理教授席位。他现为MIT斯隆管理学院的管理科学（Luis Alvarez Renta）讲座教授）。
今天，我想在这里谈一谈关于大数据这方面的话题：它到底为何方神圣？它如何提升决策？我们应该怎样利用它？
大数据到底有什么过人之处？
▶它不仅仅“大”，它的规模庞大。
▶它不仅仅“大”，它具有不同的格式——文本、数字、图像。
▶它不仅仅“大”，它对数据集的处理比较困难。
▶它不仅仅“大”，向从中决定出原因/影响也很难。
这里有一个来自我们的大表哥——IBM，关于大数据的形象比喻：
大数据正在以惊人的速度、体量和多样性，从各种各样的资源中极速驶来。如果向从大数据当中提取出你人为有价值的信息，那么你就需要优化处理能力、分析能力以及相应的技能。
接下来，让我对此进行深入的挖掘。
速度
大数据正在以飞快的速度朝你走来，尤其是当越来越多的设备与物联网连接时，市场营销人员变得更加善于从类似Facebook这样的社交网站整合数据资源。
规模
我们正逐渐沉没在数据的海洋里——数据来源于我们的销售渠道，来源于社交媒体渠道，来源于我们的销售队伍，来源于外部的CRM系统，来源于我们的简讯，来源于市场调研，来源于产业研究···物联网从我们彼此的家中，从我们相互联系的智能手表、活动追踪设备以及医疗装置等设备中，带来了大量的数据资源。
如果我们想紧跟这些不断汇集的大量数据资源的话，我们需要制定卓越的计划方案把这些数据组织到统一的数据库当中，还得需要知道如何储存数据，用什么来进行储存，并且懂得如果和数据库之间进行通盘协作，更不用说如何让数据变得更有利用价值。
数据的收集并不会产生效益，除非你对这些数据加以分析和利用。亚马逊的S3服务系统大大降低了数据存储的成本，但是储存百万字节的数据所需的花费还是相当昂贵的。
多样性
对于大数据而言，多样性是它最具有挑战性的一个特征——尤其是消费者产生的由文本和图像构成的非结构化数据，其体量之巨大，不得不让我们考虑这些数据的多样性特征。据IBM估算，80%的数据都是非结构化的，和结构化数据不同的是，处理非结构化数据的工具到目前为止，数量还是很有限的。
这里，我也想用来自我个人的一个大“V”来描述大数据的特性——真实性。有太多时候，我们总是对自己收集到的数据持有一定的怀疑态度，原因出于以下几个方面：
我们是否将我们的言辞赋予了准确的情感表达？
数据本身是否正确呢？
在数据收集的时候是否有考虑维持其结构？数据是否可能被损坏或者错位，导致变量变得模糊不清？
数据是否值得信赖——比如，消费者反馈的信息是否准确？
数据是否具有代表性？我们是否曲解了数据的含义？
使用大数据提高决策制定能力
既然我们了解了关于大数据的一些基本概念，也正在面对着它的挑战，那么现在让我们来讨论一下使用大数据来提高组织机构的决策制定。
大数据不会解决你的麻烦，但是它可以作为让你找到解决办法的一种工具。
下面就是一些非常棒的使用方式：
提供对客户的洞察
如果恰巧在消费者有具体需求的时候获得了它们自己想要的产品或者服务的时候，并且以他们认为合理的（而非低廉）价格进行推荐，那么这的确是一种可以让企业获得成功的手段。
大数据可以为我们提供类似上面这种对消费者的了解。比如，与情感分析不同的是，社交网络平台给企业提供了大量的可供我们了解消费者的数据信息，其中包括未得到满足的需求（这代表对新产品的需求）还有客户服务中存在的困难。
对于这些你所获取的对消费者的洞察信息，你不能停留于这些普通对话的表面，你要从局外人的角度找到最独到的见解。我曾经和这样的公司一起共事过，当公司遇到了某些消费者的消极评价时，虽然这种评价不会经常发生，但是公司还是驳回了消费者的消极评价。这种行为你可以认为是对的，或者其实他们的做法也不完全正确。如果消费者的这种评价预示着问题的冰山一角的话，那么这种评价对于你的公司而言就是一种前兆——你的公司可能正在或者即将面对巨大的麻烦。
和驳回消费者零星几个的消极评价相比，你还不如对这些评价进行深入的调查。即使只有那么零星几个消费者抱怨，那么局势也会因此失控，这时候你需要做的就是快速响应，你的快速响应可以让申诉人得到一定程度的满足，并降低可能引起的负面影响。
提供有目的性的交流
如果你和客户或者消费者之间的交谈不欢而散的话，没有什么会比这种后果更加让人感觉失败的了。举个例子，当我在亚马逊网站寻找一双新的登山靴时，我喜欢从网站的客服那里得到一些建议，但是在我已经买完一双靴子之后，如果我还是不停的收到他们的推荐信息的话，我就会感到不开心。客服的这种做法只会让我觉得，作为一名消费者，我对亚马逊而言无足轻重——因为客服根本就没有把我说的话放在眼里。
同样类似的事情在LinkedIn上面也时有发生。我会从某些人那里得到关于如何为我开拓业务的服务。作为一名专业的市场营销人员，我也会同意某些人向我提供帮助，因为我不得不雇佣一些人将我推向市场。你所需要做的就是粗略的看一眼我的个人资料，发现我也是一名专业的市场营销人员。
如果你和消费者或者客户之间进行一次目的性很强的谈话的话，这样的做法会显得有些狡诈，尤其是当你的数据本身都是从各种资源中获取而来。如果想结合对于消费个人的了解，还得需要将不同的数据库资源进行融合。在这个场合，我们就需要借助社会化登录来帮忙——社会化登录是融合数据困的关键所在，它可以将社交数据整合到一个单独的记录当中，并且从中可以让我们得到对客户更好的了解。
优化绩效
大数据产生的洞察力可以优化企业绩效。
这里还是举例说明。一家救护公司会根据救护车请求数据进行资源分配和员工的安排，目的就是为了减少救护车出动的反映时间，这样就可以降低死亡人数并减少客户的申诉，因此在没有增加任何成本的前提下就可以提高客户的满意度。
电力公司使用数据洞察进行需求管理，减少了对于新建的，造价昂贵的发电站的需求。
游乐场使用数据进行人员分配和价格的调整，一次来减少高峰负荷时段的人流。
航空公司也使用同样的手段。
利用大数据
想要获得洞察力，那么就从数据的收集开始吧。
评估为决策制定而输入的数据的潜在资源。IBM为我们提供了一张图表，向我们展示了数据的来源：
虽然你拥有数据，但是这并非意味着你应当保留数据或者将他用于决策的制定。同样的，你不收集数据，你也无法分析数据。这是一件关乎成本效益的事情——只有当潜在利益比成本重要的时候你才会去收集数据。
比如，当用户在网站进行账户注册的时候，你向他询问大量的个人信息，这种做法也许不错，但是这的确会严重的降低想来网站注册账户的人数。当你发现拥有这些个人信息的价值大于注册率的的降低的时候，那么你完全可以这样做。如果你已经有了这些信息，然后又再次寻求的话是一种浪费。
数据清洗
我认为大多数的数据分析师都错过了这一步——务必保证你所拥有的数据是清洁的。垃圾数据就等于无效输出。
我经常抽查我的数据，想发现当中是否有看起来不对劲的地方。这样做，对于机器分类中可能存在的不准确的非结构化数据而言，显得异常重要。
接下来，我会把数据作为一个整体看待，看看当中是否存在数据问题。
数据集合并
下一步，我将会使用几种关键信息，可能是客户编码、邮件地址、电话号码或者一些其他类型的唯一识别码，合并数据集。
数据分析
在这一步，最后你会发现大数据的价值。然而你一定要多加留意，否则你会因为胡吹乱扯而前功尽弃。有了充足的数据之后，你必定会它们之间的相互关系，并且它们当中的大部分数据都是无效的。那些看起来可能无效的数据其实是存在因果关系的。
你是否还记得，超级碗的广告显示所有的孩子都在城市代表队赢得超级碗比赛之后的9个月出生，这是一种内在的相互关系还是因果作用的结果？
我认为培训市场营销人员在大数据分析方面的能力特别重要，因为我真地相信你需要懂得隐藏在市场营销背后的概念，这样才能在大数据分析当中存在的无效关系中辨认出重要关系。
编译丨化学数据联盟-丑灿
更多阅读：
